得知西南地區某著名三甲醫院的PACS(Picture Archiving and Communication Systems)接入了7家人工智能企業的肺結節智能影像診斷系統時，一位影像醫師戲謔地談到現在的情況。
魯迅曾說，世上本沒有路，走的人多了，自然就有了路。但在肺結節的人工智能檢出上，中國的初創企業們已經踩出了一條京滬高速。諸多AI廠家競爭激烈的核心醫院，一個放射科室擺上4-5家AI廠商的服務器已稀松平常。
截至2018年7月的不完全統計，僅在肺結節篩查領域，拿出具體產品的人工智能企業就有20余家，大部分拿到風險投資，而更多海歸博士、科研院所、醫院專家團隊正在摩拳擦掌，躍躍欲試。
大家都奔向了同一個目標。
誰帶火了肺結節?
從需求端來說，中國年新增肺癌患者數量全球第一，年肺癌因素死亡人數全球第一，早篩需求旺盛，低劑量螺旋CT正被廣泛推廣;而從圖像質量上來說，胸部CT圖像分層薄、視野清晰、干擾因素少、病灶特征規律可循，是智能影像判讀的理想用武之地，加之中國影像醫師的稀缺及國家政策的大力推動，這一領域的應用基礎堪稱完美。
但中國任何一個疾病領域的需求量都會由于龐大的人口基礎而顯得無比巨大，真正讓肺結節智能檢出火起來的，是大數據時代。
2017年7月，SQuAD的負責人Pranav Rajpurkar公開了其胸部x射線檢測肺炎的算法，并公布了當時世界上最大的公開可用的胸透x光數據集，該數據集包含了14種疾病的10萬余張x射線主視圖。
2017年10月，NIH(美國國立衛生研究院)臨床中心發布了一個包含3萬余患者、11萬2千余張正面視線的x射線圖像，以及利用NLP技術從放射學報告挖掘出來的14類疾病的圖像標簽，供全球研究人員免費使用。
2018年7月，NIH(美國國立衛生研究院)臨床中心再次分享了一個大型CT圖像數據庫，包括3.2萬份CT圖像和展示的疾病影像學資料，以幫助科學家和臨床醫生增強對疾病影像學診斷的技能，AI開發人員亦可自由利用上述數據用于AI系統的訓練。
對于中國醫療人工智能企業的創業者們而言，這些美國的公開數據集無異于最舒適的搖籃，為創業者們提供了豐富的數據“糧食”;通過公開數據集將AI模型的精度訓練到一定水平后，投入臨床，以中國海量的胸部CT圖像“喂養”模型，使之性能進一步飛躍，成為當前中國醫療AI企業的普遍路徑。
“對于創業者而言，最難獲取的就是臨床醫療數據，不管擁有多么雄厚的技術基礎，市面上有多少可供借鑒的算法模型，沒有臨床數據拿來訓練AI，一切都是無源之水。而中國國內更為龐大的CT數據基礎，使得中國人工智能技術的進步絲毫不遜于其發源地——美國。”一家影像云的運營者如此表示。紐約時報(NYT)在2018年的一篇文章中，提到中國的阿里和依圖，已經先于亞馬遜，把AI引入醫療行業。
但與此同時，他也提醒，雖然國內AI企業創業者的起始賽道相似，但并不意味會在同一個維度長期競爭。
“正如大學生畢業后10年所取得的成就有著天壤之別，同樣選擇肺結節智能檢出作為突破口后，研發能力的強弱、醫療行業理解的深淺、戰略眼光的預見、產業格局的大小，都會影響AI企業的發展前景。”這位管理者認為。 肺結節AI的進化之路
2017年，主攻肺結節檢出的各大AI企業都交出了輝煌的答卷，敏感性一路飆升，95%、96.5%、98.8%……人類肉眼難以察覺的像素差別，在AI強大的算力面前無所遁形。
然而醫學畢竟不是只懂得基礎函數就可以解決問題。
目前臨床上為了確保影像判讀的準確性，通常由一名執業醫師與副主任醫師共同閱讀同一個患者的胸片，影像醫師在讀片完畢之后，還需要上級醫生復查一遍，簽字確認。AI的目的正是替代這個步驟中的第一環節，因為AI醫生不僅“視力”極好，幾乎可以看出每一個微小結節，同時，AI醫生不知疲倦，不會出現視覺疲勞，看成千上萬張胸部CT也不過毫秒之間。
將AI的靈敏度不斷提升，理論上AI可以發現肺部的每一個結節，但是隨之而來的誤報率卻令人頭痛，是迅速將敏感性提升到極致，暫時忽略誤報率?還是花費更大的力氣，將敏感性與誤報率同時提升到可用水平?亦或是還有更加科學準確的考核指標?
國內著名放射學家、浙江省人民醫院放射科主任龔向陽教授曾表示，特異性和敏感性兼顧起來是很難的，所以很多公司在開發系統時會優先考慮敏感性的問題，在保證敏感性的前提下，提高特異性。
“敏感性與誤報率確實很難兼得，極其考驗AI企業的技術功底，既要保持足夠的敏感性，但又要確保足夠低的誤報率，確保找出來的結節絕大部分是正確的，是有臨床意義的，并沒有外界看起來那么容易難度，依圖醫療付出了艱苦的努力，在這兩方面都做到了業內領先水平”，依圖醫療總裁倪浩在接受媒體采訪時表示，“誤報一旦過高，將極大增加醫生的工作壓力，也喪失了AI助力臨床的初衷。”
倪浩還提醒，單純重視敏感性，忽視誤報率不僅會增加醫生核對影像報告的工作量，也會對患者造成極大的心理壓力，甚至導致恐慌下的過度診療，浪費醫療資源，增加患者負擔。
為了能夠更加客觀反映AI產品對于臨床工作的促進，依圖醫療引入了一個業內全新的衡量標準——結構化報告臨床采納率。
具體來說，該指標包含2個方面——“結構化報告”及“臨床采納率”。“結構化報告”不僅要求肺結節AI找出結節，更要能夠包含結節大小、性狀描述、良惡性征象等信息，并出具結構化的臨床報告;而“臨床采納率”更為苛刻——AI生成的結構化報告到底有多少能夠被臨床醫師不經修改直接采納?
依圖醫療公布了他們care.aiTM肺癌影像智能診斷系統在2018年上半年的臨床反饋，該指標的臨床表現為92%。這是一個極其優異的表現，意味著AI系統生產的結構化報告有92%得到影像醫師認可被直接采納，這一數字背后，AI系統為影像醫師所節省的工作時間難以估量。
“只有將人工智能嵌入醫生的臨床工作流，尤其是醫生認可我們的檢測報告，AI對于臨床工作效率的提升才是有意義的，敏感性指標非常重要，但敏感性只是起點”，依圖醫療產品副總裁鄭永升表示，“目前，憑借這項獨門絕技，該系統不僅進入了全國100余家三甲醫院，并且正在AI醫療真正需要賦能的基層醫院全面鋪開。”
突破肺結節的天花板
而當肺結節的檢出率逐漸逼近理論極限，所有的醫療AI企業都在思考，胸部CT的智能診斷下一步走向何方?
這個問題的本質上是在問，AI能力如何進階，從回答“看見什么”到回答“是什么”和“怎么治”。
“一方面繼續深挖肺結節檢出，從影像判讀走向MDT決策，另一方面，從單一的肺結節檢出走向肺部多種疾病如肺炎、肺結核、慢阻肺、支氣管擴張的智能診斷，以單一應用解決科室場景問題，跳出一種疾病一個AI的桎梏”，倪浩表示，“這條路會很漫長，很艱辛，但只有不斷滿足臨床場景，才能夠真正成為醫生的好幫手，推動未來智能醫院的建設。”
6月15號，依圖醫療聯合中國頂級三甲醫院——華西醫院發布了全球首個肺癌多學科智能診斷系統，這套系統號稱“最具醫生思維”的AI應用，不僅能夠實現結節篩查等初級功能，更能夠實現肺癌全類型病灶的診斷覆蓋，綜合多學科臨床信息進行綜合診斷，其決策依據來源于國際、國內最新臨床肺癌診療指南，且隨著臨床診療例數的增加，將越來越聰明及富有智慧，成為基層醫師提升肺癌診療水平，降低誤診漏診的好幫手。
更值得欣喜的是，該產品的部分功能已經開始臨床試驗，接受臨床的嚴苛考驗。如果成功，將無異于醫療AI的一次偉大進步。
“就像過去人類歷史上經歷過的一切科技變革，人工智能也將融入醫生的工作流程，與醫生群體一起更好地造福廣大病患”，中國醫學影像AI產學研用創新聯盟理事長、第二軍醫大學長征醫院影像醫學與核醫學科主任劉士遠教授表示，“未來已至，只是分布不均。”
京公網安備 11010502049343號