彌合數字與物理世界鴻溝：人機協作，觸發AI影像診斷真正落地場景？

「人類有獨特的優勢，這是機器和演算法很難複製的，我們擁有先進的運動技能，這遠遠超出機器人的能力，這使得我們能夠進行微妙的操控。雖然AI和機器人技術的進步讓人驚嘆，但是我們相信，將機器的能力與人類的獨特優勢相結合將會帶來更高的生產力，並創造更多價值，實現這個機會需要的是強大的人機介面，來彌合數字與物理世界之間的鴻溝。」

在2017年11-12月卷的《哈佛商業評論（Harvard Business Review）》中，刊登了一篇題為《A MANAGER』S GUIDE TO AUGMENTED REALITY》的長文。在這篇文章里，作為競爭戰略之父的波特，給出了新技術如何與生產、創業的各個環節融合應用的方向。

醫療的本質是循證醫學，所以AI在醫療領域的應用難以像AlphaGo在圍棋棋盤上那樣大顯神威，因為棋盤遵循的是規則和邏輯，每一步都有著最優解，但醫學和疾病的未知領域太多，憑藉有限數據集進行訓練的AI難以逾越醫學的未知地帶。

正如一些專家所言，目前AI應用較好的領域是醫技科室，如病理科和影像科。它的確會在某些學科獲得超過人類的能力，但從整個醫學範圍來看還相當有限。即使是在同一種疾病下，不同的分型對AI而言也是巨大的挑戰。

但毫無疑問，醫生的工作會因為AI的應用而變得更具效率，從而帶動整體生產力的提升。隨著國內機構和組織不斷地探索，上級醫生和基層醫生都在用新技術重新定位和武裝自身，讓自己符合下一個時代的需要。

影像和病理，AI落地的兩大醫療場景

當前對於對人類，肺癌的致死率是所有癌症中最高的。

2018年2月，國家癌症中心發布了最新一期的全國癌症統計數據。數據顯示，按發病例數排位，肺癌位居全國發病首位，每年發病約78.1萬。

早期篩查是降低肺癌死亡率的重要手段。然而，由於早期肺癌病人一般缺乏明顯臨床癥狀，也無特異的生物標記物，因此目前篩查的主要方法是通過放射影像檢查肺部是否存在可疑病灶。

當前，醫療行業80%~90%的數據都來源於醫學影像，醫學影像是醫生進行疾病判斷的重要依據。隨著AI在醫療行業的探索和應用，肺結節的早期精準篩查成為了可能。

3月31日，一場「另類」的人機閱片體驗活動在成都舉行。

這場活動由中國醫師協會胸外科醫師分會主辦，四川華西醫院協辦，零氪科技提供AI技術支持。之所以形容其「另類」，一是因為它並不同於在以往關於醫療AI報道中的醫生與AI的直接對壘，而是以醫生參與AI閱片體驗為主，在體驗中每位醫生都將在13分鐘內完成16個肺小結節病例的閱片，其中8個有AI輔助閱片，8個純醫生閱片，然後再對比單純醫生與醫生+AI的診斷結果；

二是本次活動並非檢驗AI與醫生診斷一致性的對比（因為易受醫生主觀因素影響），而是以臨床「金標準」——病理診斷作為評判標準，並在明確結節定位的基礎上，進一步做病灶良惡性的判斷；

三是以往類似的活動會採用公開數據集來訓練機器，本次活動由三家醫院共同提供活動的原始數據集，由零氪科技完成影像數據的搜集、脫敏、轉化、統一化的工作，並請國內權威影像專家完成數據標註，從而確保體驗醫生使用的都是全新、高質量、精準的數據，不僅能夠真實地反應醫生與AI的現場閱片結果，更對未來臨床診療實踐有較好借鑒意義。

最終，這場人機協作閱片體驗的結果並未出人意料，醫生+AI的診斷結果明顯優於單純醫生。

這似乎傳遞了一種信號：在現階段，「人機協作」或許是醫生與AI能否成功「度蜜月」的金鑰匙。

而專家的現場點評也印證了這樣的觀點：儘管胸外科專家的診斷率已經很高，但AI依然可以進一步提高肺小結節診斷的準確性及速度。此外，AI輔助肺小結節診斷的應用，對誤診、漏診率較高的基層醫院，將具有更為重要的意義。

當然，作為影像科最親密的兄弟，病理科同樣是AI的絕佳落地場景。

以病理醫生為例，這是我國醫生群體中極度缺乏的一個群體。

衛健委的統計年鑒顯示：中國病理醫生的缺口總數可達10 萬人。就算是經過嚴格訓練的病理醫生，他們對同一個患者的診斷也存在差異性，這種差異性是造成誤診的重要原因。例如，醫生對某些形式的乳腺癌和前列腺癌的診斷一致性低至 48%。

醫生要想做出準確的診斷，必須在大量的檢查信息上進行判斷。通常情況下，病理醫生負責審查病理切片上大概要瀏覽 1000 多個百萬像素的圖片，還要為每個像素負責，這需要閱讀大量的數據。

如此一來，醫生的時間便捉襟見肘。要想在有限的時間獲得較高診斷準確性，將AI引入數字病理學研究成為了可行的辦法。

AI不僅可以縮短病理診斷的時間、提升診斷效率，還能提供更加準確的診斷結果。AI的有效使用可以真正幫助病理醫生提升判讀水平，從精準診斷開始，真正實現精準醫療。

當然，除了影像和病理之外，病歷/文獻分析和虛擬助手、新葯研發等領域，也能見到人工智慧企業的身影。

方向已定，AI的頂層政策導向

除了清晰的落地場景，AI與醫生的融合發展，政策的支撐同樣必不可少。

2017年12月14日，工信部印發的《促進新一代人工智慧產業發展三年行動計劃（2018-2020年） 》指出，當前新一輪科技革命和產業變革正在萌發，大數據的形成、理論演算法的革新、計算能力的提升及網路設施的演進驅動人工智慧發展進入新階段，智能化成為技術和產業發展的重要方向。

通知針對現階段熱門的醫療影像輔助診斷系統，制定了具體的目標：推動醫學影像數據採集標準化與規範化，支持腦、肺、眼、骨、心腦血管、乳腺等典型疾病領域的醫學影像輔助診斷技術研發，加快醫療影像輔助診斷系統的產品化及臨床輔助應用。到2020年，國內先進的多模態醫學影像輔助診斷系統對以上典型疾病的檢出率超過95%，假陰性率低於1%，假陽性率低於5%。

從計算公式上看，假陰性、真陰性、真陽性、假陽性，利用這四個維度就可以得出某種診斷方法的靈敏度、特異度、陰性預測值和陽性預測值。其中靈敏度也稱真陽性率，反應某種方法判定某病變的漏診率。特異度也稱真陰性率，反應某種方法判定某病變的誤診率。

目前，醫療AI行業普遍的系統靈敏度都超過了 90%。因為一旦系統靈敏度差，沒有檢查出疑似結節，醫生便可能會承擔相應的責任。但特異度和靈敏度兼顧起來十分困難，所以很多公司在開發系統時會優先考慮靈敏度的問題，在保證靈敏度的前提下，提高特異度。

除了從國家層面推動人工智慧的產業發展需要政策支持，人工智慧在應用過程中所涉及到的法律法規問題也需要儘早規劃和監管。特別是在監管嚴格的醫療行業中，人工智慧的商業化應用，還有很多問題需要政策進行規範。

第一，人工智慧的應用規範。醫療問題涉及到人的健康和生命，是一個複雜而謹慎的領域，任何問題都和患者的生命安全息息相關。

所以，行業需要儘快在國家層面明確監管措施，用法規來監管人工智慧在醫療上的應用範圍、監管範圍和風險的責任判定等因素。

第二，數據的合理、合法應用。因為人工智慧需要通過自然語言識別等技術從過往數據中學習迭代，才會使其擁有智能，並得到提高。所以，基於真實世界的大量高質量的醫療數據將成為人工智慧準確性的基礎和保證。

雖然國家政策和規劃在不斷地鼓勵醫療行業應用人工智慧，但現階段醫生對於人工智慧所產生的排斥心理卻是一個難題。醫生們擔憂人工智慧會否成為替代自己的工具，在這一現狀下，人機協作成為了最佳解決路徑。

人機協作的意義在於，它不會讓人工智慧成為替代人類的「罪魁禍首」，而是讓醫生感受到它是和電腦類似的工具。

對於不同等級醫院的醫生而言，其應用價值也絕不相同。於基層醫生而言，人機協作能夠顯著降低其誤診率，提高診療水平；於專科醫生而言，人機協作能提升其診療效率，真正把時間還給醫生。

人機協作，AI落地基層的終極場景？

政策是基礎。那麼AI的應用場景究竟在哪裡？

當前，我國為了緩解醫療資源緊張、優質醫療資源分布不均衡的現狀，大力推進分級診療及醫聯體，目的是在分級診療的核心指導方針下，使頭部醫院的優質醫療資源能夠下沉到基層，實現縣域就診率達到90%，也就是所謂的大病不出縣。

但真正實現起來難度較大，因為大醫院醫生們的工作時間始終有限。而通過遠程醫療解決區域分布不均的想法，同樣會在醫生的時間上受到限制，所以優質的醫生資源不足的問題，是基層醫療的核心。

雖然醫聯體可以在一定程度上實現上下級醫院的聯動，但卻難以在短時間內通過學科幫扶或者遠程會診等方式讓基層醫生的診療水平得到較大提升。醫療人才的培養，始終是一個長期的過程。

這一現狀，讓AI的在基層的應用價值得以產生。

臨床醫生與AI的「人機協作」，基於大醫院的臨床數據可以在時間和準確性上達到甚至超越行業專家的水平。對於基層醫生來說，使用AI彷彿是為自己聘請了一位大專家進行貼身教學。

特別是在一些重症高發疾病如肺結節、乳腺癌、宮頸癌方面，AI憑藉其高效率、高準確度輔助基層醫生對患者進行篩查，只需簡單的培訓，就可以協助基層醫生擁有專家的診療能力。

此外，基層醫生藉助AI提升診療水平與遠程醫療之間也並不衝突。

由於各級醫院的定位職能不同，基層醫生更多是治療常見病和慢病，而上級醫院的醫生則是對專科專病進行治療。

所以，遠程醫療的觸發場景應該是患者與醫院不同地理位置所帶來的專科專病需求。而AI憑藉其專業性，可以幫助基層醫生根據疾病的類別篩選患者，進而實現分診轉診。

後記

技術的本質，最終是服務於人類。無論是AI、大數據還是信息化，都是在通過技術解決醫生在時間、精力等方面難以完成的工作。以大數據為例，醫生需要的不僅是數據本身，更是數據背後的意義。

因此，數據的質量、數據的處理和分析、數據價值的挖掘等才是當前大數據行業的價值所在。

AI對於醫生的意義也在於此。它將醫生們從程序化、體力化的工作中釋放出來，讓他們有更多精力去進行醫學研究和人文關懷。他們的科研成果為AI所學習，又能反哺自己，進一步幫助其提升診療效率。

文|郝雪陽

添加時請註明：姓名-公司-職位

後台發送關鍵詞即可獲得相關好文

網站、公眾號等轉載請聯繫授權

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！