我國如何應用人工智能輔助甲狀腺超聲診斷？

　　人工智能長期來看能不能取代醫(yī)生我覺得還真不好說，畢竟柯潔已經都輸掉了嘛。我感覺這個東西還是給我一定的驚喜和沖擊的。

　　這套系統(tǒng)使用起來還是很方便的，作為醫(yī)生不需要額外的步驟，我只需要和日常檢查一樣拍一張照片，機器就幫我識別了，識別完了告訴我結節(jié)在哪里，輪廓是什么樣的，同時良惡性怎么樣?？偟膩碚f還是不錯的，當然它也處在一個不斷更新優(yōu)化的過程。

　　探訪浙大第一附屬醫(yī)院——人工智能如何應用于甲狀腺結節(jié)的超聲輔助診斷?

　　醫(yī)生口中說的人工智能，是浙江德尚韻興圖像科技有限公司研發(fā)出的一套基于超聲聲象的甲狀腺結節(jié)良惡性的輔助診斷系統(tǒng)。

　　指著醫(yī)院引進的甲狀腺結節(jié)人工智能輔助診斷系統(tǒng)，浙江大學第一附屬醫(yī)院超聲科的趙主任對媒體表示。

　　對于甲狀腺結節(jié)的診斷，目前三甲醫(yī)院醫(yī)生的平均準確率為60%-70%，基層醫(yī)院會更加低一些。而輔助診斷系統(tǒng)目前準確率可以達到85%以上，德尚韻興總經理胡海蓉女士說道，由于在我國人工智能還沒有行醫(yī)資格，所以我們將其定位為輔助診療，只是給醫(yī)生提供一些參考。這個系統(tǒng)將來的市場定位是基層醫(yī)院，推廣以后能夠幫助基層醫(yī)院提高診斷的水平，有利于國家推行的分級診療政策。

　　1、為什么從甲狀腺結節(jié)著手?

　　據了解，甲狀腺結節(jié)是指在甲狀腺內的腫塊，可隨吞咽動作隨甲狀腺而上下移動，是臨床常見的病癥，可由多種病因引起。

　　大部分甲狀腺結節(jié)是良性的，但少數甲狀腺結節(jié)一開始就是惡性的，還有一部分結節(jié)會從良性轉變?yōu)閻盒?。因此，一旦體檢發(fā)現甲狀腺結節(jié)，醫(yī)生都會建議再做進一步檢查，主要目的就是分辨結節(jié)是「良性」還是「惡性」。

　　甲狀腺結節(jié)轉變?yōu)榘┑谋壤秊?%，而如果能及早發(fā)現、盡快治療，大部分患者都能長期存活下去。

　　對于為什么選擇甲狀腺結節(jié)作為輔助診斷的研發(fā)切入點的問題，德尚韻興的首席科學家、浙江大學求是特聘教授孔德興對媒體表示，甲狀腺癌目前為常見的癌癥。在對杭州女性的調查統(tǒng)計中，已經排在癌癥發(fā)病率的第一位。

　　對于甲狀腺結節(jié)的檢查目前主要依靠超聲，相較于CT和核磁，超聲的好處是便宜、靈活、實時、無副作用，所以它是普通老百姓喜聞樂見的一種檢測手段;但它的缺點是圖像不清楚、造影比較大，這對醫(yī)生的要求就比較高。而CT和核磁的優(yōu)點是圖像清晰，缺點是檢測費用高、副作用比較大。

　　從人工智能應用于醫(yī)療影像的識別或者輔助診斷的角度來說，超聲較CT和核磁難度大，我們想測試算法的性能、效率和準確度，所以選擇了超聲。同時，作為淺表器官，甲狀腺的超聲又不像腹部和心臟那么復雜，更容易做出落地的成果。

　　綜合這些原因，我們就選擇了基于超聲影像甲狀腺結節(jié)的識別和診斷，孔教授說道。

　　2、識別的原理是什么?

　　孔教授表示，該輔助診斷系統(tǒng)分為訓練和打分兩部分。

　　訓練過程類似于把一個小孩培養(yǎng)成為一個超聲醫(yī)生，它的原理依托于深度學習技術，是利用兩萬多張的有標注結果的超聲影像樣本對計算機進行訓練，使其擁有“診斷”的能力。

　　傳統(tǒng)的機器學習是人為定義特征的，比如結節(jié)的邊緣是否規(guī)則，回聲情況如何，還帶有醫(yī)生主觀的判斷標準。但是如果依托深度學習，就不需要這些人為的特征定義。

　　經過標注的樣本分為兩大類，一類是良性的，一類是惡性的。神經網絡根據標注情況分別分析提取良性和惡性各帶有的特征，而這個過程會比人眼觀察的更加細致。有些微小的特征，人眼會漏過的，機器卻不會，所以說它的準確率會高于醫(yī)生的平均水平，胡海蓉女士補充道。

　　訓練完成后，我們把這套算法和網絡參數打包為一個軟件，也就是打分系統(tǒng)，它可以部署到網上，還可以形成單機版，這部分是用普通的計算機運行的，此時醫(yī)院就可以利用它來進行輔助診斷了。

　　3、計算力

　　提及模型的訓練平臺，孔教授說到，我們是在本地專屬的服務器上進行訓練的，這方面英特爾為我們提供了很多幫助，包括至強融核計算平臺和可調用的函數庫等。

　　目前我們選擇了10臺定制的服務器，有時候計算交叉進行，有時候一臺就夠了，會有自動的切換。就甲狀腺檢測的模型訓練時間來說，用8核的服務器運行差不多要12個小時甚至更多。

　　之所以沒有放到云端上，一方面是擔心數據的安全性，另一方面在本地計算也有它獨有的優(yōu)勢，但如果以后數據量持續(xù)增加的話，有可能考慮云計算的方式。

　　4、數據從何而來?

　　大數據是人工智能的基礎，從目前的技術水平來看，沒有海量的經過人工標注的數據信息，人工智能分析的準確性就無從談起。提到很多人都關心的數據來源和隱私問題，胡海蓉說道，我們的試點醫(yī)院會有提供，目前合作的有10家，當然還有其它的渠道，比如說也會招募志愿者到一些社區(qū)進行檢查。但是不管是哪個渠道，脫敏工作都是非常重要的。

　　所謂脫敏，就是要把能追溯到個人的所有敏感信息都去除掉。比如數據脫敏后，名字的顯示類似為王某某，地址最多到杭州市西湖區(qū)，電話號碼不會保存。

　　目前脫敏技術已十分成熟，我們自己也開發(fā)了一套基于K匿名算法的脫敏技術。在國際上有些國家甚至已經規(guī)定，如果經過K匿名脫敏的話，數據的使用是不需要經過消費者和病人同意的，因為有這個技術來保證，是不會追溯到病人本身的，胡海蓉補充道。

　　5、商業(yè)模式

　　據胡海蓉介紹，目前這套系統(tǒng)的商業(yè)化還處在摸索的階段，所以收費的問題還沒有一個定論。

　　在推廣的過程中，有的醫(yī)生或者患者第一次接觸人工智能輔助診斷，由于對診斷依據不明就里，所以會持懷疑態(tài)度。所以目前我們想通過試點，讓醫(yī)生和患者使用一段時間以后，通過對比機器和人工的診斷結果，讓大家慢慢認識到這套解決方案是否可靠。

　　提到未來的商業(yè)模式，胡女士總結道，基本上是分為兩種方式，一種是通過云端，部署在網絡上的，主要提供給新疆、西藏這些偏遠的地方，因為他們的基層醫(yī)院分布的很分散。

　　還有一種是單機版，比較適合業(yè)務繁忙的體檢中心，他們往往要求實時檢測，對于兩三分鐘網絡的延時都不能接受。像這種情況，我們會部署單機版在超聲機旁邊，在掃描視頻產生的同時，就就可以對結節(jié)進行診斷。

　　6、人工智能在醫(yī)療領域落地的困難和挑戰(zhàn)?

　　雖然近年來人工智能在醫(yī)療影像方面已經取得了豐碩的科研成果，但是談到相關應用的困難與挑戰(zhàn)，孔教授認為表現在以下兩個方面：

　　第一，如何讓醫(yī)院和醫(yī)生意識到人工智能是可以輔助醫(yī)生做一些事情的，減少他們重復性、機械性的勞動，這是知識普及方面的工作。

　　第二，現在人工智能被炒作的很熱，似乎很多人都有一種錯覺，人工智能是萬能的。我建議大家一定要冷靜下來、慎重來看待。同時，我們還要在技術層面上下功夫，這又包含兩個維度，一個是數據的收集、分類、標定;另一個是算法的精度和速度。

　　只有這兩方面雙管齊下，人工智能的輔助診療才能很好的落地，這需要政府主導，醫(yī)院和研究機構相互配合才能完成。