同样一张二维医学图像，比如病理切片，医生可能需要花费几分钟或十几分钟进行推理，而经过深度学习的人工智能只需几十秒钟就可“读”出来。“未来，在提供快速准确的医学图像诊断方面，人工智能至少可以将诊断速度提高10倍，或同样性能下至少将成本减少10倍。”今天，浙江大学医学院教授钱大宏在金桥产业技术创新会议上透露。
IBM的“沃森医生”不仅能够诊断罕见病，还能在诊断时提供不同的治疗方案和信心指数。马云说的“三十年后让医生失业”会成为现实吗？
人工智能对于“读”片比较有优势
其实，医学图像辅助诊断的历史比我们想象地要早。上个世纪80年代，人工神经网络首次用于CADX（计算机辅助绘图系统）。也就是说，人们在几十年前就想模仿神经网络系统解决现实问题。只不过，那时候的尝试大多集中在模仿单个神经元结构，或浅层神经网络。
近年来，人工智能的深度学习突破了计算机视觉和模式识别的局限性，也随之出现了基于深度学习的CADX。对于人工智能而言，深度学习的特征由机器根据输出自动产生，不同的特征只是不同的参数而已。因此，那些有大量结构化的数据作为训练，特征对于一般人来说不明显，并且很难用生物统计学等方法提取的领域，最能发挥人工智能辅助诊断用武之地。
“这和训练一名医生很像，需要学习大量医学教材和病例，而计算机已经具备了记忆力和推理能力。目前，人工智能对于识别二维医学图像，比如视网膜、内窥镜、病理切片和胸片比较有优势，效果也比较好。”钱大宏介绍，他的团队利用一些论文开放的公共数据，结合自主研发的一套系统，在实验室对于糖尿病视网膜病变和皮肤癌诊断的准确率都高达94%左右。
人工智能，归根结底是服务临床和辅助治疗
IBM 的“沃森医生”现在医学界名气颇响。据日本《东京新闻》去年报道，一名60岁的女性最初被诊断为患了急髓白血病，但经历各种疗法后，效果并不明显。后来，“沃森医生”通过比对2000万份癌症研究论文，用10分钟诊断其患了一种罕见的白血病，并提出了治疗方案。
人工智能越来越多地介入到医疗中。美国低剂量CT肺癌的早期筛查，开始使用美国食品药品监督管理局认证的软件；美国保险公司最近也开始要求，乳腺癌钼靶检查的读片医生一定要用CAD/CADX软件。
眼下，IBM的“沃森医生”开始在国内推广。在钱大宏看来，其“更像一个能快速检索的智能数据库，很可能被更民主化的深度学习系统挑战。” 同时，他还有个疑问，“沃森医生”收集的主要是白种人数据，而中国人是黄种人，是否需要重新收集数据？
有了人工智能，未来医生会下岗吗？钱大宏认为，“人工智能归根结底是服务临床和辅助治疗，医生不可能失业！”尽管人工智能对二维医学图像的识别已经有了不错的效果，“对于三维和四维的医学图像研究非常活跃但还没有突破。”而且，目前人工智能只给出一个结论，缺乏“推理过程”的展示，显得有些“粗暴”，这也是临床医生不满意的地方。“未来，人工智能要在医疗上有更大的作为，不仅要和医生合作拿到数据，还要由医生来进行标注，才能进行训练。而训练本身是一个漫长的过程。”
可能会在影像学上先有一个突破
在当下的中国，各地病人携带医学图像片前往大城市的三甲医院找专家“看一看”，已是一种常态。在这次会议上，诸多专家认为人工智能在医疗领域的广泛应用，可能会在影像学上先有一个突破。
上海交通大学生物医学工程学院研究员王乾说，根据MICCAI数据，2016年超过70%的医学图像研究工作使用了机器学习智能方法。 “人不能一心两用，但计算机可以。”他介绍了团队正在做的一项工作，即把核磁共振和CT融合起来，以实现CT引导精准放疗。此外，他们还通过术前影像资料，来预测脑胶质瘤病人的生存期。
就在上个月，上海交通大学和上海联影医疗科技有限公司签约共建了“医学影像先进技术研究院”。该院院长杜一平介绍，校企将一共投入2.5亿元，志在建设国际领先的前沿技术原创地，引领我国医学影像技术的创新研究和技术转化。
“希望再过三五年，逐步建立起针对中国人群的自主标准的结构化医学图像大数据库。用新的方法学，使某种疾病的垂直智能诊断模块实用化。” 话语间，钱大宏对人工智能的未来充满信心。（作者 黄海华）
