詹松华：医学影像与AI之间依旧隔着一道“玻璃门”

受访人

上海曙光医院放射科主任

詹松华

我是一个放射科医生，不是研究信息学的，每次我都会总结了一点我们在临床上遇到的与信息化相关的问题，以推动信息化在临床更好地落地和应用。AI很热——课题申请很容易，融资也很容易——这是我们看到的表象。

2017年，AlphaZero打败了AlphaGo，AI在金融、安防、自动驾驶、个人生活助理教育等领域，都取得了突飞猛进的进步。“AI即将主宰世界。”这种声音越来越大。霍金说，AI技术将超越“人类基因科隆技术”，这我也相信。但是有观点认为“以后可以不需要放射科医生了”，这我不认同。放射科医生这两年一直处于短缺状态，国家对高端影像设备的开放政策会促进医学影像设备的大发展，所以放射科医生的需求只会更大。

AI到底发展到什么程度，医院应用AI后对放射科工作实际产生了多大影响？就像隔着一扇玻璃门，看得到好，但是摸不到、感受不到，所以从临床上梳理需求、提建议，是我这个放射科医生可以对信息学发展做的一点工作。

1

我想谈的第一件事是影像医学的学科特点和中国现状

影像与核医学是二级学科，是“临床医学”下的二级学科，属于临床医学范畴。在超声科、病理科、放射科，人员是由医师和技师两部分组成的，但是我们国家到目前连医学影像诊断费都没有，而且很少有患者会意识到他们拿到的诊断报告是放射科医生写出来的，收入低、存在感弱，临床医学系毕业的医学生大多不愿意成为医学影像科医生。

影像诊断医师是医师中的医师，影像医师需要临床知识，需要临床的很多基础，影像诊断的医师的性质严重被曲解和价值低估，在中国这是客观存在的。在美国，能成为影像诊断医师的都是医学院的尖子学生。放射科医师的工作除了发现病变和定位、定性病变、看图象做诊断，还要参与到治疗方案的制定中去。所有正确的诊断都贵在当面交流，让患者不断补充病史，不断解答患者提问，要综合考虑病史的真实性、年龄段、个体发育差异、用药史、图像等等，不是看图识病这么简单的流程。

2

我们要考虑的第二件事是“AI在影像医学领域应用的定位问题”

AI对图像的分析也许很到位，但是如果谈到“同病异影、异病同影”，工程师们理解吗？很多工程师设计的软件的时候会考虑扫描，但是用什么机器扫描、用什么条件（参数）扫描呢？操作CT的技师并非操作按钮就行，同一个病变用不同的条件扫描的时候，得到的CT值绝对是不一样的——但是工程师不学影像，不了解这一点，所以这样的AI能相信吗？

我接待过一个患者投诉。患者在肺癌术后拍了胸片，诊断报告显示“左肺癌术后改变”，但是患者拿到报告就来找放射科主任投诉，为什么？从片子上看像是左侧开刀，因为左边的肋膈角变钝了，仔细询问后，患者声明自己是在右肺开刀，调出病史也发现确实是右肺开刀，但是左边以前生过胸膜炎，导致了肋膈角变钝，不是手术形成的，所以诊断报告错了，应该是右肺癌术后。可见病史对诊断非常重要，影像诊断是临床综合诊断，而不是“看图识字”，没有病史的AI是站不住脚的。

由此可见，AI有一个定位问题——AI要干什么？

辅助医生发现病变后给病变定性，工程师以为是伟大的进步，但这可能仅仅是AI应用在医学影像领域的第一步，和临床诊断还有很大的距离，对于疾病的综合评价和治疗策略确定，依旧要交给影像诊断医生。发现肺结节是最容易的事情，因为肺的密度和结节的密度差几百倍，但如果换一个部位呢？比如胰腺的病变很难发现，拍片子时要在薄层下面、要反复调试，动脉早期、晚期的扫描的图像都要细致看，如果提供的图像不理想的话，AI还是没办法发现病变。

AI需要明确的、客观的、固定的素材，很多企业做的肺病变AI产品都拿数据库1万个病例去训练，就像题库似的，但是题库里面的都是现成的，而患者永远是不一样的，所以这样的AI就难应用。

3

我想谈的第三件事是“促进AI发展的务实建议”

影像诊断是一门充满“可能性”的艺术，放射学就是研究疾病诊断可能性的学科，但是AI是绝对的，因为计算机一定是绝对的。以“绝对”博“可能”，会带来很多的困难和问题。工科的学者们习惯说“没有做不到，只有想不到”，但是在医学领域不能这么说。我很认可AI在发现病变方面的作用和意义，因为可以帮医生节省大量重复劳动时间，但是代替医生诊断和处理是很难的事情。所以我认为务实地考虑AI发展，有六点值得考虑。

1.避免做过于“花哨”的功能。

目前阶段最重要的是倾听临床声音，准确对接临床需求，要真正应用于临床，还有很长的路要走。

2.解决好产品的“假阴性”问题才是关键。

假如有100份片子，AI可以判断出其中50分100%没有问题，那么人工复核时医生就只需要看剩余的50份片子。但是如果有1%的假阴性，就意味着复核时需要把100份片子重新看一遍，这样一来好像并不能节约时间、减轻负担。

3.耐心向临床医生说明你AI设计策略和基本原理。

医生是用户，需要对患者负责，对医生来说不存在所谓的“黑科技”，让医生感到可靠，才是产品能走向临床的重要一步。

4.要开拓新产品！

不要总是做“肺结节”，靠“题库”学到的英语是“哑巴英语”，靠“题库”训练出来的AI没法儿进入临床，所以深入临床尝试去开拓一些新的产品，做得再专业一点。

5.医学影像AI产品的推广很有挑战性。

除了市场无情外，也要考虑到放射科医生的工作价值目前没有从经济层面体现出来，现在医生写一张报告2块钱，那么AI产品如何定价呢？这个问题很有挑战性。

6.正视困难，不要急躁。

AI发展需要更多科研投入、更长科研时间，虽然放射科医生在中国的地位很低，但解决临床漏诊的问题、减少劳动强度、提高工作效率——AI在医学影像领域确实大有可为。

医学不是数学，而是人文。AI产品的目标用户应该始终都是医生，让医生接触机器以后为患者服务，这是一个正确的途径。在科技时代，任何与人打交道的职业，都将越来越兴旺，所以医生不会被替代。

-END-

推荐阅读

©以上文章来源

e医疗原创文章，转载请注明来源。