骨齡檢測從10分鐘到「亞秒」，上海市兒童醫院如何取得AI真經？

導讀

兒童骨齡檢測的圖譜書都被翻爛掉了，半年就得換一本，這種機械的、繁瑣的工作特別適合讓人工智慧來完成。

傳統兒童骨齡檢測的時間大約是10分鐘；人工智慧骨齡檢測系統則實現亞秒「讀」骨齡，一般需要0.2-0.6秒，從讀片到輸出骨齡診斷報告的全過程不到30秒即可完成。

上述這組數字是衛寧健康與上海交通大學附屬兒童醫院（以下簡稱：上海市兒童醫院）攜手研發的「CHBoneAI– 人工智慧骨齡檢測系統」取得的成效。2018年4月，該系統正式 「並行運行」開始臨床應用。截至目前，AI骨齡評估臨床應用已達5000餘例，平均絕對誤差僅0.43年，診斷準確率達98%。

左起：衛寧健康人工智慧實驗室負責人陳旭博士、上海市兒童醫院院長於廣軍、上海市兒童醫院影像科主任楊秀軍教授

圖譜書都被翻爛了——找需求痛點

「影像科醫生都希望能把機械、繁瑣而且已經形成共識的影像評估與診斷實現智能化。關鍵是要找准切入點，從哪裡切入最有成效、最能解決臨床實際問題？」曾做過綜合醫院影像診斷工作的上海市兒童醫院影像科主任楊秀軍教授表示，與一些綜合醫院每天幾個、十幾個骨齡檢測不同，兒童醫院骨齡檢測每天多達上百個，佔據了相當大的影像科日常工作份額。

骨齡檢測能較為準確地反映兒童的生長發育水平，可以及早了解兒童的生長發育潛力以及性成熟的趨勢，不僅用於矮小症、發育遲緩、性早熟等遺傳代謝性疾病及發育異常的醫學診斷，而且還對療效監測、生長發育評估、生長藥物研發等具有至關重要的作用，同時還廣泛應用在其他如體質監測、運動員選材、法醫鑒定、考古學等方面。

目前國內骨齡影像評估主要有三種方法：CHN法、TW3法和GP圖譜法。據楊秀軍教授介紹，無論圖譜法還是計分法，都存在如下幾個弊端：（1）標準圖譜的準確度對檢測結果影響大；（2）醫師對比圖像、匹配骨齡會受主觀因素影響，個體差異大；（3）評估工作費時、機械、繁瑣，效率低下。

「影像醫師人手一冊圖譜書，由於使用頻繁，半年就得換一本，都被翻爛掉了。這種機械的、繁瑣的工作特別適合讓人工智慧來完成，這是一個很好的切入口。」楊秀軍教授談道，另一方面，我國兒科醫生比較缺，影像醫生也比較缺，兒科影像醫生更是缺上加缺，人工智慧還可以幫助解決人力短缺和學科發展問題。

於是，上海市兒童醫院與衛寧健康等攜手研發了「CHBoneAI-人工智慧骨齡檢測系統」。AI骨齡檢測模型，不僅不會受醫師的主觀因素影響，而且在數據量不斷增加的情況下，檢測的精度也會不斷提高。據透露，正在上線調式的CHBoneAI 2.0版本將進一步優化演算法，提高模型骨齡預測的準確率；目前，3.0版本也在進行構建當中。

與PACS/RIS無縫連接——已申請專利

「CHBoneAI-人工智慧骨齡檢測系統」的另一大創新點就是與PACS/RIS系統打通，實現無縫連接，這是國內首創將AI系統無縫嵌入到PACS/RIS系統。上海市兒童醫院的PACS/RIS系統也是由衛寧健康提供的，醫生只需點擊一下，AI檢測的結果就出來了，無需二次登錄，非常方便。

「實驗室里有很多成功的AI模型，在各種大賽上都獲得很好的成績，但是它們或許沒有辦法直接應用到真實環境中。能夠無縫嵌入真實的運行環境中才能真正解決臨床問題，這一點非常重要。」楊秀軍說。

「我們在系統集成方面做了大量工作，整個項目在演算法、模型方面花了30%的時間，那麼在系統集成和軟體開發方面也花了同樣比例的時間，主要原因是人工智慧的模型在後台運算時是基於GPU的高性能計算，它與傳統超算的高性能計算是旗鼓相當的，把這麼大規模的計算量集成到系統中並非易事。」衛寧健康人工智慧實驗室負責人陳旭博士談道。

一方面，人工智慧的演算法提供了有價值的服務；另一方面，衛寧健康把這個有價值的服務嵌入到醫院信息系統或醫院業務流程中。「這是一個創新，也是業界領先的，我們已經於2017年8月與上海市兒童醫院聯合申報了專利，不單是演算法申請了專利，而是整個系統、整個解決方案。」陳旭博士說。

關於兒童骨齡檢測模型的泛化問題，陳旭博士談到兩個方面：一是從數據的角度來看，雖然各家醫院的數據不完全一樣，但由於做了大量的預處理和後處理，還在預測時加入多種的交叉驗證和集成方法，使得模型的泛化能力非常好，即便是在不同的數據分布下，結果也比較穩定；二是從醫療評價方面來看，各家醫院在兒童骨齡檢測這一應用場景的評價標準是相對一致的，有利於該成果的推廣。

上海市兒童醫院院長於廣軍表示，可複製、可推廣性取決於上海市兒童醫院影像診斷的權威性，大家首先要認可上海市兒童醫院的專家訓練出來的模型；其次，在知識產權方面，企業和醫院共同擁有知識產權，已經有了初步的協議框架，總的目標是有利於產品的轉化和推廣。

上海市兒童醫院院長於廣軍

AI應用成果讓人「驚艷」

於廣軍院長全面介紹了該院在人工智慧方面的各種應用和探索：首先是智能預檢，即人工智慧問答，包括就診前教育、住院問題諮詢、症後主動關懷、在線癥狀諮詢等。

其次，在臨床決策支持系統方面，除了骨齡檢測之外，還利用人工智慧進行了遺傳病輔助診斷（GPS，Genotype Phenotype Search），涉及大約8000種遺傳病、1萬3千種疾病表型，醫生很難記住各種罕見病，需要人工智慧的幫助；此外，在病理、細胞遺傳學診斷、兒童肺部感染、兒童斜視等方面，也都進行了人工智慧的應用和探索。

三是手術機器人，要引進達芬奇機器人，醫生的技術已經比較成熟。

此外，在後勤領域應用導診轉運機器人，打造智能後勤；在安防、治安領域應用人臉識別系統。於廣軍院長認為，後勤領域AI的空間更大，因為這部分與工業機器人相近，在醫療領域更容易快速轉化。

早在2017年，上海市兒童醫院就提出了建設智慧醫院的5R模型，分別是：PRM（Patient Relationship Management，患者關係管理系統）、EMR（電子病歷）、HRP（醫院資源管理系統）、SRIS（Science Research Information System，科研信息管理系統）、RHIE（Regional Health Information System，區域健康信息系統）。

2018年7月7日，上海市兒童醫院通過了HIMSS EMRAM（住院）七級評審，評審組用「驚艷」兩個字來形容上海市兒童醫院在人工智慧方面的探索。

關於如何保證醫院人工智慧項目獲得成功，於廣軍院長介紹了三點經驗：

一是選擇需求的痛點，要找到強需求，而不是偽需求和弱需求。比如：遺傳病和骨齡，都是臨床需求比較強烈的，迫切需要人工智慧來解放它、賦能它。

二是選擇技術的成熟點。比如沃森的投入非常大，運行到現在也只是某幾種腫瘤疾病，並不能覆蓋全部腫瘤，一家醫院來做非常吃力。而影像則是目前相對來說規則明確、圖像處理技術也比較成熟的領域。

三是選擇工程化、集成化能力比較強的合作方。有些單位是科研型的，比如與大學合作，合作成果往往是一個理論模型，然後就止步不前了，因為科研機構的工程化能力比較弱。而且，AI系統要與醫院原有系統結合，還需要合作方有比較強的集成化能力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！