0
| 本文作者： 李雨晨 | 2017-07-31 22:58 |
雷鋒網(wǎng)消息，近日，北京大學醫(yī)學部影像醫(yī)學學系第二次學術(shù)年會在北京舉行。當天上午舉行了“醫(yī)學影像與人工智能論壇”。推想科技的夏晨博士帶來了《醫(yī)療人工智能的落地與應(yīng)用案例》的主題演講。
雷鋒網(wǎng)了解到，夏晨博士在會上主要談到了推想科技在 X 線的輔助篩查上面的應(yīng)用，“主要是 AI-DR ，現(xiàn)在很多的人工智能公司都有 CT 的篩查產(chǎn)品，但 X 線的篩查產(chǎn)品還是比較少的?！?nbsp;她認為，X 線設(shè)備的普及率是遠高于 CT 的，同時檢查費用也最低廉，放射計量也低于 CT/LDCT 。
在演講中，夏晨博士從產(chǎn)品的角度去分享了 AI-DR 對于醫(yī)生、患者、醫(yī)院的意義。她表示，對于社區(qū)醫(yī)院而言，數(shù)據(jù)量不夠是一個“天花板”，醫(yī)生無法得到充足的訓練來獲得經(jīng)驗；其次對于大醫(yī)院的放射科醫(yī)生來講，他們每天基本上只能花1-2分鐘的時候去完成 X 線報告的工作，醫(yī)生就沒有辦法去很好的實現(xiàn)工作的精度要求；最后，對于病人來講，很多人只是在Symptomatic（有癥狀）階段才去進行影像檢查或者醫(yī)療干預(yù)，因此怎么在病人就近就醫(yī)時就能得到很好的服務(wù)，“上述的三點都需要人工智能進行介入和幫助，來提高天花板?！?/p>
以下為嘉賓演講實錄，雷鋒網(wǎng)做了不改變原意的編輯。
夏晨：非常感謝洪主任的邀請來參加今天的“醫(yī)學影像與人工智能”這個論壇，也非常榮幸的能夠代表推想科技跟大家分享一下我們在過去大概兩年半的工作。
首先，在座的并不是每一位都特別熟悉推想科技，我大概做一個公司的簡介。
我們專注做醫(yī)學影像人工智能輔助診斷這一塊。在過去幾年里，已經(jīng)實現(xiàn)了很多家醫(yī)院的上線和試用，剛剛艾教授也跟大家分享了我們在同濟醫(yī)院上線的應(yīng)用案例。
這是我們推想科技的大致發(fā)展歷程：
在2015年，我們開始與四川省人民醫(yī)院和武漢同濟醫(yī)院進行合作。
在2016年2月，我們開始與大連中山和上海長征醫(yī)院進行合作；2016年10月是我們正式將產(chǎn)品在大連中山、上海長征、武漢同濟進行上線使用的時間點，到現(xiàn)在醫(yī)生使用的產(chǎn)品大概有超過8個月時間了。
之后開始與更多的醫(yī)院展開合作。包括北京協(xié)和、湖南湘雅、北京天壇，其中山東聊城二院是 GE 肺癌篩查 total solution 的應(yīng)用試點，我們提供了 GE 人工智能部分的服務(wù)。
2017年5月我們在產(chǎn)品發(fā)布會上正式將我們的三款產(chǎn)品推向市場，分別是：
第一款：AI-DR（X線的輔助篩查產(chǎn)品）。
第二款：AI-CT（CT影像的輔助篩查產(chǎn)品）。
第三款：AI-Scholar，主要是提供給醫(yī)生，有科研需求的醫(yī)生對深度學習也非常好奇，能不能通過操作的界面來實現(xiàn)深度學習的建模，發(fā)表一些科研文章。
我今天想要談的是我們在 X 線的輔助篩查上面的應(yīng)用，主要是我們的 AI-DR ，現(xiàn)在很多的人工智能公司都有 CT 的篩查產(chǎn)品，但 X 線的篩查產(chǎn)品還是比較少的。所以，借這個機會給大家分享一下。
我們也走訪了很多醫(yī)院，當我們來到大型三甲醫(yī)院時，主任基本給我們的定調(diào)就是 X 線不是一個有前途的產(chǎn)品。
我們來看一下 X 線的情況：
第一：中國目前 X 線的情況，其實咱們不僅僅是看大型的三甲醫(yī)院，咱們也去到了一些偏遠的山區(qū)，看到了衛(wèi)生所這樣的基層醫(yī)院，其實 X 線設(shè)備的普及率是遠高于CT的。
所以， X 線影像尤其是胸部胸片的影像，它普及的地域和廣度是非常廣的。
第二： X 線的應(yīng)用場景，比如體檢、門診、住院。在體檢產(chǎn)品里，雖然大家都在推LDCT，CT篩查。目前來講，大部分醫(yī)院還是以 DR 胸片的檢查作為體檢里面必備的一個內(nèi)容，它試用范圍其實是更加廣的。
對于病人來講，它是一個檢查費用更低的影像方式，尤其到一些偏遠地區(qū)，病人會對200多塊錢的 CT 檢查產(chǎn)生遲疑，想要知道 CT 檢查到底給我怎樣更多的幫助。
此外，它的放射劑量目前來講還是低于 CT ，其實它比 LDCT 檢查的方式劑量還要少，基本上胸片是0.02毫西弗， LDCT 大概是0.5毫西弗。
我剛剛說的是一個大概的現(xiàn)狀，我們也講一講行業(yè)內(nèi)對胸片檢查的觀念。
其實2011年兩篇大文章出來之后，基本上對胸片和胸部 CT 影像有了一個學界基本的定調(diào)，首先是 JAMA 研究報告指出，胸片的檢查對降低肺癌死亡率根本沒有什么明顯的效果。隨后《新英格蘭醫(yī)學雜志》又發(fā)表了一篇文章， LDCT 對肺癌的死亡率可以降低20%。
基本上這兩篇文章出來之后，大家覺得就肺癌篩查這個領(lǐng)域來講，應(yīng)該推 LDCT 的篩查。
我的統(tǒng)計學老師告訴我，當我看到一份研究報告出現(xiàn)的內(nèi)容叫 no difference（沒有區(qū)別），我第一反映應(yīng)該是 Do not accept null ，我對這個結(jié)果要有一個更加思辯性的判斷。
到底是 DR 作為一個 X 線的影像，本身存在很大的問題，不能夠反映這樣的病變，還是說我們在使用過程中，人的視覺機制本身有一些瓶頸，導致我們很難從 DR 影像、 X 線影像、胸片影像上去發(fā)現(xiàn)這樣的病變。
接下來，跟大家分享幾例，我們在醫(yī)院實際運用 AI-DR 過程中發(fā)現(xiàn)的幾個病例，這個病例在座的醫(yī)生可以仔細看一下，大家能不能夠在影像上發(fā)現(xiàn)比較嚴重的病灶（給大家一些時間）。
在這樣的一個位置，我們的 AI-DR 圈出了一個它認為是結(jié)節(jié)的病灶區(qū)，這其實是我們在一家 AI-DR 醫(yī)院發(fā)現(xiàn)的病例，醫(yī)生一開始的報告里并沒有提及說在這個區(qū)域看到一些非常嚴重的病變，這樣的爭議案例，我們采用的是 CT 檢查手段來進行驗證。
大家也可以繼續(xù)花一些時間看一下這個病例，在這個X線的胸片上，人工智能圈出了三個它認為是結(jié)節(jié)的病灶區(qū)，分別在左肺、右肺的上葉，還有一個是胃的位置，這個醫(yī)生很快就排除它是個假陽性。
那這個左肺與右肺上葉上面的兩個結(jié)節(jié)，其中左肺上葉的（結(jié)節(jié)）還是比較明顯的，它的密度一下增加，然后形態(tài)學上也像是一個結(jié)節(jié)。
但是呢，右肺上葉的其實并不特別清楚，咱們放大看一下，其實并不是一個很明顯的結(jié)節(jié)的影像特征，那 CT 的結(jié)果是什么呢？我們可以看到，在這邊是半實性磨玻璃這么一個還比較大的結(jié)節(jié)。
對于這個案例，人工智能圈出來的位置，在右肺的下葉，我們放大看其實是能夠看到一些密度的增加的，然后我們做一個 CT 的檢查，看一下它所在的位置，可以看到其實隔肌有個阻擋，然后讓這個病灶顯的不是那么明顯，但是人工智能可以發(fā)現(xiàn)它這個病灶的位置。
于是我們就開始有了疑問，X線是真的沒有辦法呈現(xiàn)病灶嗎？還是說人眼的視覺機制沒有辦法在很短時間內(nèi)判斷這些特征并不是那么明顯，對比度不是那么強的病灶位置？
所以，我們對于這個 X 線胸片要被淘汰，打了一個問號，當然它還是有局限的，像我們看到的所有案例，基本上它所發(fā)現(xiàn)的結(jié)節(jié)，都已經(jīng)是2CM左右的一個比較大的結(jié)節(jié)，甚至是腫塊的。
所以，它對于這些微小、早期病灶的檢出，我覺得還是有局限的。其實在我們?nèi)ビ懻撔仄@個技術(shù)的時候，醫(yī)生認為胸片可能沒有辦法看到某些病灶的時候，我覺得另外可以思考就是機器和人在視覺機制、視覺識別上面的一些區(qū)別。
我這邊還想跟大家分享的是，其實我們的人工智能并不是一開始就能實現(xiàn)這樣一個檢出的。這是另外一個病例，很明顯的是大概三個結(jié)節(jié)的病灶，這個實性還是比較容易發(fā)現(xiàn)的，左肺上葉的兩塊，一個是靠近胸膜的膜玻璃，還有一個主動脈結(jié)上面的這個。
咱們看到病人的胸片時，也看到了他的CT常見的影像，那我們的模型表現(xiàn)如何？
在我們?nèi)ツ?0月剛上 AI-DR 的時候，我們模型表現(xiàn)是這樣的。
左邊這個就是根本沒有檢出，然后還有很多的假陽性，到了今年三月的時候，把這個檢出了，但是依然有一些假陽性。再到今年五月的時候，檢出了這兩個結(jié)節(jié)，但是依然還是沒有檢測到主動脈結(jié)上面的結(jié)節(jié)。所以，這個模型還有可以做的更好的地方。但是我們對它的期待是，隨著它不斷的去學習，不斷的去進步，三個月之后、半年之后、一年之后會有一個怎么樣的表現(xiàn)？這個是大家可以想像的一個空間。
當然，我們 AI-DR 不僅僅是看肺結(jié)節(jié)，我們實現(xiàn)了20多個標簽的人工智能的輔助篩查，其中有一些標簽我覺得是大型三甲醫(yī)院的醫(yī)生特別看中的，包括一些骨折的識別，氣胸的識別，還有肺間的氣胸，其實不仔細看還是容易漏的，氣胸如果一旦漏診的話，其實后果還是比較嚴重的。
所以，從 AI-DR 這個產(chǎn)品的角度去想一想，對于醫(yī)生、患者、醫(yī)院有什么樣的意義。
首先，對于社區(qū)醫(yī)院而言。醫(yī)生的經(jīng)驗或者診斷能力一部分來自學校的訓練，另外一部分來自于實際病例累積的經(jīng)驗，但是我們到了這種社區(qū)醫(yī)院，發(fā)現(xiàn)的是每天也就這么幾個病人，他沒有辦法積累大量的經(jīng)驗。
所以，對能力的提升有一個天花板。然后對于大型三甲醫(yī)院的醫(yī)生又是怎樣呢？
我覺得目前胸片科還是很大量的，基本上每個月是4萬多的 X 線的診斷，我覺得45%的比例都是 X 線的胸片。
對于大醫(yī)院的放射科醫(yī)生來講，他們每天基本上只能花1-2分鐘的時候去完成 X 線報告的工作，所以，有些病變我覺得醫(yī)生是不能夠發(fā)現(xiàn)的，需要更多的時間，比如說去調(diào)整影像，仔細去看不同的疑似是病灶的地方，但是這個就需要花相當多的時間，對于醫(yī)生已經(jīng)那么繁忙的工作量來講，就沒有辦法去很好的實現(xiàn)工作的精度要求。
對于病人來講，我們大部分去醫(yī)院的人群，其實按照人疾病的發(fā)展的一個過程，咱們基本上可以分為 Symptomatic (有癥狀）、 presymptomatic (早期癥狀）或者是 asymptomatic (沒有癥狀）亞健康的狀態(tài)。我覺得對于北上廣這些發(fā)達的地方，大家對于一些 presymptomatic 或者 asymptomatic 階段的身體還是比較在意的，會去采取措施讓自己變的更加健康。但對于很多人來講，他們只是在 Symptomatic 階段才去進行影像檢查還是醫(yī)療干預(yù)。所以，對于病人來講，怎樣通過在 Symptomatic 階段，當他就近去到醫(yī)療機構(gòu)，只有 X 線的診斷設(shè)備的時候，能夠給到他最好的服務(wù)。
然后我們也在聊醫(yī)療體系，我覺得大家現(xiàn)在大方向還是會越來越變的更加先進，一定會越來越多的采取像MRI CT這樣高端成像的技術(shù)去實現(xiàn)病灶的檢出。
但是目前的現(xiàn)狀來講，我覺得X線設(shè)備的普及率還是非常高的，就現(xiàn)在設(shè)備的現(xiàn)狀來講，我們怎么樣能夠通過人工智能技術(shù)來進一步提高天花板。
其實我們推想科技6月份也是來到了日本，這里分享一點我們在日本的觀察。
日本醫(yī)生他們就是技師，技師就是拍片，然后放射科醫(yī)生是需要跟患者進行溝通的，其實放射科醫(yī)生大部分時間是在跟患者一起去聊，說我在你的影像上看到了什么，我覺得是什么，我覺得你接下來的干預(yù)會是什么樣，我給你什么樣的一些建議，他們會花大量的時間去跟病人去做溝通，其實是在其他國家和地區(qū)，放射科醫(yī)生是有這樣的一些職能，我覺得人工智能是可以在重復(fù)勞動上解放醫(yī)生的精力，然后讓醫(yī)生有更多的時間去跟患者接觸。然后提供一些更優(yōu)質(zhì)，更Personalized個性化的一些服務(wù)。
我的分享就到此為止，謝謝大家。
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。
