疫情面前，速度就是生命。
在CT被列入第五版新冠肺炎診療方案後，在準確性還不夠完美的核酸檢測之外又增加了一項診斷手段。CT閱片量增加，提升效率成為在CT診斷過程中的一大難題。為此，一批醫療影像AI企業也聞風而動，加入這場生死時速的搶奪戰中。疫情期間，CT+AI的概念出現在不少AI產品中。
AI廠家聞風而來
當醫生打開片子，新冠肺炎的感染區域可通過AI的方式自動勾畫，同時在屏幕右邊顯示全肺的感染比例以及體積，精確到每一個肺葉、肺段的感染體積，以及其感染的百分比，這樣可以讓醫生更有效的瞭解到，患者感染的區域在哪裡，提供更多的量化信息。
不僅如此，AI還能優化整個讀片過程的工作流。隨著胸部CT閱片量大幅增加，特別是武漢疫區，提升工作效率便成為重中之重。通過分割的技術，AI找出醫生尚未讀但已拍完的片子，對這些病人的影像進行快速篩查，找到肺炎疑似患者，提醒醫生優先閱片，如此一來，AI便可優化整個圖片的工作流，做到早發現、早治療、早隔離。
聯影智能研發副總裁高耀宗在醫學圖像計算青年研討會（MICS）線上學術講座上介紹到，這是他們新冠肺炎AI系統的兩大功能點。其主要的技術路線基本上是通過分割的方式，在胸部CT上，利用人工智能深度學習的分割算法，來檢測到新冠肺炎相關的一些徵象，並對其進行量化評估。
他表示，目前，如果沒有AI技術，很多影像學報告多是定性分析，磨玻璃影變淡還是變暗，其個數大概增多了多少，在應用AI技術以後，AI不但可以提供上述指標的一些量化數字，同時還可以做更精細的分析，幫助醫生診斷。
比如在不同時間點，AI可以分析肺部感染體積的變化，也可以直觀反映出其磨玻璃和實性成分的變化。
在早期篩查方面，AI也有可為空間。深睿醫療研究員張樹給出了一張抗疫一線AI系統早期炎症病灶篩查的效果圖，從左側看，這位患者有兩個非常不明顯的磨玻璃病灶，當醫生工作量大時，他們很容易漏掉病灶，AI篩查系統可較為精準定位微小磨玻璃病灶。
而在隨訪環節，AI系統有助於醫生可以更明確、直觀去觀察到病人整體療效變化的情況。張樹介紹道，2018年，這位病人拍攝了一個CT，他當時沒有感染新冠肺炎，也沒有其他炎症，所以整體上，他的病灶數量處於比較低的狀態。2020年2月3日，他已經感染了新冠肺炎，從右側黃色曲線上可以看出，整體病灶數量也在上升。可能經過一段時間的治療，整個曲線上就出現下滑。
目前，深睿醫療的新冠肺炎增強版AI已落地，在全國大概數十家醫院裝機使用了。早在1月31號，他們第一版產品就已經研發出來了。
聯影智能也在短短５天完成了他們新冠肺炎輔助分析軟件的研發和落地。據悉，該軟件動用了算法、軟件和測試等10位研發人員，以及50位遠程標註人員，應用上千例標註數據。
1月28日，上海人工智能研究院攜手健培科技完成了新冠肺炎影像雲檢測系統的階段性研發工作。隨後，在中華放射學會常委心胸學組組長郭佑民教授的指導下，開展上線應用。
1月31日，推想科技發佈新冠肺炎AI，截止到2月10日，全國上線醫院達到十餘家。
2月5日，依圖醫療新型冠狀病毒性肺炎智能影像評價系統在華中科技大學同濟醫學院附屬協和醫院、武漢大學中南醫院、武漢大學人民醫院、荊州市第一人民醫院完成部署。
……
面對突如其來的疫情，AI醫療企業反應速度之快，研發速度之快，讓人嘖嘖稱讚。但與此同時，讓人疑惑的是，上千數據，數天時間，如何做到如此快速開發軟件並標記數據？
據聯影智能CEO沈定剛介紹道，他們的系統經歷了數據少、數據越來越多再到快速迭代的過程。剛開始，數據只有三四十個，在這種情況下怎麼開發出一個應用於臨床的產品？他們發現，這個新冠肺炎跟以前的肺炎有一定的相似性，所以他們利用了很多以前的數據和模型，如此一來，在小樣本訓練的情況下，也得到了效果較好的系統。
後來，隨著數據越來越多，系統進入快速迭代的階段。用現有的少量數據訓練好的模型，再加上沒有標註過的數據，然後通過標註人員的修改，快速迭代模型。沈定剛表示，這裡面會用到基於AI的半自動分割方法，最後把標註、系統訓練、人員變成一個系統，在短期內可以很好地把幾千幅圖像標註出來。
“異病同影”現象難解，AI產品還很初級
鋪天蓋地的AI產品，對於當前的疫情來說，AI是否真的能上崗？其成熟度是否足以應用於臨床？生命面前無小事。
”基本上，目前產品可能還處於初級階段，還需要更多病例去迭代才能夠獲得較好的使用效果，尤其對於這種炎症，病毒性肺炎本身‘異病同影’現象比較嚴重，在診斷這一塊的功能可能還需要進一步拓展。“長征醫院影像醫學與核醫學科主任劉士遠直言。
他表明，一個產品從開始研發到使用確實需要一個過程，需要足夠量的病例去迭代，也需要臨床大量醫生通過使用提出反饋意見，這樣產品才能逐漸成熟。
依圖醫療副總裁石磊也表示，人工智能是計算機的行為，而醫療本身是人類的行為，AI醫療也是人文行為屬性和技術屬性的一個結合。但是現在隨著計算機技術的不斷髮展，以及醫學依賴於技術進步的推動，使得這兩者逐步走到了一起。但是目前來看，還在磨合期。
但AI也有AI的優勢，它可以快速學會一些已經被定義清楚的、具備明確邏輯的事情，並可通過頂層的算法設計而實現這種場景下的應用。
石磊舉例說，人眼難以精確分析圖像灰階的變化，或者定量評價疾病的微小變化，這時AI就能提供幫助，同時結合局部和整體全肺做整體定量分析。當然，這些幫助是否會被醫生採納，取決於醫生對於這些信息的判斷和計算機提供這些信息的維度，所以這是計算機相對於人有優勢的地方。
疫情當前，AI就是幫助醫生，讓醫生看到更多的信息，或者除了醫生兩個手以外，可能增加更多的手來幫助醫生，這就是現在AI能做的，這是沈定剛的觀點。具體而言，在較難對比、精度不高信息方面，醫生花費時間會較多，比如說病灶的個數、病灶的位置或者病灶的體積，相對肺部、肺葉或者肺段的百分比等，這些都是比較直觀的信息。AI可通過深度學習，提供量化信息，以此來幫助醫生做相應的診斷。
此外，在進醫院到出院期間，每一個病人會通過檢查多次CT來觀察病情進展，可能四五次，甚至五六次，這時，AI可以較為精細描述病灶每一部分的變化，進行縱向圖像對比。沈定剛說，這樣的變化用於早期detection和愈後估計都非常有用。
AI看新冠肺炎，不能拍板
當前，AI通過定量分析能幫助醫生更快更準地做出診斷。從一定程度上而言，AI的作用僅限於錦上添花。那麼，有沒有可能通過AI的手段真的發現早期新冠肺炎疑似患者，甚至做出早期診斷？
”目前而言，AI能做的就是幫助醫生儘量減少漏診。”高耀宗解釋道，“其實，在患者早期，一方面，他們的CT影像沒有明顯的病灶，光靠CT影像無法鑑別，肯定需要流行病學史、臨床表徵和核酸檢測等才能確診病人。另一方面，早期患者的CT影像局部有一些很小的病灶和瀰漫性病灶，通過AI能把器官進行分割，把病灶進行量化，AI能夠發現這些病灶。”
對於AI做鑑別診斷，沈定剛也極力否認：”剛開始，數據清洗都沒到那個程度，標註也是錯的，告訴病人他是新冠肺炎或者不是，這不能確定。當前新冠肺炎的系統完全達不到診斷的效果，因為現在的數據還不可利用。“
至於早期診斷，沈定剛認為，AI要做早期診斷，首先符合條件的數據就很難獲得。在病人沒有症狀，CT和核酸都沒有表現出來的時候，他拍攝了相應的CT圖像。不僅如此，後來發現，該病人真的感染了新冠病毒。那麼，這位病人第一次來醫院的數據才能用於AI學習早期診斷。
但是AI鑑別診斷仍然是臨床所期待的，武漢協和醫院放射科副主任史河水錶示，AI在新冠肺炎中的應用，當前在定量分析方面能夠較好緩解醫生的工作壓力。鑑別診斷方面，在疫情爆發期，醫生較容易診斷，而疫情過後，針對散發性病例如何診斷，這應該是AI下一步的方向。
“早期的診斷還是需要結合很多臨床信息才能下判斷，對於AI而言，如何既做CT又能做核酸，這是值得思考的。如果一個AI模型能把影像信息和生物指標信息結合起來，複雜診斷問題AI也能做。”不過，沈定剛指出，現在還不是時候，數量的數量和質量都還不夠。
看病是一個複雜場景，單從影像AI角度還遠遠不夠。所以，在這個階段，AI仍然無法給出疾病的定性診斷，或者發揮出一錘定音的價值，但是在定量分析當中能夠給予醫生很好的幫助。
閱讀更多 億歐網 的文章
