甲狀腺“超聲機器人”

趙艷秋

將采集的圖像保存發送給超聲機器人，超聲機器人就能實時生成檢查結果

——找到甲狀腺結節，標注位置和尺寸，并提示良性或惡性的可能性。

浙醫一院的醫生接待了一家來自兄弟單位的醫療人工智能創業團隊——德尚韻興的專家們。

這個團隊的背景很牛，首席科學家孔德興是知名數學家，浙大求是特聘教授。10多年前，當國際上剛開始把數理模型和高性能數學算法應用到醫學圖像領域時，這個團隊也極為敏銳地進入這個新興領域探索。他們開發的“DE三維可視化系統”，用于精準外科手術的術前規劃、術中導航和術后定量評估，是北京301醫院的必備軟件之一。

最近幾年，他們將深度學習技術應用于超聲聲像，開發了甲狀腺結節智能診斷系統DE-超聲機器人（以下簡稱超聲機器人）。在此過程中，他們對原本“均碼”的算法和神經網絡，針對疾病特點進行“量體裁衣”。相關技術文章發表后，谷歌深度學習團隊DeepMind也關注并引用了文章。

“副主任醫師水平”

德尚韻興團隊此行就是帶著“超聲機器人”來跟浙醫一院的超聲醫生“PK”的。醫生只要坐在B超機前，用探頭給病人檢查后，將采集的圖像保存發送給超聲機器人，超聲機器人就能實時生成檢查結果——找到甲狀腺結節，標注位置和尺寸，并提示良性或惡性的可能性。

不過，面對這個“超聲機器人”，浙醫一院的醫生心中充滿疑問——這個系統怎么能像他們一樣做判斷？結果準嗎？出于禮貌，他并未當場提出。

當德尚韻興專家離開后，這位主任醫生準備了202個病例（惡性結節有病理對照，良性結節有三年以上隨訪期）發送給超聲機器人，并認真記錄機器人的診斷結果， 結果顯示機器人的診斷準確率為85.7%。一段時間后，當他再次見到德尚韻興的專家時，主動告訴他們：“我判斷，超聲機器人達到了醫院副主任醫師的水平，確實挺好。”

好的開始是成功的一半——這也開啟了浙醫一院和德尚韻興后續的合作。

實際上，人工智能在醫學領域的發展，在國內外都是剛剛起步。

“不能說是完全空白，但這個方向有很多值得我們研究的東西。”德尚韻興總經理胡海蓉說。

德尚韻興扮演著領域的“拓荒者”。胡海蓉向《IT經理世界》坦言，在這幾年人工智能的落地實踐中，她認為，組建跨學科團隊，選擇合適的切入點，收集和規范數據，開發讓醫生得心應手的產品是較為關鍵的環節。

跨學科明星隊

人工智能+醫學的落地實踐，需要跨學科明星隊。

“這里的關鍵體現在‘交叉上。”胡海蓉說，“在醫學重大需求上，數學家、計算機科學家或醫學專家，任何單一力量是無法實現的。”

在這類團隊中，數學專家負責提出高性能數學模型，“好的模型就像具有高IQ的大腦。”醫學專家提供臨床知識和經驗，讓機器能學到“真知灼見”，計算機軟件專家要把數學家的語言轉化成高效的計算機語言。

“可是，數學家、醫學家和計算機專家都有各自的語言，怎么把他們串起來呢？”胡海蓉繼續分析說，“我們就需要找到一個具有生物醫學工程背景的人來做產品經理。他來負責產品的市場調研和規劃，管理整個團隊，充當‘多種部隊之間的翻譯和橋梁。”

切入甲狀腺超聲診斷

選擇切入點也很有講究。這個切入點不能太過復雜——它要讓團隊能小步快跑，保障后續項目的進一步深入拓展；也不能太容易——它要能對醫療痛點有質的幫助，才有推廣的價值，容易被市場接受。

“甲狀腺結節診斷”最終跳入德尚韻興團隊的視線。

甲狀腺癌在中國女性癌癥發病率排名第五，在德尚韻興所在的杭州，甚至排在第一位。但由于個體化差異，目前三甲醫院甲狀腺結節的診斷準確率平均只有60%～70%。用人工智能提升診斷準確率能造福老百姓。

相對肺、肝臟等器官，甲狀腺是一個淺表器官，器官結構相對簡單，沒有復雜的血管。根據超聲聲像，就能對甲狀腺結節的良惡性作出診斷。

但同時，甲狀腺超聲診斷也有一定復雜度——不像CT和核磁，超聲因每位醫生的掃描手法不同，得到的數據千變萬化，因此對影像識別算法有很高要求。從這樣一個診斷既有其簡便性，又有其復雜度的疾病做起，可以在過程中積累足夠經驗，為開發難度更高的疾病，如乳腺腫塊、肝臟腫塊、肺結節的良惡性診斷打下基礎。

數據！數據！

對于醫療人工智能團隊來說，數據的收集、規范和標注是行業性難題。

“數據收集不能全靠醫院。”胡海蓉總結說。深度學習靠的是“吃透”大量樣本。但目前大部分醫療機構并不愿公開數據。德尚韻興嘗試通過多個渠道，有社區檢查，有付費志愿者，也有試點醫院。

“我們已收集了兩三萬張超聲圖像，這是不多的。”胡海蓉客觀地說，“如果樣本量能提高一倍，我們的診斷準確率還有較高的提升空間。”現在德尚韻興的甲狀腺超聲機器人診斷準確率已達85%以上。

除了數據收集，數據的規范和標注是另一項需要大量調研和溝通協作的活。

以甲狀腺結節超聲診斷為例，數據規范要從“醫生的掃描手法”開始。團隊走訪了多家醫院，聽取多位醫生建議，規范掃描手法，形成最終文檔。

拿到超聲影像后，還要找到結節進行勾畫。現實中，醫生和算法工程師對結節的勾畫有不同標準，哪一種勾畫對計算機算法更有利？團隊要綜合考慮，制定出適合的標準。

在數據規范化過程中，對那些疑難病例的判斷和標注，特別需要醫學專家的指導。“但高水平醫生的工作是最繁忙的，他們往往沒有時間和興趣參與標注。”德尚韻興要想辦法爭取醫學專家的支持。

線上線下的商業探索

目前，國內業界對醫療人工智能的定位有一個共識——定位在輔助診斷上。人工智能系統可取代醫生重復性、機械性的工作，讓醫生能夠看更多的病人，做更多有價值的醫學探索。

德尚韻興的超聲機器人也是這樣定位的。它可以先選出有問題的聲像圖給醫生，及時提醒惡性風險，讓醫生能更仔細的查看把關。

經過一段時間的試點后，德尚韻興的超聲機器人將首先向基層醫院推廣，這將提高基層醫院患者首診的診斷水平，讓更多患者不出遠門就能獲得“專家級”服務，再根據診斷結果到不同級別醫院治療。

超聲機器人可部署在云端，這特別適合新疆、西藏等基層醫院分散的地域。通過英特爾聯合創新實驗室的牽線，在新疆人民醫院聯合130多家醫院建立的遠程會診體系中，超聲機器人將成為關鍵服務之一。同時，與遠程醫療平臺匯醫在線的合作，超聲機器人也為平臺上簽約的全國基層醫院服務。

超聲機器人也有單機版，部署在醫院和體檢中心。其中，與從事體檢中心業務的北京世紀經綸的合作，超聲機器人將推廣到幾個省。

目前，在幾次由第三方組織的德尚韻興與醫院的“PK”中，超聲機器人每次的診斷準確率都在85%以上。胡海蓉說，德尚韻興科研團隊將模型訓練已遷移到英特爾至強融核處理器平臺上，并用英特爾數學核心函數庫對預測模型進行優化，同時協助優化參數。未來將引入英特爾新一代人工智能技術，如FPGA可編程芯片等，進一步提升訓練及部署效率。

在醫療數據中，90%以上是醫學影像，但這些數據大多采取人工分析。在繼甲狀腺之后，德尚韻興已進軍乳腺腫塊、肝臟腫塊、肺結節等疾病的良惡性判斷的研究。