大数据时代下，肺结节AI医疗该何去何从？

“中国人的肺结节不够用了”。

得知西南地区某著名三甲医院的PACS（Picture Archiving and Communication Systems）接入了7家人工智能企业的肺结节智能影像诊断系统时，一位影像医师戏谑地谈到现在的情况。

鲁迅曾说，世上本没有路，走的人多了，自然就有了路。但在肺结节的人工智能检出上，中国的初创企业们已经踩出了一条京沪高速。诸多AI厂家竞争激烈的核心医院，一个放射科室摆上4－5家AI厂商的服务器已稀松平常。

截至2018年7月的不完全统计，仅在肺结节筛查领域，拿出具体产品的人工智能企业就有20余家，大部分拿到风险投资，而更多海归博士、科研院所、医院专家团队正在摩拳擦掌，跃跃欲试。

大家都奔向了同一个目标。

从需求端来说，中国年新增肺癌患者数量全球第一，年肺癌因素死亡人数全球第一，早筛需求旺盛，低剂量螺旋CT正被广泛推广；而从图像质量上来说，胸部CT图像分层薄、视野清晰、干扰因素少、病灶特征规律可循，是智能影像判读的理想用武之地，加之中国影像医师的稀缺及国家政策的大力推动，这一领域的应用基础堪称完美。

但中国任何一个疾病领域的需求量都会由于庞大的人口基础而显得无比巨大，真正让肺结节智能检出火起来的，是大数据时代。

2017年7月，SQuAD的负责人Pranav Rajpurkar公开了其胸部x射线检测肺炎的算法，并公布了当时世界上最大的公开可用的胸透x光数据集，该数据集包含了14种疾病的10万余张x射线主视图。

2017年10月，NIH（美国国立卫生研究院）临床中心发布了一个包含3万余患者、11万2千余张正面视线的x射线图像，以及利用NLP技术从放射学报告挖掘出来的14类疾病的图像标签，供全球研究人员免费使用。

2018年7月，NIH（美国国立卫生研究院）临床中心再次分享了一个大型CT图像数据库，包括3．2万份CT图像和展示的疾病影像学资料，以帮助科学家和临床医生增强对疾病影像学诊断的技能，AI开发人员亦可自由利用上述数据用于AI系统的训练。

对于中国医疗人工智能企业的创业者们而言，这些美国的公开数据集无异于最舒适的摇篮，为创业者们提供了丰富的数据“粮食”；通过公开数据集将AI模型的精度训练到一定水平后，投入临床，以中国海量的胸部CT图像“喂养”模型，使之性能进一步飞跃，成为当前中国医疗AI企业的普遍路径。

“对于创业者而言，最难获取的就是临床医疗数据，不管拥有多么雄厚的技术基础，市面上有多少可供借鉴的算法模型，没有临床数据拿来训练AI，一切都是无源之水。而中国国内更为庞大的CT数据基础，使得中国人工智能技术的进步丝毫不逊于其发源地——美国。”一家影像云的运营者如此表示。纽约时报（NYT）在2018年的一篇文章中，提到中国的阿里和依图，已经先于亚马逊，把AI引入医疗行业。

但与此同时，他也提醒，虽然国内AI企业创业者的起始赛道相似，但并不意味会在同一个维度长期竞争。

“正如大学生毕业后10年所取得的成就有着天壤之别，同样选择肺结节智能检出作为突破口后，研发能力的强弱、医疗行业理解的深浅、战略眼光的预见、产业格局的大小，都会影响AI企业的发展前景。”这位管理者认为。

2017年，主攻肺结节检出的各大AI企业都交出了辉煌的答卷，敏感性一路飙升，95％、96．5％、98．8％……人类肉眼难以察觉的像素差别，在AI强大的算力面前无所遁形。

然而医学毕竟不是只懂得基础函数就可以解决问题。

目前临床上为了确保影像判读的准确性，通常由一名执业医师与副主任医师共同阅读同一个患者的胸片，影像医师在读片完毕之后，还需要上级医生复查一遍，签字确认。AI的目的正是替代这个步骤中的第一环节，因为AI医生不仅“视力”极好，几乎可以看出每一个微小结节，同时，AI医生不知疲倦，不会出现视觉疲劳，看成千上万张胸部CT也不过毫秒之间。

将AI的灵敏度不断提升，理论上AI可以发现肺部的每一个结节，但是随之而来的误报率却令人头痛，是迅速将敏感性提升到极致，暂时忽略误报率？还是花费更大的力气，将敏感性与误报率同时提升到可用水平？亦或是还有更加科学准确的考核指标？

国内著名放射学家、浙江省人民医院放射科主任龚向阳教授曾表示，特异性和敏感性兼顾起来是很难的，所以很多公司在开发系统时会优先考虑敏感性的问题，在保证敏感性的前提下，提高特异性。

“敏感性与误报率确实很难兼得，极其考验AI企业的技术功底，既要保持足够的敏感性，但又要确保足够低的误报率，确保找出来的结节绝大部分是正确的，是有临床意义的，并没有外界看起来那么容易难度，依图医疗付出了艰苦的努力，在这两方面都做到了业内领先水平”，依图医疗总裁倪浩在接受媒体采访时表示，“误报一旦过高，将极大增加医生的工作压力，也丧失了AI助力临床的初衷。”

倪浩还提醒，单纯重视敏感性，忽视误报率不仅会增加医生核对影像报告的工作量，也会对患者造成极大的心理压力，甚至导致恐慌下的过度诊疗，浪费医疗资源，增加患者负担。

为了能够更加客观反映AI产品对于临床工作的促进，依图医疗引入了一个业内全新的衡量标准——结构化报告临床采纳率。

具体来说，该指标包含2个方面——“结构化报告”及“临床采纳率”。“结构化报告”不仅要求肺结节AI找出结节，更要能够包含结节大小、性状描述、良恶性征象等信息，并出具结构化的临床报告；而“临床采纳率”更为苛刻——AI生成的结构化报告到底有多少能够被临床医师不经修改直接采纳？

依图医疗公布了他们care．aiTM肺癌影像智能诊断系统在2018年上半年的临床反馈，该指标的临床表现为92％。这是一个极其优异的表现，意味着AI系统生产的结构化报告有92％得到影像医师认可被直接采纳，这一数字背后，AI系统为影像医师所节省的工作时间难以估量。

“只有将人工智能嵌入医生的临床工作流，尤其是医生认可我们的检测报告，AI对于临床工作效率的提升才是有意义的，敏感性指标非常重要，但敏感性只是起点”，依图医疗产品副总裁郑永升表示，“目前，凭借这项独门绝技，该系统不仅进入了全国100余家三甲医院，并且正在AI医疗真正需要赋能的基层医院全面铺开。”

而当肺结节的检出率逐渐逼近理论极限，所有的医疗AI企业都在思考，胸部CT的智能诊断下一步走向何方？

这个问题的本质上是在问，AI能力如何进阶，从回答“看见什么”到回答“是什么”和“怎么治”。

“一方面继续深挖肺结节检出，从影像判读走向MDT决策，另一方面，从单一的肺结节检出走向肺部多种疾病如肺炎、肺结核、慢阻肺、支气管扩张的智能诊断，以单一应用解决科室场景问题，跳出一种疾病一个AI的桎梏”，倪浩表示，“这条路会很漫长，很艰辛，但只有不断满足临床场景，才能够真正成为医生的好帮手，推动未来智能医院的建设。”

6月15号，依图医疗联合中国顶级三甲医院——华西医院发布了全球首个肺癌多学科智能诊断系统，这套系统号称“最具医生思维”的AI应用，不仅能够实现结节筛查等初级功能，更能够实现肺癌全类型病灶的诊断覆盖，综合多学科临床信息进行综合诊断，其决策依据来源于国际、国内最新临床肺癌诊疗指南，且随着临床诊疗例数的增加，将越来越聪明及富有智慧，成为基层医师提升肺癌诊疗水平，降低误诊漏诊的好帮手。

更值得欣喜的是，该产品的部分功能已经开始临床试验，接受临床的严苛考验。如果成功，将无异于医疗AI的一次伟大进步。

“就像过去人类历史上经历过的一切科技变革，人工智能也将融入医生的工作流程，与医生群体一起更好地造福广大病患”，中国医学影像AI产学研用创新联盟理事长、第二军医大学长征医院影像医学与核医学科主任刘士远教授表示，“未来已至，只是分布不均。”