影像医师怎么看 AI ？北大人民医院杜湘珂：医生不止是看片子这么简单

本篇文章4491字，读完约11分钟

近日，北京大学健康科学中心影像医学系第二届学术年会在北京召开。同日上午，“医学影像与人工智能论坛”举行。原北京大学人民医院放射科主任杜祥科教授出席论坛并发表了题为“医学影像中的人工智能技术”的主旨演讲。

杜湘科:教授，北京大学人民医院主任医师；中国放射学会磁共振组成员、北京放射学会成员、中国医师协会放射分会成员；北京大学健康科学中心教学委员会和北京住院医师培训基地影像医学与核医学组组长；《中国放射学杂志》、《中国应用放射学杂志》和《中国医学影像杂志》等十余种杂志的编辑委员会。

杜教授认为，虽然人工智能比人工检测速度快，但肺结节的检测却不是那么简单。5毫米以下的小结节，特别是1-3毫米的结节更为复杂，肺本身有200多种疾病，数据量巨大。“因此，人工智能进入医学影像领域的方向和切入点必须是在一个单一的常规领域。”

同时，杜教授说，“人工智能不能完全取代医生。医生不只是看照片。人工智能只是诊断工作的一部分。同时，人工智能的利润和能耗也是一个巨大的现实问题。ibm的沃森博士和安德森癌症中心之间的合作已经中止，耗资6200万美元。”

以下是客人的发言记录。雷锋。(公开号码:雷锋。com)进行了编辑，但没有改变其初衷。

杜湘科:尊敬的袁董事、包青董事、各位老师、各位公司代表。大家早上好！

我很惊讶今天这么多人能来。我认为这是一个小规模的研讨会。也许没多少人对这个话题感兴趣，但我没想到今天有这么多人。

作为一名医生，我没有资格在这里谈论如此尖端的信息技术。我今天的目的可能是为了吸引更多的注意力。作为一名影像医生，我从影像医生的角度看待人工智能。今天，我想和大家分享我们如何看待人工智能。

“宝贝”医学影像人工智能是第一个:我们很惊讶人工智能发展得太快了，在深度学习和大数据的推动下，它真的发展得非常快。我可能已经浏览了2016年至今的数据。人工智能几乎无处不在。问问所有的放射科医生，放射科主任会告诉你我们也在和人工智能合作。某个公司在找我们。似乎人工智能无处不在。

第二:我觉得人工智能和我们的专业关系很密切，这其实是真的，因为医学影像的数据量很大，占整个医院数据的75%-80%，而且它的数据量很大。此外，在所有数据中，与临床病理学相比，影像学证据具有最强的规范性、格式化和统一性。老实说，当前的病理数据仍然太混乱，无法与数字图像数据进行比较。

第三:我觉得这些图像数据仍然是非常孤立、孤立的孤岛，一个个支离破碎，每个医院都在做自己的事情。目前，卫生部有一个数据中心，一些医院数据已经进入那里。据说中国移动和其他国有机构正在整合这些数据，但是整合是否成功还需要进一步了解。

第四:事实上，我们认为人工智能在我们眼里仍然是一个小“婴儿”，或者说它仍然处于枷锁之中。也许需要面对复杂的算法，面对许多计算方法与临床实践的结合；在这里，我们面临着一个业务问题，以及计算机的瓶颈问题，这可能仍然制约着它的发展。然而，人工智能的生命力是不可阻挡的。艾似乎影响了每一个影像医生。我们别无选择，只能主动学习！

人工智能技术研发与应用综述。从去年开始，我在国内外看到了很多相关的内容。首先，谷歌在2016年2月建立了deepmind health，将人工智能技术正式应用到医疗和健康领域，并得到了英国皇家理工学院、伦敦皇家自由医院和医疗服务系统的数据支持。

我大致浏览了一下它在做什么。例如，在2016年底，它发表了“糖尿病视网膜病变人工智能引用进展”。包括为期8个月的智能引擎培训，54名美国眼科医生对12000多张视网膜照片进行了分类。对我们的眼科医生来说，cnn是一项非常奇怪的技术。它是一种称为“卷积神经网络”的算法，用于训练人工智能自动检测糖尿病视网膜病变和黄斑水肿，灵敏度和特异性可达87%左右。

谷歌还做了其他事情，比如乳腺癌病理学中的人工智能。在与病理学家合作的基础上，人工智能在乳腺癌病例分析中基于敏感性和假阳性的准确率可达88%，而病理学家的准确率为73%。看了这么多人机对话后，人工智能可能会更高，包括90%。

自2017年1月以来，《自然》已经连续发表了这些文章。我发现的三篇文章是:

第一个是“先天性白内障人工晶状体的研究”，这是中山大学的一个临床实验。利用cnn对410张不同程度的先天性白内障图片和476张正常图片进行训练，准确率达到92%。

第二部分“脑肿瘤病理切片的快速诊断”，模拟传统的he染色切片，用10000多张图片进行训练，将人工智能区分胶质瘤和非胶质瘤的准确率提高到90%。

第三部分:“神经假体的精确控制”，我认为它相当有用。神经假体在人身上，如果它们能被智力控制，它们在未来能给这类残疾人带来多少帮助。

有ibm的人工智能，它被称为沃森肿瘤诊断机器人或沃森医生。这种培训更加深入，而且它不仅仅是一个简单的领域或者仅仅是乳腺癌研究检测的培训。

根据患者的症状、病史和诊断数据，沃森博士自动搜索大量病例、医学书籍和论文数据库，对它们进行比较和匹配，并获得最合适的诊断和治疗方案。沃森机器人学到了很多。它研究了肿瘤学领域的200多种教科书，培训了300多种医学期刊，1500多种肿瘤学文献的关键信息和600000多种临床实验的医学证据。它在医学领域的训练相对完整。它始于安德森医学博士，可能花了很多钱。

去年，在中国，它在2小时内为21名癌症患者提供了免费咨询，包括胃癌、肺癌、直肠癌、结肠癌、乳腺癌和宫颈癌等。与名医现场对话的成功率达到90%。

但目前，沃森博士实际上与临床合作有着非常纠结和尴尬的事情。我们在后面谈。

在超声波方面，浙江大学理工学院的团队通过机器人的开发和鉴定，开发出了一款名为“去超声波机器人”的机器人，主要是探测甲状腺，并从甲状腺的超声波图片中快速检测和勾画出结节。例如:

首先，对结节的特征进行分类，如钙化、边缘、毛刺和灰度。

其次，对层级结构、浅层次和深层次进行了分类和梳理。

最后，在人机对话中，它的效果可以达到85%，而高级超声波医生的效果是75%，但是里面的训练很难。

我不知道浙江大学的超声医生团队是如何对其进行病理筛查的，但我知道在一些医院进行病理筛查时，如果用1000例，即有病理结果的甲状腺结节来输入这台机器，他必须在1000例中输入至少30%不合格的病理，例如，虽然他有病理结果，但病理结果是模糊的，或者临床的各个方面都被认为不合格。

因此，我知道案件的真实性非常重要。如果我们不严格审查案件，请一家公司帮我试用一些软件，我认为其数据的真实性会有很大问题。

当然，在最终的真实结果中，同济医院将详细告诉我们他们如何训练机器人，以及如何提供来自诊所的真实数据。

阿里最近有很多信息。我发现在检测肺结节时，它实际上比人工检测要快，但它就这么简单吗？肺结节是5毫米以下的小结节，尤其是1-3毫米的结节，具有多种特性。如何分类？我认为这很复杂。因此，我们期待着看到同济医院如何做到这一点。

我认为肺部本身有非常复杂的疾病。一家公司告诉我，他们将研究200多种肺部疾病。我说过这是不可能的。现在人工智能在进入医疗后肯定会选择一个单一的领域。

例如，它在肺癌中选择肺结节，并且它不应该选择间质性肺病。在我们20世纪90年代写的书中，有216种间质性肺病。只检查病因是一项非常复杂的工作，目前这不是简单地训练机器人就能完成的。它必须有一个非常清晰和单一的领域。

比如乳腺癌，我们现在选择核磁共振成像来治疗乳腺癌。如果包括超声和钼靶检查，工作量和复杂性将非常非常大。

事实上，病理智能诊断系统已经做了很多工作。ai的病理学家是来自北京友谊医院和北京谢赫联合医院的四位高级病理学家，他们正在与羽毛状博士卷心菜开发的宫颈癌涂片智能辅助筛查系统合作。他们读取了大约7个宫颈癌的tct病理涂片，人工智能的速度也更快，人工智能只需20分钟，不到5分钟。

简单的人机交互已经被认可，但是临床过程的探索是与人工智能合作的另一种方式。

首先:你能发现，你能区分良性和恶性，以及在多大程度上？

第二:临床过程。目前，我们能认识到的是人工智能系统的筛选和检测。这张检测到的照片应留给上级病理学家重新检查。同时，应该删除负单元格，这有望节省读片时间。

以下是《自然》杂志发表的《人工智能对皮肤癌的深度识别的进展》，约12000张临床图片，涵盖2000多种皮肤病，已被人工智能机器识别。

通过对话有两个游戏:

场景1:区分角质细胞癌和良性脂溢性角化病。

场景2:区分恶性黑色素瘤和良性痣。

结果表明，人工智能的灵敏度可达90%，与病理学家诊断的正确性基本相当。

人工智能应该从哪些方面切入医学影像应用？刚才主持人也向皮肤科医生深入询问了人工智能的挑战。皮肤科医生认为，观察皮肤远比观察皮肤简单。当一个病人去看医生时，他应该尽可能地了解他的饮食、旅行、接触、家庭、衣服、过去的病史、家族史等等。人工智能做的是诊断的一部分，它只做部分工作，这是我们需要知道的。

今天，除了临床医生，还有各种各样的人工智能技术公司，他们现在最关心的是切入哪一点。因此，临床医生将在一瞬间为每个人提供一些很好的应用。

从哪一点开始？现在看起来更多了，例如，从甲状腺上切下超声波，在肺和乳房上做更多的图像，等等。我相信现在前列腺结节更多了。袁主任，你认为肿瘤和骨折有可能切入吗？事实上，通过核磁共振成像，骨折现在好多了。过去，在我退休之前，我觉得从统计数据来看，该部门最常见的医疗事故并不是如此复杂的损伤。相反，通过多方协商，我们不会有那么多事故，但是简单的骨折，特别是那些没有移位的、看不见的骨折或者骨挫伤和骨折之间的骨折。当病人移动时，他们必须战斗。中枢神经系统-是否有可能对急性出血和缺血性病变等发出警告。这是人工智能在成像领域的方向点，在开始时必须非常简单，并且可以标准化到什么时候。

此外，当我们与自己的网络工程师谈论大数据时，大数据不仅仅是大数据，更重要的是数据质量和数据质量。

影像医生对人工智能有什么看法？影像医生对人工智能有什么看法？人工智能的初始状态是小成品的临床验证，仅限于焦点检测。有了技术能力的委托，人工智能几乎无处不在，许多医院放射科医生已经接受了这一新事物。第二，人工智能需要更多的基础研究、更多的培训数据来源以及与更多医疗医院的合作。我们的最终目标是使人工智能在医学领域标准化、量化和结构化，并最终成为一个高水平的alphago。最后，我们需要思考临床人工智能的未来发展方向，因为这些数据现在还很孤立，所以人工智能可能在未来参与数据的提炼和梳理，以控制数据的质量。

过去，我们影像科的医生常常通过影像数据和自己的主观经验进行诊断，但现在人工智能已经以超乎想象的速度和能力进入了传统领域。这种变化是由技术驱动的，但我们的医生的工作不会丢失，但它可能会采取不同的形式。我们应该保持我们原来的心，并记住:有时治愈，总是关心和总是安慰。

谢谢大家！

(以上内容由杜翔宇导演原创，雷锋编辑。(

雷锋原创文章。严禁擅自转载。详情请参考转载说明。