AI醫生成才記

近日，全球首場神經影像領域“人機大戰”的結局超出了人們的預想。其中人類戰隊由神經影像領域的頂尖專家、學者以及優秀的臨床醫生共25名人員組成，與他們對戰的是北京天壇醫院“神經疾病人工智能研究中心”和首都醫科大學人腦保護高精尖創新中心共同研發的AI輔助診斷系統“BioMind天醫智”。

總決賽現場，AI選手以高出20%的準確率戰勝了神經系統疾病診斷的“最強大腦”。這顆醫學界的新星究竟有多大本事？

戰勝25位人類醫生

當天的比賽被分成了兩個組別，A組進行的是顱內腫瘤磁共振檢查（MRI）影像判讀；B組進行的是腦血管疾病CT影像判讀及血腫預測。前者要對腦腫瘤作出定性，后者需驗證腦出血第一次血腫擴大的風險。

在首輪比賽中，15位參賽醫生每人對15例影像進行判讀，共225例。同時，AI選手耗時15分鐘判讀相同數量的病例，準確率最先顯示為87%。又過了15分鐘，計時結束，人類戰隊的成績定格在66%。

練就“火眼金睛”

這一結果并沒有打擊醫生們的自信心。事實上，在第二輪比賽中，10位醫生不僅率先完成判讀，還就其中不確定的答案進行了二次矯正。不過AI選手最終還是以83%對63%的準確率再次獲勝。

與AlphaGo戰勝圍棋九段選手一樣，以上結果并不意味著AI的智力超越了人類，只是它們更勤奮，學習速度和穩定性都可以達到極致。

人工智能與醫療的結合是解決醫療“痛點”的新機遇，將AI應用在醫學影像的輔助診斷上意義重大。

跟上醫生的思路

一方面，醫療數據中有大量數據來自醫學影像，但這些數據幾乎全部需要人工分析，而相應的醫療從業人員卻非常短缺。AI能把醫生從一部分低附加值、重復性的工作中解放出來，比如“BioMind天醫智”系統正式被應用后，至少可以替代醫生20%的工作時間。

“AI+神經影像”的模式需要加強的是對醫學影像數據的內容解讀，以幫助醫生進一步提高影像診斷的精準度。經過上千病例的訓練，“BioMind天醫智”能在影像中看到醫生肉眼看不到的疾病發展征象，給出更精準的判斷提示。

AI學習醫學影像的具體方法是通過深度學習結合先驗知識對模型進行訓練，過程中需要有經驗的醫生將醫學圖像進行標注，程序員將圖像的數據注入深度學習，再留下樣本進行測試。

不同部位的算法的基本框架大同小異，有所不同的是數據需要預處理，比如分割、配準、標注。設置好預處理方式有利于提高深度學習的效率。

AI醫生仍需突破創新

為了讓AI跟上醫生的思路，一般以醫生的經驗為主，程序員做出工具，幫助醫生做分割和標注的工作。目前“BioMind天醫智”在部分腦瘤的磁共振影像診斷上，準確率已達到90%以上。 根據計劃，“BioMind天醫智”系統還將覆蓋更多頭部疾病的輔助診斷，包括腦腫瘤、小血管病變、大血管病變、腦卒中等，因此，AI還需拓展學習領域。

事實上，AI目前正在學習使用多模態數據監測。所謂多模態數據監測就是讓AI能像醫生一樣，利用各種影像和臨床數據，比如生化指標、遺傳基因，甚至是疾病史、生活習慣、生活環境等信息作出綜合判斷，輔助更多的醫療決策。但即便AI醫生讀片又準又快，也依然無法令人滿意。

AI醫生的強大和準確是建立在對已知的病例、特征、表象等的學習之上，如果接診的病例稍不同于既有的腫瘤特征和表象，AI醫生就會不知所措。離開了人們教給它的已知內容和運行程序，AI醫生就會出現無法診斷或者錯誤診斷的情況。

另一方面，AI醫生所擁有的技術上的優勢并不能解決醫學所面臨的人與人關系中的情感和人文關懷問題——AI醫生目前無法察言觀色，也無法安慰、鼓勵人。（據中國科學報、光明網）