人工智能“读”张医学图像片只需几十秒,未来医生会失业吗?

2017-04-06

15046848718401.jpg


    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、上海产业技术研究院特聘教授钱大宏,在复旦大学附属肿瘤医院和上海产业技术研究院合作召开的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。

    “近一年来人工智能尤其是深度学习在医学辅助诊断的应用概念很火,但真正用到临床的几乎没有,主要原因之一是人工智能系统在复杂的临床应用中不能保持其测试数据集上的高准确率,临床医学数据的收集和预处理不够完善,且没有考虑到医生的工作流程。”上海产业技术研究院生物医学转化中心主任黄薇说,这次会议的人工智能议题,正是针对这些问题来探讨促进临床医学和人工智能之间更紧密的合作。未来,双方将选择几个合适采用人工智能的方向切入,目标是做成真正对临床有意义的人工智能系统。