客觀看待人工智能在醫學影像中的作用

蕭毅， 劉士遠

人工智能(artificial intelligence， AI)近年來發展迅猛，從IBM Watson在一個知識類的電視節目上擊敗人類冠軍，到Alpha Go擊敗圍棋世界冠軍，現在幾乎各行各業都快速進入了一個AI為王的時代。人工智能在醫療的應用更是涉及了醫學影像、疾病風險預測、藥物研發、健康管理、醫療機器人等等領域。

人工智能的概念和層次

1956年在著名的達特茅斯會議上首次提出“人工智能”這一概念，標志著這門新興學科的正式誕生[1]。人工智能是研究計算機模擬人的某些思維過程和智能行為的學科，涉及計算機科學、心理學、哲學和語言學等，已成為一門廣泛交叉的新興前沿學科[2-3]。經過近70年的多次熱潮和寒冬，隨著算法、算力和大數據的發展，人工智能尤其是機器學習的算法迅速發展，其中深度學習作為機器學習中的一個領域發展迅猛。卷積神經網絡(convolutional neural network,CNN)或循環神經網絡(recurrent neural netword,RNN)，結合現在強大的計算能力和大數據訓練出來的模型，在某些領域達到甚至超越了人類專家的水平，讓人驚嘆不已[4]。

人工智能按照實現的能力可以分為3個層次：①弱人工智能(artificial narrow intelligence，ANI)，擅長于單個方面或任務的人工智能；②強人工智能(artificial general intelligence，AGI)，是指在各方面都能模仿人類甚至和人類比肩的人工智能；③超人工智能(artificial superintelligence，ASI)是指牛津哲學家及知名人工智能思想家Nick Bostrom定義的“在幾乎所有領域都比最聰明的人類大腦都聰明很多的人工智能，包括科學創新、通識和社交技能”[5]。由此看來，目前AI技術比如下棋、人機對話、人臉識別、醫療影像識別，都屬于“弱”人工智能，即便有些AI程序或者機器人在某個方面超越人類非常多，比如下圍棋，它也只是執行一個閉環的任務，本身并不能像人一樣全方位的思考，也沒有意識。

目前人工智能在醫療領域的進展

深度學習、計算機視覺、自然語言理解及大數據存儲等關鍵技術的突破帶來了人工智能技術新一輪的發展，而這些技術的發展已經推動了以數據、知識、腦力勞動密集為特征的醫療產業與人工智能的深度融合。隨著人們生活條件的改善，人們對于身體健康的意識也越發強烈；與此同時，人們面臨醫療資源分配不均，藥物研制周期長、費用高，醫務人員培養成本高等問題，都給AI的發展帶來了社會需求和機遇。

AI可以快速且不間斷的讀取海量文獻，擁有最全面的基礎知識和最新進展，結合“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而可以給出可靠診斷和治療方案建議[6]。智能診療場景也給AI在智能健康管理上的應用提供了可能，可以實現風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于各種醫療數據的健康管理等[7]。

AI技術在計算機視覺上的發展，尤其是深度神經網絡的應用，使AI在視覺領域達到了新的高度[8]。有的AI產品可以不需通過數據和邏輯得出結論，只需根據患者的面容、心率、呼吸等狀況迅速反應出疾病的類型,這種能力已經很接近人類醫生[9]。

計算機視覺基于圖像識別，可以將醫學影像進行深入分析，獲取有意義的信息。通過數據量的日積月累，能力指數級提升，有望為精準診斷提供極大的幫助[10]。

2016 年，《JAMA》雜志上發表了一篇美國加州大學的Gulshan團隊的文章[11]，描述了人工智能在10萬多張視網膜眼底照片中進行糖尿病視網膜病變的診斷，并將其診斷結果與54位持有醫生執照的眼科醫師、資深住院醫師進行比較，最終結果是AI的敏感性及特異性均高于人類的診斷成績單。

2017 年，荷蘭內梅亨大學Bejnorid教授的團隊 在《JAMA》雜志發表的相關研究表明[12]，在評估乳腺癌患者腋窩淋巴結有無少量癌細胞擴散方面，人工智能的表現要優于病理醫師用顯微鏡的常規做法，盡管其結果還不能完全代替病理學家，但已經大大提高了診斷效果。

2018年，發表在《Lancet Oncology》上的一項研究首次證實，人工智能可以處理醫學圖像以提取生物學和臨床信息[13]，通過設計算法并將其開發用于分析CT掃描圖像，研究者們創建了一組放射學特征，該特征定義了腫瘤的淋巴細胞浸潤水平，并提供了患者免疫治療功效的預測評分。

國內近兩年AI研究如火如荼，各個器官疾病診斷的模型都有研究和嘗試，基于深度學習的AI應用目前已經覆蓋病灶檢測、病理診斷、放療規劃和術后預測等各臨床階 段[14-16]。其中基于X線的肺部篩查、乳腺鉬靶篩查[17-18]；基于CT影像的肺結節檢測模型[14]顯示出較好的臨床使用潛力。冠心病的智能化診斷模型也已經在一些醫院落地[19]。甚至部分已經成為臨床工作中醫生不可分割的好幫手。以肺結節為例，AI算法模型能自動分割胸腔區域，快速準確定位疑似肺結節的病灶，從大數據集學習所得到的算法模型可以避免主觀偏差，雖然部分模型篩選的結果中包含了一些假陽性結節，但明顯降低了假陰性的發生，大大減輕了影像科醫師的工作量[10]。除此之外，AI算法模型不僅能提取肺結節的位置形態信息，還能進一步提供肺結節分類(實性、亞實性及鈣化等)乃至腫瘤良惡性分級等一些決策意見供醫師參考。

醫療行業需要人工智能，但不能過度神話

2018年，美國食品藥品監督管理局(food and drug administration，FDA)已經批準了世界人工智能醫療設備IDx-DR，該設備可以在沒有醫生幫助的情況下診斷疾病。IDx-DR自此成為了第一個獲得FDA批準進行獨立檢測而不需要醫生解釋結果的人工智能設備。IDx-DR類AI產品的批準通過，意味著不僅僅是讓普通人可以更方便自主的完成常規診斷，同時還極大的節約了社會成本，因此很多業內人士都認為，AI診斷爆炸時代已然來臨。這同樣也是AI應用的一個重要的里程碑。

2017年8月31日，國家食品藥品監督管理總局(CFDA)發布了新版《醫療器械分類目錄》，新《分類目錄》對原來的43個子目錄做了大量精簡、優化，調整為22個，其中尤為引人注目的就是新的分類目錄特別增加了與人工智能輔助診斷相對應的類別[20]。相關法規、準入制度的更改，表明在深度學習越來越風靡的高科技行業中，AI在輔助醫生進行診斷與擬定治療方案等方面的應用日漸普及。可以預見的是無論是國內還是國外，未來的幾年內將會有大量AI診斷系統通過審批，越來越多AI 醫療應用在國內外落地。

AI技術確實到了一個能夠在醫療上實現應用的階段，而且表現可圈可點，但是也不能過度神話。目前，有些宣傳為了吸引眼球進行夸大，貌似AI無所不能，很快可以替代人類醫生。但現在的AI技術在醫學的應用還處于非常初級階段，遠遠沒有達到能自主學習分析的強人工智能水平。夸大的宣傳只會誤導政府和公眾，透支行業發展潛力，不利于AI的有序健康發展。

現階段，人工智能更多是圍繞某單一影像任務研發解決方案，在單一任務方面人工智能有明顯優勢。但診斷/分類也僅僅是人工智能醫學影像應用場景中的一小部分，醫學影像臨床工作交織著多種不同任務。除了醫學影像的分類(診斷)上，研究者還需繼續探索人工智能技術在醫學影像檢測(發現異常)、分割(量化測量)、配準(隨訪跟蹤)中的應用。人工智能也不止應用于影像分析，深度神經網絡能就不同模態的信息(如文本、語音)產出有價值的應用成果，應該對醫院全數據鏈進行完整分析，并嵌入到醫療流程中，這樣才能最終生產出更加有意義的人工智能模型。

現有模型的魯棒性和有效性也還有待于更加客觀的檢驗。各個企業用于訓練的數據集質量參差不齊，導致產品性能不穩定，大范圍的推廣受到一定的制約，需要進一步提高產品普適性。各個企業的數據模型的診斷效果多為自我評價，具體的評估過程是未知的，評估指標不統一，需要第三方公正平臺對各個數據模型進行評價，保證產品質量。

此外，值得大家深思的是人工智能是目的，實現這一目的的技術有很多種，深度學習只是其中一種技術。現在深度學習或者深度神經網絡的快速發展儼然成了人工智能的化身，能夠解決一切的問題。在醫學影像領域中有很多種類的問題和場景，并不是所有的場景需要用深度學習的技術去實現，也并不是所有的場景都適合用深度學習技術去實現，我們應該注重的是目標，為了目標問題去使用技術，使用各種最適合的技術。切忌為了深度學習而深度學習，為了蹭熱度舍本逐末地消耗人力物力去做可以用簡單技術或者傳統技術解決的問題。

人工智能在醫療中應該扮演的角色

AI技術可以幫助醫生做大量重復性的勞動，提高工作效率，改變醫生的工作模式，提供更加精準的預后判斷。哈佛大學醫學院病理系教授Golden博士說：“人工智能可能正是病理醫師所期待的。醫療衛生行業出現人工智能、大數據的成本下降、可以獲得數字化圖像，這些都在助力數字病理的成功。就像人工智能之前的電鏡、免疫組化、分子診斷一樣，病理醫師被取代的風險極低。但其工作模式可能會改變，病理醫師對患者診療的貢獻仍將十分關鍵[21]”。

讓機器先實現人類醫生的專業水平，從而幫助醫生去做一些重復性工作，讓醫生有更多的精力解決更多疑難問題，積累更多經驗，而新的經驗和知識又會傳遞給AI，以此來形成一個良性的循環和生態。所以在當下，AI的一個重要作用并不是解決疑難雜癥，解決高精尖問題，而是在臨床最需要的領域，用機器來把好的醫生經驗復制到醫療資源缺乏的地區去。AI技術可以為“基礎薄弱、人才缺失”的基層地區提高診斷率、進而緩解三甲醫院的就診壓力。

人工智能技術還應該能夠提供肉眼難以識別的疾病特征，使得醫生能夠使用AI成像來識別位于身體任何部位的腫瘤的生物現象，而無需進行活組織檢查。還可以在疾病診斷、預后判斷、療效評估、用藥指南、疾病隨訪等方面發揮重要的作用，真正融入到醫療的每一個環節，人機協作，共同為人類的健康做出應有的貢獻。

總之，人工智能已進入一個快速發展期，給醫學影像帶來可見的變化，改變著我們的工作效率和流程。雖然目前仍處于弱人工智能階段，不能為醫生分擔大部分工作，但伴隨著技術的不斷進步，弱人工智能過渡到強人工智能時代是值得期待的。