探訪浙大第一附屬醫院——人工智慧如何應用於甲狀腺結節的超聲輔助診斷？

人工智慧長期來看能不能取代醫生我覺得還真不好說，畢竟柯潔已經都輸掉了嘛。我感覺這個東西還是給我一定的驚喜和衝擊的。

指著醫院引進的甲狀腺結節人工智慧輔助診斷系統，浙江大學第一附屬醫院超聲科的趙主任對媒體表示。

這套系統使用起來還是很方便的，作為醫生不需要額外的步驟，我只需要和日常檢查一樣拍一張照片，機器就幫我識別了，識別完了告訴我結節在哪裡，輪廓是什麼樣的，同時良惡性怎麼樣。總的來說還是不錯的，當然它也處在一個不斷更新優化的過程。

醫生口中說的人工智慧，是浙江德尚韻興圖像科技有限公司研發出的一套基於超聲聲象的甲狀腺結節良惡性的輔助診斷系統。

對於甲狀腺結節的診斷，目前三甲醫院醫生的平均準確率為60%-70%，基層醫院會更加低一些。而輔助診斷系統目前準確率可以達到85%以上，德尚韻興總經理胡海蓉女士說道，由於在我國人工智慧還沒有行醫資格，所以我們將其定位為輔助診療，只是給醫生提供一些參考。這個系統將來的市場定位是基層醫院，推廣以後能夠幫助基層醫院提高診斷的水平，有利於國家推行的分級診療政策。

據雷鋒網了解，甲狀腺結節是指在甲狀腺內的腫塊，可隨吞咽動作隨甲狀腺而上下移動，是臨床常見的病症，可由多種病因引起。

大部分甲狀腺結節是良性的，但少數甲狀腺結節一開始就是惡性的，還有一部分結節會從良性轉變為惡性。因此，一旦體檢發現甲狀腺結節，醫生都會建議再做進一步檢查，主要目的就是分辨結節是「良性」還是「惡性」。

甲狀腺結節轉變為癌的比例為5%，而如果能及早發現、儘快治療，大部分患者都能長期存活下去。

對於為什麼選擇甲狀腺結節作為輔助診斷的研發切入點的問題，德尚韻興的首席科學家、浙江大學求是特聘教授孔德興對媒體表示，甲狀腺癌目前為常見的癌症。在對杭州女性的調查統計中，已經排在癌症發病率的第一位。

對於甲狀腺結節的檢查目前主要依靠超聲，相較於CT和核磁，超聲的好處是便宜、靈活、實時、無副作用，所以它是普通老百姓喜聞樂見的一種檢測手段；但它的缺點是圖像不清楚、造影比較大，這對醫生的要求就比較高。而CT和核磁的優點是圖像清晰，缺點是檢測費用高、副作用比較大。

從人工智慧應用於醫療影像的識別或者輔助診斷的角度來說，超聲較CT和核磁難度大，我們想測試演算法的性能、效率和準確度，所以選擇了超聲。同時，作為淺表器官，甲狀腺的超聲又不像腹部和心臟那麼複雜，更容易做出落地的成果。

綜合這些原因，我們就選擇了基於超聲影像甲狀腺結節的識別和診斷，孔教授說道。

孔教授對雷鋒網表示，該輔助診斷系統分為訓練和打分兩部分。

訓練過程類似於把一個小孩培養成為一個超聲醫生，它的原理依託於深度學習技術，是利用兩萬多張的有標註結果的超聲影像樣本對計算機進行訓練，使其擁有「診斷」的能力。

傳統的機器學習是人為定義特徵的，比如結節的邊緣是否規則，回聲情況如何，還帶有醫生主觀的判斷標準。但是如果依託深度學習，就不需要這些人為的特徵定義。

經過標註的樣本分為兩大類，一類是良性的，一類是惡性的。神經網路根據標註情況分別分析提取良性和惡性各帶有的特徵，而這個過程會比人眼觀察的更加細緻。有些微小的特徵，人眼會漏過的，機器卻不會，所以說它的準確率會高於醫生的平均水平，胡海蓉女士補充道。

訓練完成後，我們把這套演算法和網路參數打包為一個軟體，也就是打分系統，它可以部署到網上，還可以形成單機版，這部分是用普通的計算機運行的，此時醫院就可以利用它來進行輔助診斷了。

提及模型的訓練平台，孔教授告訴雷鋒網，我們是在本地專屬的伺服器上進行訓練的，這方面英特爾為我們提供了很多幫助，包括至強融核計算平台和可調用的函數庫等。

目前我們選擇了10台定製的伺服器，有時候計算交叉進行，有時候一台就夠了，會有自動的切換。就甲狀腺檢測的模型訓練時間來說，用8核的伺服器運行差不多要12個小時甚至更多。

之所以沒有放到雲端上，一方面是擔心數據的安全性，另一方面在本地計算也有它獨有的優勢，但如果以後數據量持續增加的話，有可能考慮雲計算的方式。

4、數據從何而來？

大數據是人工智慧的基礎，從目前的技術水平來看，沒有海量的經過人工標註的數據信息，人工智慧分析的準確性就無從談起。提到很多人都關心的數據來源和隱私問題，胡海蓉說道，我們的試點醫院會有提供，目前合作的有10家，當然還有其它的渠道，比如說也會招募志願者到一些社區進行檢查。但是不管是哪個渠道，脫敏工作都是非常重要的。

所謂脫敏，就是要把能追溯到個人的所有敏感信息都去除掉。比如數據脫敏後，名字的顯示類似為王某某，地址最多到杭州市西湖區，電話號碼不會保存。

目前脫敏技術已十分成熟，我們自己也開發了一套基於K匿名演算法的脫敏技術。在國際上有些國家甚至已經規定，如果經過K匿名脫敏的話，數據的使用是不需要經過消費者和病人同意的，因為有這個技術來保證，是不會追溯到病人本身的，胡海蓉補充道。

據胡海蓉介紹，目前這套系統的商業化還處在摸索的階段，所以收費的問題還沒有一個定論。

在推廣的過程中，有的醫生或者患者第一次接觸人工智慧輔助診斷，由於對診斷依據不明就裡，所以會持懷疑態度。所以目前我們想通過試點，讓醫生和患者使用一段時間以後，通過對比機器和人工的診斷結果，讓大家慢慢認識到這套解決方案是否可靠。

提到未來的商業模式，胡女士總結道，基本上是分為兩種方式，一種是通過雲端，部署在網路上的，主要提供給新疆、西藏這些偏遠的地方，因為他們的基層醫院分布的很分散。

還有一種是單機版，比較適合業務繁忙的體檢中心，他們往往要求實時檢測，對於兩三分鐘網路的延時都不能接受。像這種情況，我們會部署單機版在超聲機旁邊，在掃描視頻產生的同時，就就可以對結節進行診斷。

雖然近年來人工智慧在醫療影像方面已經取得了豐碩的科研成果，但是談到相關應用的困難與挑戰，孔教授認為表現在以下兩個方面：

第一，如何讓醫院和醫生意識到人工智慧是可以輔助醫生做一些事情的，減少他們重複性、機械性的勞動，這是知識普及方面的工作。

第二，現在人工智慧被炒作的很熱，似乎很多人都有一種錯覺，人工智慧是萬能的。我建議大家一定要冷靜下來、慎重來看待。同時，我們還要在技術層面上下功夫，這又包含兩個維度，一個是數據的收集、分類、標定；另一個是演算法的精度和速度。

只有這兩方面雙管齊下，人工智慧的輔助診療才能很好的落地，這需要政府主導，醫院和研究機構相互配合才能完成。

（完）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！