醫學影像和人工智能：了解歷史，找準方向，穩步前進

吳山東， 夏黎明

人工智能(artificial intelligence，AI)目前在健康領域不斷滲透，特別在醫學影像方面顯現出一種改變當前臨床診斷流程的潛力。人工智能不是新概念，但是2012年開始變得火熱的深度學習技術的出現，給人工智能的概念輸入了新的燃料，相關的研究和應用落地都得到了極大的推動。學術界的研究現在基本都在向深度學習聚焦，而傳統的機器學習迅速降溫。工業界出現了一大批AI新創公司，積極探索不同國情下的AI臨床應用場景和落地。由于深度學習的技術門檻并不高，因此也出現了一窩蜂的現象，大大小小的公司都在尋找成功的機會。在表面繁榮火爆的情況下，人工智能在醫學影像領域的發展卻充滿很多挑戰，真正的落地并不可能一蹴而就，醫療領域對于新技術的接受也相對緩慢。在開始的激情和熱情慢慢褪卻后，尊重新技術發展的規律，充分了解實際的臨床需求和痛點，找到醫學思維和計算技術的學科交叉路徑，醫生和工程技術人員深度協作，踏實前進，才有機會真正把這波人工智能的潛力轉化成生產力，切實提高當前醫學影像疾病診斷的精度、讀片的效率、圖像中信息解讀的深度、以及影像在引領整個疾病管理診治流程中的巨大作用。

本期雜志刊發了一些AI在醫學影像方面文章，期待從不同的國情、不同的角度、不同的體會等方面給讀者就人工智能在醫學影像方面的發展提供討論素材，擴大認知領域，交流實際經驗和遇到的問題，碰撞火花，助力AI在醫學影像相關方面的進一步研究和應用。在檀韜等的文章中，作者就人工智能在醫學影像方面發展的歷史進行了梳理，這其中最重要的基礎是基于計算機的輔助檢測和診斷(computuer-aided detection/diagnosis，CAD)。CAD在歐美已研究發展了幾十年，一批有物理或計算背景的學者在醫療領域內倡導和發展了這一概念，并有實際的產品在臨床部署。但是客觀上CAD的臨床使用并沒有得到期待的效果，這一度使得不少人懷疑CAD可達到多大的高度，相關研究也幾乎處在瓶頸階段。深度學習的出現無疑給CAD提供了最新的燃料，不少有深度技術背景的專業人士開始憧憬先進的深度學習在技術層面提升傳統CAD臨床效果的前景。這也是目前AI應用于醫學影像領域的助推力。雖然目前很多學者已經不再糾結于CAD的概念，但是了解CAD的歷史和瓶頸，對目前AI技術開發和臨床落地是有很大的積極借鑒作用的。當然，CAD或者AI的應用絕對不是單純的技術問題，至少在可預見的短期內不是，只要有人(也就是醫生)的參與，人機的有機協同作業帶來的挑戰更大，因為人的學習、決策和思維過程很多時候是定性的也很難建模的。在同一篇文章中，作者也探討了AI在手術機器人方面的技術發展和應用場景。人工智能對專家醫生的手術經驗的學習，某種程度上類似于對放射科醫生的讀片經驗的學習，但是由于手術場景帶來的特殊性，這其中蘊含的困難實際上更多。另外，檀韜等作者文中對歐洲AI方面的獨特視點，也非常有參考價值。

呂樂等的文章著重探討了AI和醫學影像在預防醫學中的機會。這個視點更多是從美國的醫療情況出發。疾病篩查(如乳腺癌)在美國有國家層面的指南和推動，也形成了事實上的大量人群的篩查體系。篩查過程中產生的大量數據，會切實促進深度學習中數據驅動的學習這一理念，同時創造利用大數據分析的方法發現新的基于影像的標志物。呂樂等在文中更進一步提出了一些AI實際應用的場景，這些場景超越了計算機輔助檢測和診斷的基本范疇，對整個疾病管理流程中的影像AI的角色指出了更多的可能性，也代表了對基于影像數據的精準醫學的重要解讀。呂樂等更在文中闡明了一些當前的研究難點和機會，比如數據共享、標注、精準分割、建模和可視化等問題，也包括對非結構化數據的使用等問題，特別值得研究人員關注和思考。

中國目前在醫學影像AI方面的研究、應用以及工業界的積極參與程度方面非常突出，在某些方面處于領先位置。但是當中的過熱、跟風、急功近利、不切實際的期望、不夠深入的行業理解、對CAD或者AI不夠清晰的角色定位等種種因素，處理不好會對AI的發展起到反作用。當前某些AI輔助工具的確在臨床測試上表現了讓人印象深刻的效果，這也是AI給人以期待的原由。但是即便如此，這樣的AI還是在初級甚至比較粗糙的階段，真正滿足于臨床診斷要求AI的臨床研究目前還不到位，沒有大規模、正規的臨床測試研究的科學數據，以及第三方的客觀數據的檢驗，還很難下確定的結論。即便是有了較為成熟的產品，產品的健壯性、普適性以及臨床監管等，都需要大量而艱巨的工作來檢驗、規范，才能無縫融入臨床工作流程并發揮作用。涉及到AI和臨床醫學的共生和交互問題。因此，來自臨床一線醫生的理性聲音，對于AI的健康發展至關重要。可贊的是目前相當一部分醫生也開始關注人工智能甚至深度學習技術，醫院和工業界的合作更是比比皆是。學科的交叉帶來進步，但也要防止一方由于對非自身專業知識的不夠了解而產生的冒進甚至錯誤判斷。針對醫學影像的分析而言，AI可以做什么，不能做什么，以及深度學習的本質和優缺點的理解是對行業研究人員、醫生以及工業界的共同要求，也是尊重AI新技術發展的理性思考。

人工智能如一道曙光，目前吸引了眾多行業人員的追隨。醫學是不同于其它行業的特殊學科，根本目的是對人的關懷。技術的發展應遵循規律，AI造福人類健康，需要以符合醫學本質的角度切入臨床流程。目前的AI醫學影像發展，需要激情，也需要理性，更需要踏踏實實、堅持不懈地把工作做嚴謹。還有很多問題值得在以后深入探討和展開。我們也希望共同思考，共同進步，把AI醫學影像診斷領域的發展推向縱深。