0
| 本文作者： 劉偉 | 2017-10-20 23:30 |
當(dāng)下人工智能概念火熱，尤其是在醫(yī)療領(lǐng)域。未來人工智能與醫(yī)生之間的關(guān)系成為科技圈和醫(yī)學(xué)界熱議的話題。
圍繞這一話題，此前雷鋒網(wǎng)對廣東省人民醫(yī)院影像科副主任劉再毅教授進行了一次專訪，訪談中劉再毅教授指出了當(dāng)前醫(yī)療AI存在的諸多問題（影像科劉再毅教授自述：為什么我是AI醫(yī)療的「旁觀者」？）。
近日，在2017 小蠻腰科技大會全球移動開發(fā)者大會暨人工智能高峰論壇上，劉再毅教授再次談到了自己對于醫(yī)療人工智能的理解和認(rèn)識。他表示，要了解未來人工智能與醫(yī)生之間的關(guān)系，首先要弄清楚放射科醫(yī)生究竟是做什么的。
劉再毅教授認(rèn)為，放射科醫(yī)生的工作就是為臨床醫(yī)生的臨床決策提供輔助指導(dǎo)。具體來說主要有以下幾個方面：
病灶檢出。比如根據(jù)病理影像觀察病人的肺部有沒有病變，很多影像公司正在嘗試用人工智能進行肺結(jié)節(jié)篩查。
定性診斷。比如判斷病灶的良惡性；患者病情的嚴(yán)重程度，是處于早期還是晚期。
治療規(guī)劃。比如病人的肝臟造影中有一個異常的血管，但它不是病變而是變異。那么放射科醫(yī)生就要提醒臨床醫(yī)生注意，否則如果臨床醫(yī)生將其意外切除了，后果將非常嚴(yán)重。
此外還有療效評估、指導(dǎo)活檢等等。這些都需要放射科醫(yī)生通過肉眼觀察并做出判斷。人工智能還遠(yuǎn)遠(yuǎn)沒有達(dá)到能替代放射科醫(yī)生的程度。
但為什么有這么多人研究人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用呢？因為我們已經(jīng)邁進了精準(zhǔn)醫(yī)學(xué)時代，醫(yī)生不僅要判斷病人得了什么病，還要提供精準(zhǔn)化的治療方案。2015年，奧巴馬提出了“精準(zhǔn)醫(yī)學(xué)計劃”，很多專家也表示，要通過對組織基因測序、臨床病理信息以及可穿戴設(shè)備等手段采集到的個人信息進行分析，對醫(yī)療大數(shù)據(jù)進行挖掘，才能實現(xiàn)精準(zhǔn)醫(yī)學(xué)。而這個過程就可能需要用到人工智能。
那么醫(yī)生究竟是如何通過大數(shù)據(jù)挖掘來給病人提供精準(zhǔn)化治療方案的呢？下面我們用一個例子來說明。
上圖是兩例非小細(xì)胞肺癌患者的CT掃描影像。兩位患者年齡相仿，臨床分期都是IB期，針對這類病人需要進行手術(shù)治療。但在提倡精準(zhǔn)醫(yī)學(xué)的時代，病人手術(shù)之后，醫(yī)生還需要評估病人的預(yù)后情況：什么時候可能復(fù)發(fā)？什么時候可能死亡？假如醫(yī)生能夠準(zhǔn)確地預(yù)測復(fù)發(fā)概率，就可以對病人進行積極干預(yù)治療。
那么，醫(yī)生究竟該如何預(yù)測呢？劉再毅教授介紹道：“我們做了一些研究。通過對病人的影像數(shù)據(jù)進行挖掘，我們發(fā)現(xiàn)病人的影像表型是由基因決定的，反過來我們也可以根據(jù)影像表型推斷出病人的基因情況，從而可以挖掘影像及臨床信息進行患者預(yù)后的個體化預(yù)測?！?/p>
醫(yī)生或者工程人員拿到影像數(shù)據(jù)之后，首先要建立相應(yīng)的模型，之后就可以預(yù)測某個病人癌癥轉(zhuǎn)移的概率是95%還是5%了。這和醫(yī)生的主觀判斷方式完全不同，但意義十分重大。相關(guān)的研究成果已經(jīng)發(fā)表在了頂級醫(yī)學(xué)期刊上。
去年，行業(yè)內(nèi)發(fā)表了兩篇關(guān)于用深度學(xué)習(xí)進行醫(yī)療數(shù)據(jù)挖掘的論文。其中一篇是關(guān)于皮膚病的研究，其研究成果達(dá)到了21個專業(yè)皮膚科醫(yī)生的水平，非常厲害。另一篇是谷歌團隊做的關(guān)于糖尿病視網(wǎng)膜病變的研究，發(fā)表在JAMA雜志上。論文中提到，AI可以達(dá)到97-98%的準(zhǔn)確率。但這是否意味著AI能夠取代醫(yī)生了呢？
上面是一張新興技術(shù)的Hype Cycle曲線圖。曲線顯示，深度學(xué)習(xí)的發(fā)展還處于第二階段，距離成熟應(yīng)用還有2-5年時間。但劉再毅教授結(jié)合自身的研究經(jīng)驗，認(rèn)為影像及臨床數(shù)據(jù)的挖掘非常復(fù)雜、麻煩，包含很多的不可控因素。比如，對于CT影像，不同的機型和掃描方式都會對結(jié)果產(chǎn)生非常大的影響。因此深度學(xué)習(xí)在醫(yī)療領(lǐng)域的應(yīng)用必須慎之又慎，說不定還需要5-10年的時間。
新醫(yī)學(xué)雜志是非常頂級的醫(yī)學(xué)雜志，最近該雜志發(fā)表了一篇文章，認(rèn)為醫(yī)療行業(yè)必須充分了解人工智能的缺點和優(yōu)點是什么，才能真正將其應(yīng)用到臨床當(dāng)中。
前面提到，谷歌團隊關(guān)于糖尿病視網(wǎng)膜病變的研究成果很厲害。但據(jù)雷鋒網(wǎng)了解，JAMA雜志同時也指出了幾點問題：
首先是數(shù)據(jù)量的問題。據(jù)雷鋒了解，這項研究用到了128000張圖片，可以說是非常多了。但其中嚴(yán)重的病變事實上只有200多個，這是遠(yuǎn)遠(yuǎn)不夠的。
疾病種類繁多，誰能保證病人檢測出不是糖網(wǎng)后就不需要看醫(yī)生了？一個模型是無法解決所有問題的，我們還需要更加龐大的數(shù)據(jù)量。
而且，一項研究成果究竟好不好，不是工程人員說了算，也不是數(shù)據(jù)漂亮就行，而是要經(jīng)過一系列的驗證。任何新藥臨床應(yīng)用之前，都需要經(jīng)過一系列的研究和驗證，證明安全、有效之后才能在臨床中應(yīng)用。人工智能同樣如此。
AI系統(tǒng)——比如糖網(wǎng)診斷系統(tǒng)應(yīng)用到醫(yī)院的診斷流程中之后，對于其診斷結(jié)果醫(yī)生到底該不該相信呢？如果系統(tǒng)給出了一個病變結(jié)果，醫(yī)生是否還需要再看一遍呢？這些問題都值得行業(yè)深思。
劉再毅教授以肺部結(jié)節(jié)篩查為例，還舉了一個很生動的例子：一個患者今年初做肺部CT體檢，醫(yī)師報告診斷肺部未見異常。如果用現(xiàn)在工業(yè)界很多公司做的肺結(jié)節(jié)篩查系統(tǒng)來做檢測，估計也是顯示肺部篩查正常結(jié)果（因為他們的軟件多針對肺部進行分析）。但事實上，他的肺部影像是這樣子的：
開發(fā)AI系統(tǒng)的工作人員懂不懂這些影像非常關(guān)鍵，因為開發(fā)出來的系統(tǒng)不能只會檢查肺部，還要確保其他地方不出問題。現(xiàn)有的肺結(jié)節(jié)篩查系統(tǒng)大都只重點關(guān)注第一張圖片，只看肺部。但醫(yī)生在檢查的時候還要看第二張圖片，觀察軟組織、縱膈有沒有淋巴結(jié)腫大。此外，還要觀察骨骼（第三張圖像為骨窗），看有沒有轉(zhuǎn)移或其他病變。所有場景和情況都要考慮進去，因為一旦漏檢，醫(yī)生是要擔(dān)責(zé)任的。
比如上圖中的最后一張影像，有經(jīng)驗的醫(yī)生一看就知道，胰尾有問題。但當(dāng)時 醫(yī)生由于只看了肺部，沒注意其他部位，就漏檢了。如果AI系統(tǒng)只是針對肺的檢測，估計也不能檢出胰腺的病變。
這對AI來說既是機遇也是挑戰(zhàn)。未來我們能否用AI幫助醫(yī)生發(fā)現(xiàn)上圖中的病變呢，即使無法診斷，能對醫(yī)生進行提醒也是好的。
劉再毅教授此前在接受雷鋒網(wǎng)采訪時指出，人工智能在醫(yī)療領(lǐng)域的應(yīng)用必須充分全面，不能只針對單一場景。因為醫(yī)療的對象是人，人的生命只有一次，一旦犯錯就無法彌補。
那么，假設(shè)未來我們能夠研發(fā)出非常優(yōu)秀的機器人——就像電影《異形》里展示的那樣，病人躺在機器里，機器就能自動完成手術(shù)。這時候，AI是否就能夠取代醫(yī)生了呢？
劉再毅教授認(rèn)為，這還不夠。他說道：“醫(yī)生和醫(yī)學(xué)應(yīng)該富有人文情懷和溫度，而這些東西在機器上是缺失的。”
醫(yī)生常常需要安慰病人。比如，有一個兩歲的小女孩得了病要做手術(shù)，進到手術(shù)室后她非常恐慌。假如在這種情況進行手術(shù)，效果肯定不理想，而且可能會給小女孩造成心理陰影，影響她今后的成長。這時候醫(yī)生想到一個辦法，給小女孩看她父親拍給她的視頻，趁她注意力分散的時候進行麻醉。最終，手術(shù)效果非常好。
看完這個故事，我們不禁要問自己，機器真的能完全替代醫(yī)生嗎？假如我以后去看病，是選擇相信醫(yī)生還是冷冰冰的機器呢？答案不言而喻。
但這并不意味著人工智能毫無用處。劉再毅教授引用馬里蘭大學(xué)教授Eliot Siegel的話說道：“人工智能短期內(nèi)替代醫(yī)生是不太可能的，但它一定會給醫(yī)療行業(yè)帶來改變，比如改變醫(yī)院的工作流程?！?/p>
現(xiàn)在醫(yī)院看病，一方面患者抱怨“排隊三小時，看病三分鐘”；另一方面醫(yī)生也很累，需要看很多病例，手寫很多材料。假如人工智能可以幫助醫(yī)生收集、分析信息，醫(yī)生就能騰出更多時間和患者交流。多交流3分鐘或者10分鐘，最終取得的效果肯定是不同的。改變醫(yī)生的工作流程也是人工智能的意義所在。
此外，人工智能還可以促進精準(zhǔn)醫(yī)學(xué)的發(fā)展。所謂精準(zhǔn)醫(yī)學(xué)，不是指針對每個患者開發(fā)一套設(shè)備或者一種藥品，而是對患者的病情進行精準(zhǔn)的量化，并提供個體化的治療方案。比如，高危的肺癌患者需要化療，低危的就沒有必要化療。
具體到醫(yī)療影像領(lǐng)域，則是影像的量化，通過挖掘和融合影像、基因和病理等臨床信息，指導(dǎo)臨床決策。現(xiàn)在很多從事圖像分析的企業(yè)正在進行這方面的研究，未來前景非常光明。
最后，人工智能還可以用于發(fā)現(xiàn)基因標(biāo)志。比如，EGFR突變的患者才可以采用TKI治療，但有些基因標(biāo)志醫(yī)生拿不到，又不能老是做穿刺。這時就可以通過人工智能影像獲取基因的標(biāo)記物，并進行相應(yīng)的治療，這是非常有價值的。劉再毅教授認(rèn)為，人工智能將改變醫(yī)生的工作和生活，起到互補的作用。
醫(yī)學(xué)影像行業(yè)發(fā)展至今不過100多年，短短100多年的時間里，從結(jié)構(gòu)影像發(fā)展到了功能成像，徹底改變了醫(yī)療行業(yè)的進程?，F(xiàn)在，離開了影像外科醫(yī)生就不敢做手術(shù)，可見其重要性。但目前醫(yī)療影像還是以信息采集分析為主，未來隨著時間的推移，將進入數(shù)據(jù)挖掘階段。
到時我們可以把影像、病理、基因、臨床檢查等數(shù)據(jù)結(jié)合起來，用人工智能進行分析挖掘，最終實現(xiàn)精準(zhǔn)醫(yī)學(xué)的愿景。
過去我們經(jīng)常討論，人工智能時代來了，誰是贏家？醫(yī)生還是公司？都不是，事實上獲益最多的應(yīng)該是病人。只有病人能夠從人工智能中獲益，我們所有人的努力和工作才有價值。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
