基於 AI-DR 來談，AI 醫療影像該如何落地？

雷鋒網消息，近日，北京大學醫學部影像醫學學系第二次學術年會在北京舉行。當天上午舉行了「醫學影像與人工智慧論壇」。推想科技的夏晨博士帶來了《醫療人工智慧的落地與應用案例》的主題演講。

雷鋒網了解到，夏晨博士在會上主要談到了推想科技在 X 線的輔助篩查上面的應用，「主要是 AI-DR ，現在很多的人工智慧公司都有 CT 的篩查產品，但 X 線的篩查產品還是比較少的。」 她認為，X 線設備的普及率是遠高於 CT 的，同時檢查費用也最低廉，放射計量也低於 CT/LDCT 。

在演講中，夏晨博士從產品的角度去分享了 AI-DR 對於醫生、患者、醫院的意義。她表示，對於社區醫院而言，數據量不夠是一個「天花板」，醫生無法得到充足的訓練來獲得經驗；其次對於大醫院的放射科醫生來講，他們每天基本上只能花1-2分鐘的時候去完成 X 線報告的工作，醫生就沒有辦法去很好的實現工作的精度要求；最後，對於病人來講，很多人只是在Symptomatic（有癥狀）階段才去進行影像檢查或者醫療干預，因此怎麼在病人就近就醫時就能得到很好的服務，「上述的三點都需要人工智慧進行介入和幫助，來提高天花板。」

以下為嘉賓演講實錄，雷鋒網做了不改變原意的編輯。

夏晨：非常感謝洪主任的邀請來參加今天的「醫學影像與人工智慧」這個論壇，也非常榮幸的能夠代表推想科技跟大家分享一下我們在過去大概兩年半的工作。

首先，在座的並不是每一位都特別熟悉推想科技，我大概做一個公司的簡介。

推想科技是一家什麼樣的公司？

我們專註做醫學影像人工智慧輔助診斷這一塊。在過去幾年裡，已經實現了很多家醫院的上線和試用，剛剛艾教授也跟大家分享了我們在同濟醫院上線的應用案例。

這是我們推想科技的大致發展歷程：

在2015年，我們開始與四川省人民醫院和武漢同濟醫院進行合作。

在2016年2月，我們開始與大連中山和上海長征醫院進行合作；2016年10月是我們正式將產品在大連中山、上海長征、武漢同濟進行上線使用的時間點，到現在醫生使用的產品大概有超過8個月時間了。

之後開始與更多的醫院展開合作。包括北京協和、湖南湘雅、北京天壇，其中山東聊城二院是 GE 肺癌篩查 total solution 的應用試點，我們提供了 GE 人工智慧部分的服務。

2017年5月我們在產品發布會上正式將我們的三款產品推向市場，分別是：

第一款：AI-DR（X線的輔助篩查產品）。

第二款：AI-CT（CT影像的輔助篩查產品）。

第三款：AI-Scholar，主要是提供給醫生，有科研需求的醫生對深度學習也非常好奇，能不能通過操作的界面來實現深度學習的建模，發表一些科研文章。

我今天想要談的是我們在 X 線的輔助篩查上面的應用，主要是我們的 AI-DR ，現在很多的人工智慧公司都有 CT 的篩查產品，但 X 線的篩查產品還是比較少的。所以，借這個機會給大家分享一下。

我們也走訪了很多醫院，當我們來到大型三甲醫院時，主任基本給我們的定調就是 X 線不是一個有前途的產品。

我們來看一下 X 線的情況：

第一：中國目前 X 線的情況，其實咱們不僅僅是看大型的三甲醫院，咱們也去到了一些偏遠的山區，看到了衛生所這樣的基層醫院，其實 X 線設備的普及率是遠高於CT的。

所以， X 線影像尤其是胸部胸片的影像，它普及的地域和廣度是非常廣的。

第二： X 線的應用場景，比如體檢、門診、住院。在體檢產品里，雖然大家都在推LDCT，CT篩查。目前來講，大部分醫院還是以 DR 胸片的檢查作為體檢裡面必備的一個內容，它試用範圍其實是更加廣的。

對於病人來講，它是一個檢查費用更低的影像方式，尤其到一些偏遠地區，病人會對200多塊錢的 CT 檢查產生遲疑，想要知道 CT 檢查到底給我怎樣更多的幫助。

此外，它的放射劑量目前來講還是低於 CT ，其實它比 LDCT 檢查的方式劑量還要少，基本上胸片是0.02毫西弗， LDCT 大概是0.5毫西弗。

行業對胸片檢查是怎麼看的？

我剛剛說的是一個大概的現狀，我們也講一講行業內對胸片檢查的觀念。

其實2011年兩篇大文章出來之後，基本上對胸片和胸部 CT 影像有了一個學界基本的定調，首先是 JAMA 研究報告指出，胸片的檢查對降低肺癌死亡率根本沒有什麼明顯的效果。隨後《新英格蘭醫學雜誌》又發表了一篇文章， LDCT 對肺癌的死亡率可以降低20%。

基本上這兩篇文章出來之後，大家覺得就肺癌篩查這個領域來講，應該推 LDCT 的篩查。

我的統計學老師告訴我，當我看到一份研究報告出現的內容叫 no difference（沒有區別），我第一反映應該是 Do not accept null ，我對這個結果要有一個更加思辯性的判斷。

到底是 DR 作為一個 X 線的影像，本身存在很大的問題，不能夠反映這樣的病變，還是說我們在使用過程中，人的視覺機制本身有一些瓶頸，導致我們很難從 DR 影像、 X 線影像、胸片影像上去發現這樣的病變。

 AI-DR 實際應用案例分析

接下來，跟大家分享幾例，我們在醫院實際運用 AI-DR 過程中發現的幾個病例，這個病例在座的醫生可以仔細看一下，大家能不能夠在影像上發現比較嚴重的病灶（給大家一些時間）。

在這樣的一個位置，我們的 AI-DR 圈出了一個它認為是結節的病灶區，這其實是我們在一家 AI-DR 醫院發現的病例，醫生一開始的報告里並沒有提及說在這個區域看到一些非常嚴重的病變，這樣的爭議案例，我們採用的是 CT 檢查手段來進行驗證。

大家也可以繼續花一些時間看一下這個病例，在這個X線的胸片上，人工智慧圈出了三個它認為是結節的病灶區，分別在左肺、右肺的上葉，還有一個是胃的位置，這個醫生很快就排除它是個假陽性。

那這個左肺與右肺上葉上面的兩個結節，其中左肺上葉的（結節）還是比較明顯的，它的密度一下增加，然後形態學上也像是一個結節。

但是呢，右肺上葉的其實並不特別清楚，咱們放大看一下，其實並不是一個很明顯的結節的影像特徵，那  CT 的結果是什麼呢？我們可以看到，在這邊是半實性磨玻璃這麼一個還比較大的結節。

對於這個案例，人工智慧圈出來的位置，在右肺的下葉，我們放大看其實是能夠看到一些密度的增加的，然後我們做一個 CT 的檢查，看一下它所在的位置，可以看到其實隔肌有個阻擋，然後讓這個病灶顯的不是那麼明顯，但是人工智慧可以發現它這個病灶的位置。

於是我們就開始有了疑問，X線是真的沒有辦法呈現病灶嗎？還是說人眼的視覺機制沒有辦法在很短時間內判斷這些特徵並不是那麼明顯，對比度不是那麼強的病灶位置？

所以，我們對於這個 X 線胸片要被淘汰，打了一個問號，當然它還是有局限的，像我們看到的所有案例，基本上它所發現的結節，都已經是2CM左右的一個比較大的結節，甚至是腫塊的。

所以，它對於這些微小、早期病灶的檢出，我覺得還是有局限的。其實在我們去討論胸片這個技術的時候，醫生認為胸片可能沒有辦法看到某些病灶的時候，我覺得另外可以思考就是機器和人在視覺機制、視覺識別上面的一些區別。

我這邊還想跟大家分享的是，其實我們的人工智慧並不是一開始就能實現這樣一個檢出的。這是另外一個病例，很明顯的是大概三個結節的病灶，這個實性還是比較容易發現的，左肺上葉的兩塊，一個是靠近胸膜的膜玻璃，還有一個主動脈結上面的這個。

咱們看到病人的胸片時，也看到了他的CT常見的影像，那我們的模型表現如何？

在我們去年10月剛上 AI-DR 的時候，我們模型表現是這樣的。

左邊這個就是根本沒有檢出，然後還有很多的假陽性，到了今年三月的時候，把這個檢出了，但是依然有一些假陽性。再到今年五月的時候，檢出了這兩個結節，但是依然還是沒有檢測到主動脈結上面的結節。所以，這個模型還有可以做的更好的地方。但是我們對它的期待是，隨著它不斷的去學習，不斷的去進步，三個月之後、半年之後、一年之後會有一個怎麼樣的表現？這個是大家可以想像的一個空間。

當然，我們 AI-DR 不僅僅是看肺結節，我們實現了20多個標籤的人工智慧的輔助篩查，其中有一些標籤我覺得是大型三甲醫院的醫生特別看中的，包括一些骨折的識別，氣胸的識別，還有肺間的氣胸，其實不仔細看還是容易漏的，氣胸如果一旦漏診的話，其實後果還是比較嚴重的。

AI技術能為醫療行業帶來什麼？

所以，從 AI-DR 這個產品的角度去想一想，對於醫生、患者、醫院有什麼樣的意義。

首先，對於社區醫院而言。醫生的經驗或者診斷能力一部分來自學校的訓練，另外一部分來自於實際病例累積的經驗，但是我們到了這種社區醫院，發現的是每天也就這麼幾個病人，他沒有辦法積累大量的經驗。

所以，對能力的提升有一個天花板。然後對於大型三甲醫院的醫生又是怎樣呢？

我覺得目前胸片科還是很大量的，基本上每個月是4萬多的 X 線的診斷，我覺得45%的比例都是 X 線的胸片。

對於大醫院的放射科醫生來講，他們每天基本上只能花1-2分鐘的時候去完成 X 線報告的工作，所以，有些病變我覺得醫生是不能夠發現的，需要更多的時間，比如說去調整影像，仔細去看不同的疑似是病灶的地方，但是這個就需要花相當多的時間，對於醫生已經那麼繁忙的工作量來講，就沒有辦法去很好的實現工作的精度要求。

對於病人來講，我們大部分去醫院的人群，其實按照人疾病的發展的一個過程，咱們基本上可以分為 Symptomatic (有癥狀）、 presymptomatic (早期癥狀）或者是 asymptomatic (沒有癥狀）亞健康的狀態。我覺得對於北上廣這些發達的地方，大家對於一些 presymptomatic 或者 asymptomatic 階段的身體還是比較在意的，會去採取措施讓自己變的更加健康。但對於很多人來講，他們只是在 Symptomatic 階段才去進行影像檢查還是醫療干預。所以，對於病人來講，怎樣通過在 Symptomatic 階段，當他就近去到醫療機構，只有 X 線的診斷設備的時候，能夠給到他最好的服務。

然後我們也在聊醫療體系，我覺得大家現在大方向還是會越來越變的更加先進，一定會越來越多的採取像MRI CT這樣高端成像的技術去實現病灶的檢出。

但是目前的現狀來講，我覺得X線設備的普及率還是非常高的，就現在設備的現狀來講，我們怎麼樣能夠通過人工智慧技術來進一步提高天花板。

其實我們推想科技6月份也是來到了日本，這裡分享一點我們在日本的觀察。

日本醫生他們就是技師，技師就是拍片，然後放射科醫生是需要跟患者進行溝通的，其實放射科醫生大部分時間是在跟患者一起去聊，說我在你的影像上看到了什麼，我覺得是什麼，我覺得你接下來的干預會是什麼樣，我給你什麼樣的一些建議，他們會花大量的時間去跟病人去做溝通，其實是在其他國家和地區，放射科醫生是有這樣的一些職能，我覺得人工智慧是可以在重複勞動上解放醫生的精力，然後讓醫生有更多的時間去跟患者接觸。然後提供一些更優質，更Personalized個性化的一些服務。

我的分享就到此為止，謝謝大家。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！