期待與困惑，邵逸夫醫院在醫療AI領域的創新與應用

近日，由浙江省自然科學基金委員會發起，浙江大學醫學院附屬邵逸夫醫院放射科聯合醫學人工智慧聯盟舉辦的《之江科學論壇——浙江大學醫學院附屬邵逸夫醫院2018醫學影像學高峰論壇》在邵逸夫醫院舉辦。

在此次論壇上，在場的醫生和專家們不僅討論了醫療人工智慧在臨床的應用，同時也在思考人工智慧快速發展過程中給臨床醫生帶來的困惑。與會期間，動脈網採訪了邵逸夫醫院三位專家，試圖了解他們對醫療AI現狀的應用與思考。

浙江省政協副主席、邵逸夫醫院院長、著名外科專家蔡秀軍致開幕詞

10家醫療AI企業的產品均落地邵逸夫醫院

作為一家四次通過JCI國際醫院評審的公立三甲醫院，邵逸夫醫院放射科的檢查量是驚人的。據放射科主任胡紅傑介紹，2017年醫院的CT檢查達261471人次，DR檢查達250808人次，磁共振檢查達83107人次。其中，CT和磁共振檢查量的增長率高達25%和13%，而且醫院近5年來的檢查人次都是以兩位數的速率在增長。

繁重的檢查量給放射醫生帶來了龐大的工作量。2016年，醫院放射科平均每天完成的CT檢查為809人次，2017年增加到909人次，據胡紅傑預計，在2018年將再增加100人次，超過1000人次。

就目前的檢查量而言，醫生還可以按時出具報告，然而隨著檢查人次的不斷增加，單靠人力已經不太現實，因而藉助醫療人工智慧輔助醫生讀片將成為必要的方式。自2016年以來，已經有10家醫療AI公司與邵逸夫醫院放射科進行合作，共同打磨醫療AI產品。

在這些合作的AI公司中，合作的深度各有不同。有些企業僅是將產品放在醫院供醫生使用，效果難以評估；有些則是在醫院的PACS系統中安裝了輔助診斷軟體，醫生使用起來相對便捷；最優的方式是AI公司安排工程人員到科室里與醫生一起完善產品。

胡紅傑表示，現階段醫療AI產品處在初級階段，還不足以替代醫生的工作。由於看病是極其複雜的過程，醫療AI只能輔助完成其中一個環節，在可標準化的重複步驟中幫助醫生。比如在肺癌篩查實例中，AI主要承擔肺結節的識別和良惡性的判斷，而醫生則負責最終考慮結節是否需要切除，以及手術後的康復、生活等問題。「雖然AI還在初級階段，但是作為一名放射醫生，要看到醫療AI的發展，未來幾年，它必將改變現有醫生的工作流程。」胡紅傑同時說到。

大會主席、邵逸夫醫院放射科主任胡紅傑教授

除了肺部，醫療AI在其他領域也可大有作為

雖然醫療AI發展迅速，但是胡紅傑也發現一些小問題。比如，大多數AI公司都是從肺結節項目切入，對其他領域的研發相對較少。出現這樣的情況是因為肺部的篩查量巨大，以邵逸夫醫院為例，每1000個CT檢查中，就有40%屬於胸部CT，因而肺結節篩查的市場空間是非常大的。

但是，我們也不能忽視，除了肺結節的篩查之外，甲狀腺結節、乳腺結節、肝臟佔位、前列腺等異常病變的篩查也需要耗費醫生大量的精力，未來的需求都很大。為了改善這些問題，邵逸夫醫院除了直接使用企業提供的產品，幫助他們完成打磨迭代之外，醫院自身也在與高校合作研發醫療AI產品。

目前，邵逸夫醫院與高校團隊正在進行中的交叉研究主要三個方面：

一、圍繞肝臟的佔位進行自動的分級

肝臟佔位分級是比較麻煩的，現在主流的方式是基於美國放射學院推行的LI-RADS標準。但是，這套標準系統在不斷地更新，不少醫生沒有那麼多學習時間去跟上它的更新節奏。

註：LI-RADS（肝臟影像報告和數據系統）於2011年3月提出並已廣泛用於臨床實踐。該系統主要適用於存在肝細胞癌（HCC）風險的患者，旨在完善肝臟CT和MRI檢查的閱片、解讀和報告標準。對於HCC高危人群，LI-RADS將CT或MRI檢查所發現的肝臟結節分為五類：良性、良性可能性大、懷疑HCC、HCC可能性大、HCC（分別對應為LI-RADS 1-5級）。

邵逸夫醫院放射科副主任醫師張峭巍告訴動脈網記者，科室在三年前就和浙江大學計算機系合作藉助AI系統進行自動分級來解決這個問題。

目前，邵逸夫醫院研發的這套系統與兩名醫生做一致性評價的對比時發現，L-5的準確性已經達到93.8%，而醫生只有92.3%。

邵逸夫醫院放射科副主任醫師張峭巍

據張峭巍介紹，醫療AI產品發展到現在已經開始影響醫生的工作流程。科室有越來越多的醫生自願選擇在工作中使用醫療AI產品。過去醫生們的工作流程是讀完影像片子後，寫報告提交。現在是在提交報告之前，不少醫生會選擇參考AI系統出具的報告，與自己的進行比對和查漏補缺。AI系統從某種層面上，可以增強醫生出具報告的信心。

不過，張峭巍也同時表示，現階段的AI是AI，PACS是PACS，兩者還沒有完全實現無縫協同。這讓醫生在操作時會顯得不夠人性化，在一定程度上會影響醫生的使用熱情。將AI系統無縫對接到PACS系統，也將是下一步發展的方向。

二、基於影像組學/機器學習方法術前預測肝癌術後早期複發

據胡紅傑介紹，在當前的肝癌臨床治療過程中，有些相對早期的肝癌本以為可以很好的治癒，可是在康復過程中卻複發；有些患者已經是晚期，似乎無藥可救了，卻又恢復得很好。

這其中存在醫生尚不清楚的某種規律，醫院希望利用新一代AI技術，及其強大的計算能力和學習能力，去找到這種規律，目前該研究已經取得了一些進展。

三、肺氣腫亞型定量分析及與肺功能的相關性研究

肺氣腫是一種多發常見病，治療起來比較棘手，不同的肺氣腫對肺功能的影響不同，肺氣腫臨床類型一般分為小葉中心型肺氣腫(CLE)、全小葉型肺氣腫(PLE)、間隔旁型肺氣腫(PSE)和混合型。不同肺氣腫究竟對肺功能的影響達到怎樣的程度，現階段主要採用肺功能測定的方式來解決。而邵逸夫醫院放射科希望通過CT圖像來定量分析肺功能受損的程度，目前初步研究結果非常令人期待。

主觀性AI產品解決預診系統

除了應用於放射科的AI產品之外，邵逸夫醫院還在研究用於其他科室的產品。邵逸夫醫院普外科陳鳴宇醫生告訴動脈網記者，目前放射科使用的AI產品大多是基於客觀數據出結果的，比如惡性結節在某個部位，這是基於客觀事實存在的，這類產品解決了醫生識別結節異常的痛點。

陳鳴宇博士

作為普外科醫生，陳鳴宇出診日的每天挂號量為150個，5個小時出診時間，分攤到單個患者的問診時間只有2分鐘。由於患者的差異，2分鐘的溝通很難做出準確的診斷，一般只會開出檢查單，然後預約下次再來問診，造成了看病難的問題。

為此，陳鳴宇自己研發了一套病人採集系統。患者只要掛了號，就可以進入系統進行先期預診。該系統會根據患者主觀性的自我描述，將患者的基本信息、癥狀和病史搜集整理，並建議患者做相應的檢查，等到問診時，陳鳴宇可以直接根據檢查報告和系統整理的信息進行問診，問診的效率大為提高，改善了醫生和患者體驗。目前，該AI產品的雛形已經完成，正式推出大概需要4-5年。

陳鳴宇表示，這個系統是根據自己問診中發現的問題進行研發的，解決了自己和患者的日常需求。因此，這個產品醫生本人會使用，大部分患者也會用。在陳鳴宇看來，醫療AI產品本就該是這樣，以解決臨床需求為出發點。

醫生對醫療AI的反思

胡紅傑表示，現階段醫療AI很火，在醫學領域的探索更是五花八門，但是最終應用在臨床上的卻微乎其微。主要是4方面原因造成：

1、 人工智慧系統在複雜的臨床應用中，缺乏高質量可應用的數據，由此所得的結論缺乏可靠性；

2、 臨床醫學數據的搜集和預處理不夠完善，未將醫生的工作流程納入思考範圍。醫生對於疾病的診斷，很重要的一點是依靠科學的思維和臨床經驗，所以醫生的思維難以複製；

3、 現在的醫療AI產品普遍存在「敏感性高、特異性低」的特點，給醫生造成很大的困惑；

4、 AI產品很多是停留在實驗室階段，離臨床應用還有一段距離。

另外，AI正處在野蠻生長的階段，很多企業熱衷於跟醫院要數據，並不真正紮根醫院，去了解臨床和醫生的真實痛點。有些甚至急功近利，追求發表論文的結果與成功融資，讓AI產業的發展有些偏離。

在與動脈網記者的溝通過程中，胡紅傑、張峭巍和陳鳴宇都表示，作為醫生的他們會積极參与新技術的嘗試和研發，希望新科技可以為醫療帶來更好的服務能力和效率。同時，他們也希望醫生們不要盲目的跟風，理性面對AI產品，研發出臨床可用的產品才是正途。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！