AI還只是初級階段，遠沒到替代影像科醫生的地步

　　2018-02-26 07:13:04　來源: 南方都市報(深圳)

　　廣州市婦女兒童醫療中心研發新一代多用途醫學AI，研究結果登上世界權威醫學雜誌

　　（原標題：看眼病的AI如何「看穿」重症肺炎）

　　

　　作者：王道斌

　　廣州市婦女兒童醫療中心臨床醫生與研究者們研發的新一代人工智慧(AI)平台能夠通過胸部X線片影像學數據的訓練學習，成功實現重症肺炎病原學類型的差異性分析，準確度超過90%。

　　通過一張X光片，外加生化檢測和臨床表現，就能算出孩子是因什麼致病微生物導致肺炎，準確率起碼在90%以上。這對於廣州市婦女兒童醫療中心臨床醫生與研究者們研發的新一代人工智慧(AI)平台，只是小菜一碟。最厲害的是，這一平台運用同樣的演演算法，不僅能讀圖識別重症肺炎，還能讀圖識別眼科疾病，而且能指出「她」做出診斷的依據在哪。

　　該項醫學領域的人工智慧研發成果，登上今年2月23日的世界頂級醫學雜誌《Cell》(《細胞學》)封面。

　　「目前，這一平台讀取的醫學圖片，還僅限定於眼部斷層掃描片(OCT)，和孩子胸部的DR片(胸透X光片)。我們正在讓其學習讀取婦女、兒童領域中最為常見影像檢查-?B超。讓其在鑒別胎兒畸形方面發揮重要功能」，廣州市婦女兒童醫療中心數據中心主任梁會營表示。

　　學習20萬患者圖像資料

　　眼科AI準確性超過95%

　　當2017年網際網路巨擘騰訊，攜「覓影」這一人工智慧利器殺入醫學領域，並開始在食道癌、肺癌、乳腺癌等惡性腫瘤早期篩查工作中逐漸應用時，在醫學領域中興起了一股AI開發熱潮。

　　隨著研發的深入，這些AI往往在某一個疾病領域內會成為準確率很高的輔助手段，但一旦跳出這個領域，AI就會變得毫無用處。此外，這些AI對醫學影像資料是非常挑剔的，能讀CT?(電子計算機斷層掃描)的，不會讀MR(磁共振)，能讀X光片的，不會讀超聲檢查。

　　更為關鍵的是，這些A?I在做出診斷後，往往是只告知判斷結果，不告知判斷依據。輔助治療時，AI的判斷可能很准，但由於不能告訴醫生做出這一判斷的依據在哪，其對醫學臨床的促進往往有限。

　　「能不能用一種演演算法、一個AI，在兩個聯繫不那麼緊密的專科領域內應用，讓AI成為一個綜合能力更強的人工智慧呢？」廣州市婦女兒童醫療中心的專家們決定開始這方面的嘗試。而選擇讓人工智慧學習的病種，最後被確定在了眼科、呼吸內科這兩個領域。

　　加州大學聖地亞哥分校Shiley眼科研究所教授張康是一名著名眼科專家，伴隨著和廣州醫學團隊的合作深入，他已加入廣州市婦女兒童醫療中心基因檢測中心，他表示：「黃斑變性和黃斑水腫是兩種最常見的、導致不可逆失明的原因，但如果及早發現的話，兩者都是可以治療的。但遺憾的是這兩種病的診療資源一直以來都集中在城市地區的一些資深專家身邊。加強這一領域的人工智慧研發，有著現實的推廣意義」。於是，研究團隊決定加強新一代人工智慧在這兩種眼科疾病中的「讀圖」能力。

　　搭建好一個基於影像學大數據和深度學習演演算法的人工智慧平台，然後讓「她」不停地學習眼科患者的光學相干斷層成像片。在學習了超過20萬病例的圖像資料后，AI診斷黃斑變性、黃斑水腫的能力已臻化境。在和5個專家進行人機大戰驗證后，準確率達到95%以上，而且約30秒鐘就能根據同樣一個眼科檢查片子來判斷出是否需要進一步治療。

　　「現在我們的人工智慧平台可以不受人員、不受區域的限制，特別是在醫療資源匱乏的國家和地區推廣，解決醫療服務能力不足問題，提高健康服務的公平性、可及性」。目前，這一單純的眼科AI已經開始在美國、海地的一些私人診所進行應用，幫助兩國的醫生對上述兩種致盲性疾病做出判斷。

　　讓機器的單一學習功能遷移

　　眼科AI也看兒童重症肺炎

　　如果任由這一人工智慧在眼科領域裡不斷學習黃斑變性的相關知識，那最後研發出來的還是一個單一專科的AI。為了印證之前設計的演演算法，同樣可用於其他類型疾病的輔助診、治。研究團隊決定讓其開始學習重症肺炎的相關知識。

　　廣州市婦女兒童醫療中心主任夏慧敏表示「兒童重症肺炎是一種病死率較高的感染性疾病，全球每年有1400萬5歲以下的兒童罹患重症肺炎，病毒、細菌、支原體和衣原體是其主要病原，決定重症肺炎預后的關鍵是能否有效合理的使用抗生素。因此，明確兒童肺炎的病原學分類，對肺炎的精準性用藥具有重要的指導意義」。

　　為了查明兒童重症肺炎的病因，目前主流的方案是對孩子的血液、痰樣本進行分離、培養，然後結合多種方法加以診斷。「周期很長，需要一周左右，檢查結果的影響因素很多，而且這時孩子的治療不能耽擱，醫生在沒有明確診斷結果前，往往是根據經驗來進行試錯性用藥。一種葯沒效，換另一種，不行再換，治療有一定的盲目性。」

　　夏慧敏表示，如果這一人工智慧同時能幫助兒童醫生判斷出重症肺炎的致病病原體，那現實意義也會非常巨大。「能夠實現抗生素精準用藥，避免抗菌素濫用，降低病菌耐藥性，促進兒童重症肺炎康復。」

　　設想起來比較簡單，真實操作卻需要反覆的驗證、修改。要讓一個眼科AI同時成為一個呼吸內科的AI，就需要讓機器的單一學習功能遷移。讓其能夠「將從一個環境中學到的知識用來幫助新環境中的學習任務」。

　　研究團隊成員們又開始像一個老師團隊一樣，為人工智慧「灌輸」兒童重症肺炎的相關知識。並讀取了婦兒醫療中心自有的7.8萬餘張兒童重症肺炎的X光片后，這個看眼病很牛的AI，在看兒童重症肺炎方面也開始表現出極高的準確性來。在和4300個現有醫學手段明確重症病因的病例進行比較后，眼科A?I看兒童重症肺炎的準確率達到了90%以上。

　　「該平台同樣能夠通過胸部X線片影像學數據的訓練學習，成功實現重症肺炎病原學類型的差異性分析，準確度超過90%。這一方面為兒童肺炎的臨床精準治療提供了基礎：例如，病毒性肺炎主要以支持性治療為主，而細菌性肺炎則需要迅速啟動抗生素治療；另一方面表明該套平台具有很強的可遷移性、普適性，可以有效地應用於多種類型醫學圖像數據進行跨病種的診斷鑒別。」夏慧敏表示，人工智慧表現出了跨專科學系能力同樣不差的可遷移性，這就非常值得醫學領域期待了。「而國際頂尖雜誌《Cell》，也正是看中了廣州醫學團隊的這一創造性研究，而決定在封面刊發並加以推薦。」

　　通過遮擋檢測的方法

　　告訴醫生判斷的依據

　　既往的醫用人工智慧可能準確率高，但往往給人的感覺是「知其然，不知其所以然」，自己是高手，但成為高手的獨門秘籍秘而不宣，或者說還不知道應該怎麼「宣」。而廣州市婦兒醫療中心研究團隊研發的這一套新版人工智慧，則完全打破了AI固有的操作黑箱。「不僅能告訴醫生自己的判斷，還能告訴醫生自己為什麼這麼判斷。」

　　梁會營表示，「鑒於深度學習模型架構本身是個『黑箱』，單純依靠深度學習技術的研究和產品，給出的報告中只有結果，而沒有列出判斷的理由與過程，這樣的結果即便精準度很高，也不適合醫生使用。就像我們不能要求醫生使用未知成分的藥物治療患者一樣，儘管這種藥物可能有效。而本平台上，課題組創新性使用了遮擋測試的思維，通過遮擋檢測的方法，該平台可以顯示它從圖像的哪個區域得出診斷結果，在一定程度上給出了判斷理由，符合醫生的推導過程，這種創新方法使得該平台更有可信度。」

　　通俗點說，就是這一平台能在根據X光片判斷出孩子的重症肺炎是被何種病原體攻擊的同時，還能在X光片上指出這一病原體攻擊的是孩子雙肺的哪一個具體靶位。這一功能，對於臨床醫學的推動、促進非常巨大。

　　梁會營表示，團隊研發的這一AI，還在不斷加強當中。「今年上半年，完善學習的A?I推出后，就能根據患兒的X光片、簡單血常規檢查，再輔助上一些頭痛腦熱等臨床癥狀，更精確判斷出孩子的重症肺炎類型。」

　　問答

　　AI這麼牛會讓影像科醫生失業嗎？

　　投入醫學應用的人工智慧越來越多，精度、準確度越來越高，那現有的醫院影像科醫生會不會面臨失業？

　　夏慧敏表示，「患者日益增長的優質醫療資源需要同專業醫療人員培養不足的矛盾」，是我國醫療改革面臨的痛點之一」。在醫療影像領域，需求端的痛點更為強烈：例如放射科醫生每天需要看上萬張影像學圖片，即使每張只需要看3秒，也需要至少8-9小時看完，醫生的時間和精力都消耗於此。於是乎，影像科醫生的時間和精力都成了一種稀缺資源，在產能有限的情況下，用人工智慧(AI)輔助醫生完成重複的篩查工作，不僅更加經濟、高效，也讓醫生有精力做更多有價值的工作。

　　「一個醫用級的AI，不僅需要能讀片，還要能處理文字、生化、癥狀描述等等。現在的AI還只是初級階段，遠遠沒有成長到替代影像科醫生的地步。」

　　出品：南方都市報科學新聞工作室 主持：陳養凱