2017“人工智能”首次被寫入了全國政府工作報告，要求加快培育壯大包括人工智能在內的新興產業，人工智能開始滲透於醫療行業。據悉，協和、同濟、省人民、廣州軍區武漢總醫院都採用了依圖醫療的人工智能輔助診斷系統，用於肺癌、乳腺癌、兒童生長髮育異常等疾病。協和醫院放射科是湖北省使用最早、病例數最多的單位。它究竟帶來哪些改變？現狀和未來如何？
7月17日，63歲的謝先生因肺部不適在協和醫院胸外科就診，醫生建議做肺部CT平掃和增強。將謝先生肺部CT按照1.5mm層厚重建出688幅斷面影像。閱片室中，放射科副主任醫師黃銳僅僅在影像生成後約3秒後，就找到謝先生左肺中下葉和右肺中下葉共6個肺結節，就連4*4mm的微小結節也沒被放過。謝先生被初步診斷為疑似肺癌。黃銳醫師再次閱片，確認無誤後出具報告。
688幅CT影像，一位醫生仔細閱完通常需要5至8分鐘。黃銳醫師能在數秒之內找到所有結節，並初步判斷出良惡性，篩查出這例早癌患者，得益於他的“小依助手”肺癌影像智能診斷系統。這是我省引進的首套人工智能輔助診斷系統。它將肺部影像診斷壓縮至秒級，可自動識別出成百上千幀影像中肺結節，標出大小、位置、密度，並初步分辨良惡性，自動生成結構化影像報告提供給醫生審查。自去年下半年在協和醫院放射科投如使用至今，該系統已輔助醫生完成近9萬例肺結節篩查，敏感性高達93%以上。
肺結節可能是肺癌的“信號燈”。過去篩查肺結節全靠醫生“火眼金睛”，平均一個醫生每天看上百個病人、近2萬幅CT影像圖片，如果還需對比病人既往影像資料，分析量驚人。去年肺癌影像智能診斷系統準備在協和醫院放射科投用時，武漢協和醫院放射科韓萍教授及其團隊醫師也曾經半信半疑，最終因為醫生工作量實在繁重才決定嘗試人工智能。韓萍教授表示：高強度的工作下，人眼識別難免有疲憊和疏漏，影響醫療安全。若是經人工智能初篩後，醫生在此基礎上再審核確認，可大大減少漏診，提高效率。
開發公司依圖醫療介紹，該系統基於數百份臨床權威指南和專家共識以及數百萬份經過人工智能解構的醫療大數據而建，投用到醫院就是希望它能在臨床中學習，提高診斷水平。該院放射科主任韓萍教授、史河水教授及其團隊評價該系統“較聰明，一學就會”。初來乍到時，為保證其受到良好的培訓，只有高年資的醫生才使用該系統，系統每一次閱片，醫生都會肯定或糾正其診斷結果。在近9萬例的病例學習後，該系統就像一個醫學生在臨床學習中積累了一定的經驗，正在逐步成長為一名合格的醫生，即使一些靠近肺部紋理或血管等較難鑑別的結節，它也能識別出。
人工智能在醫療領域的落地能一定程度上彌補醫療資源短缺。影像作為醫生診斷的重要依據，在醫療行業數據中佔80%～90%。有統計顯示，我國醫學影像數據增長率為30%，而放射科醫師增長率僅4.1%。運用人工智能技術可以有效彌補醫生的缺口。曾有某人工智能系統判讀病理切片時，準確率達到92.5%，與之相比，高級醫生的準確率是 97.5%，普通醫生僅為 57.5%。人工智能深度學習後，可以達到高級醫生的水平，實現同質化醫療，協助提高基層醫院醫療水平。
當記者問到：協和醫院放射科的人工智能系統也正在自我學習中，未來能否完全替代醫生？韓萍教授把握十足地說，沒有一點擔憂。她認為，目前人工智能診斷系統僅限於一種或幾種疾病的輔助診斷。在遇到疑難病例的時候，人工智能則失去方向。況且肺部疾病眾多，人工智能系統遠未涉足，它還需要長時間的學習。當然，我們看好人工智能，我們相信隨著科技和醫學的進步，醫生將和人工智能一起，探索人類醫學的邊界。
閱讀更多 科技新生活 的文章
