也由一次肺部小結節看診說起：AI應用於臨床為什麼不樂觀

秦皇島市第一醫院信息管理處 王健

在HIT專家網看到柳明的《由一次看診想到的：人工智慧的意義在於幫助醫患做對選擇》一文後感想頗多，我與柳明是同行，專業背景相似，私下又是很好的朋友，與他簡單溝通後，我僅從影像輔助診療這個層面聊聊人工智慧。

先簡單介紹我的背景，我是一名地市級三甲醫院信息中心的工作人員，也是軟體工程專業的三年級博士生，實驗室正在與斯坦福大學醫學院合作關於肺小結節的識別與性質預測。主要目的是減少漏診，輔助影像醫生能夠對結節更準確地定性，減少不必要的手術。

兩難抉擇：專家 VS 人工智慧

今年6月1日，母親在例行的體檢過程中，胸部CT平掃回報右肺上葉發現直徑0.7CM磨玻璃密度小結節影，右肺下葉發現直徑1.0CM小結節影。先後到北京腫瘤醫院、北京協和醫院、北京胸科醫院等醫院拜訪名醫，各位專家基本建議儘早採取積極的治療，也就是手術。

在拜訪名醫的同時，也將PACS影像數據分別傳到合作的斯坦福實驗室和解放軍總醫院呼吸內科數字肺研究室。通過影像輔助工具的預測，癌症風險概率均在低風險範圍內。

截然不同的結果讓我束手無策。一方面考慮專家的建議，另一方面考慮演算法的穩定性。文獻上查閱基於CNN（卷積神經網路）的U-net分割模型準確率較高，分割較為精準。母親的風險概率是否真的是小概率呢？可以考慮不手術呢？萬一演算法的特異性有問題、誤診怎麼辦？雖然我也在從事人工智慧方向研究，以前對演算法結果堅信不疑，因為這些結果都是經得住演算法公式推導的。但是此時，我遇到了最艱難的選擇。畢竟概率對於個體沒有參考意義，只有是與否。

病理檢驗 PK 人工智慧

經過幾天的糾結，我選擇了手術。6月30日，母親進入了手術室。術中冰凍病理回報原位腺癌，7月5日蠟塊病理報支持術中診斷。在最終病理沒有報告之前，我還在猜想，輔助診斷是準確的，可能就是炎性假瘤，蠟塊病理回報後我愕然了。病理結果發到斯坦福合作實驗室，實驗室老師用美式幽默回復我："Hi，Robert，well，that is good for you，because you get a good chance to optimize algorithm!"（不錯，你有了一次優化演算法的機會） 。

人工智慧應用臨床還有很長的路要走

老外的幽默也讓我沉下心來，從事人工智慧也有三年的時間了，我也想說說。

1.在大數據的時代，還是缺少足夠多的數據來訓練演算法。

BIG DATA是近幾年最火的關鍵詞，但是，我一直很忌諱講大數據這個名詞，因為，我認為絕大多數研究和課題還遠遠算不上大數據。在演算法訓練階段，演算法的準確率與樣本數量是正相關的，由於國內醫療行業軟體沒有業內標準，不同的品牌系統開發商的產品都是按照自己的規範開發，在數據整理階段往往耗費較大精力，且數據質量一般。提供的樣本數據不足，讓訓練演算法的數據往往不充分，影響演算法的準確率。

2.珍貴病歷較少，演算法特異性不強。

訓練演算法過程中，絕大多數訓練集都是常見病歷（部分實驗室提供開放數據集），罕見病歷由於數量少或收集不全，造成演算法的特異性不強。所以在遇到較為複雜的病歷時，假陰性概率較大，誤診幾率較大。在訓練演算法的過程中，應儘可能多收集罕見病歷，訓練演算法。

人工智慧輔助診斷的主要應用領域就是罕見疾病的診斷和治療，罕見病由於資料少、病數少，往往在鑒別診斷時較複雜，通過人工智慧輔助診斷給出合理的結果，能夠很好地指導臨床治療。

3.調整演算法敏感性，滿足不同病種和人群的需求。

在演算法訓練過程中，適度提高演算法的敏感性能夠減少漏診，但是敏感性過強，往往造成過度醫療，增加患者痛苦和經濟負擔。在實際項目中，可以針對不同病種，適度提高或降低演算法的敏感性對於臨床治療會有不錯的指導意義。例如：敏感性強對於肉眼容易漏診的影像學小病灶有很好的臨床提示意義。

隨著人工智慧的不斷發展，我相信在未來的醫療團隊中會融入更多的複合型人才，除醫生和護理人員外，數據工程師、數據分析師也會慢慢融入到治療團隊中，用客觀準確的數據輔助、支持醫生的治療方案，讓疾病治療更精準、更個性化。雖然人工智慧應用臨床還有很長的路要走，但我相信這一天終究會到來的。

【作者簡介】

王健：1982年出生，本科畢業於張家口醫學院醫學信息專業；碩士研究生畢業於燕山大學信息工程學院；博士在讀，主要研究方向為醫院績效評價模型及DRGs應用。自2007年入職秦皇島市第一醫院信息管理處，主要負責軟體方向相關工作。承擔河北省自然基金課題一項，參與國家自然基金課題一項；發表EI論文一篇；國家發明專利一項；實用新型專利二項；軟體著作權二項。兼任燕山大學軟體集團醫療方向首席諮詢師、秦皇島智慧醫療辦公室專家組成員、河北醫院信息協會理事、中國研究型醫院協會信息管理分會青年委員。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！