還記得你上次為了看一個(gè)X片的結(jié)果在醫(yī)院排隊(duì)排了多久嗎？
在傳統(tǒng)醫(yī)學(xué)上，醫(yī)生需要把片子對(duì)著燈光一張一張來(lái)看，費(fèi)時(shí)費(fèi)力，而且一旦疲勞，閱片的成功率會(huì)有所下降，產(chǎn)生判斷錯(cuò)誤的概率。
不過(guò)這個(gè)問(wèn)題很快可能會(huì)得到解決。日前在央視一套一檔人工智能節(jié)目《機(jī)智過(guò)人》中，一閱片機(jī)器人幾秒內(nèi)看了三百多張CT片，連撒貝寧都驚詫懵了。
如果你對(duì)于醫(yī)學(xué)影像識(shí)別領(lǐng)域有所關(guān)注的話，2017年最有趣的事莫過(guò)于杭州健培科技與阿里巴巴iDST視覺(jué)計(jì)算團(tuán)隊(duì)，在國(guó)際權(quán)威肺結(jié)節(jié)診斷大賽LUNA16的世界記錄之爭(zhēng)。最終，健培的“啄醫(yī)生”閱片機(jī)器人以91.3%的平均召回率重回第一，并且創(chuàng)造了新的世界紀(jì)錄。通過(guò)這場(chǎng)世界記錄之爭(zhēng)，其所反映出的是我國(guó)閱片機(jī)器人這一細(xì)分領(lǐng)域的蓬勃發(fā)展。
事實(shí)上，從肺部影像人工智能診斷系統(tǒng)“天肺一號(hào)”的推出，到騰訊的“騰訊覓影”、阿里巴巴“ET醫(yī)療大腦”紛紛入場(chǎng)攪局再到閱片機(jī)器人“視診通”大戰(zhàn)84位影像科的專業(yè)醫(yī)生、“啄醫(yī)生”閱片機(jī)器人與15名三甲醫(yī)院主治醫(yī)師打成平手，方興未艾的閱片機(jī)器人已經(jīng)博得社會(huì)各界陣陣熱議，人們也在對(duì)它無(wú)限遐想。
閱片機(jī)器人真的能做到既快又準(zhǔn) ？
AI機(jī)器人憑什么能做閱片？
隨著AI在醫(yī)療領(lǐng)域的深度落地，AI機(jī)器人在大數(shù)據(jù)和算法技術(shù)的支撐之下，能夠?qū)RI圖像、CT圖像、超聲圖像等醫(yī)療影像進(jìn)行識(shí)別和處理，并且通過(guò)進(jìn)行自主學(xué)習(xí)，來(lái)不斷提高處理的能力和效率，從而能夠輔助醫(yī)生來(lái)進(jìn)行閱片診斷。
一般來(lái)說(shuō)，在喚醒機(jī)器人后，閱片機(jī)器人的運(yùn)行會(huì)經(jīng)過(guò)圖像輸入、圖像分割與識(shí)別、圖像分析和信息輸出四個(gè)步驟。圖像輸入是指將張數(shù)不等的醫(yī)療影像輸入進(jìn)閱片機(jī)器人，例如一整套CT圖像大概由200到600張切片組成；圖像分割與識(shí)別是指閱片機(jī)器人會(huì)對(duì)于輸入的序列圖像進(jìn)行算法分割與識(shí)別，標(biāo)注病灶等；圖像分析是指對(duì)于病灶進(jìn)行相關(guān)分析，包括磨玻璃的密度、實(shí)性成分占比等等，如阿里巴巴“ET醫(yī)療大腦”的智能診斷功能就是基于深度學(xué)習(xí)之后，發(fā)掘病灶的內(nèi)在規(guī)律；信息輸出指將所得出數(shù)據(jù)進(jìn)行匯總，得出報(bào)告。
通過(guò)對(duì)閱片機(jī)器人的運(yùn)行路徑觀察，我們不難發(fā)現(xiàn)其具有高效率、客觀性等特征，能夠在提高醫(yī)生診斷效率的同時(shí)，減少人為失誤率。
閱片機(jī)器人的“爆紅”為什么是在這個(gè)時(shí)候？
另外，閱片機(jī)器人的快速發(fā)展其實(shí)是與算法技術(shù)在此領(lǐng)域的成熟應(yīng)用分不開(kāi)的。閱片機(jī)器人的核心就是醫(yī)學(xué)圖像的處理技術(shù)，包含圖像的去噪、增強(qiáng)和分割等，而這背后則是算法技術(shù)的支撐。智能相對(duì)論查詢諸多文獻(xiàn)后，發(fā)現(xiàn)目前比較常用的算法有蟻群算法、模糊集合論、卷積神經(jīng)網(wǎng)絡(luò)算法以及各種算法之間的融合等。
1、蟻群算法（Ant Colony Optimization）
蟻群算法是在研究螞蟻覓食的過(guò)程之中，所得出的用來(lái)尋找優(yōu)化路徑的概率型算法。在醫(yī)療圖像處理之中，常常是基于區(qū)域內(nèi)部灰度相似性和區(qū)域之間灰度的不連續(xù)性來(lái)進(jìn)行圖像分割的。因此能夠利用蟻群算法的“正反饋”效應(yīng)以及分布式的計(jì)算方式，來(lái)完成對(duì)于輸入圖像的分割。
2、模糊集合論（Fuzzy Sets Theory）
待考察的對(duì)象及反映它的模糊概念作為一定的模糊集合，建立適當(dāng)?shù)碾`屬函數(shù)，通過(guò)模糊集合的有關(guān)運(yùn)算和變換，對(duì)模糊對(duì)象進(jìn)行分析。目前基于模糊集合論的圖像處理方法包括模糊連接度割法、模糊聚類分割法等。
3、卷積神經(jīng)網(wǎng)絡(luò)算法（Convolutional Neural Network）
卷積神經(jīng)網(wǎng)絡(luò)由人工神經(jīng)網(wǎng)絡(luò)發(fā)展優(yōu)化而來(lái)，是一個(gè)多層的神經(jīng)網(wǎng)絡(luò)，每層由多個(gè)二維平面組成，而每個(gè)平面由多個(gè)獨(dú)立神經(jīng)元組成。卷積神經(jīng)網(wǎng)絡(luò)采用了局部連接和共享權(quán)值的方式，避免了對(duì)圖像的復(fù)雜前期預(yù)處理，可以直接輸入原始圖像，并且還具有良好的容錯(cuò)能力、并行處理能力和自學(xué)習(xí)能力，可處理復(fù)雜的環(huán)境信息。據(jù)悉，“啄醫(yī)生”采用的算法就是運(yùn)用了中科大的安虹教授團(tuán)隊(duì)基于影像識(shí)別的3D卷積神經(jīng)網(wǎng)絡(luò)算法上進(jìn)行的優(yōu)化。
正是這些算法的成熟，才促成了這些“閱片機(jī)器人”性能的快速提高，也讓它“飛入尋常醫(yī)院”加快了腳步。
閱片機(jī)器人在普及之前，還需要解決這三個(gè)問(wèn)題
不過(guò)，盡管閱片機(jī)器人有著科學(xué)和強(qiáng)大的技術(shù)支撐，但要全面進(jìn)入醫(yī)療應(yīng)用階段，讓所有人都不用再去排隊(duì)苦等醫(yī)生診斷，還需要一點(diǎn)時(shí)間。目前主要的三大不確定因素主要表現(xiàn)在程序設(shè)定、數(shù)據(jù)學(xué)習(xí)和數(shù)據(jù)保護(hù)三個(gè)方面。
第一，程序設(shè)定上的失誤，可能促使誤診的大規(guī)模發(fā)生。
閱片機(jī)器人目前仍然達(dá)不到100%的精確判斷，正如開(kāi)頭所提到，目前肺結(jié)節(jié)診斷正確率的世界紀(jì)錄為91.3%，“視診通”在進(jìn)行“甲狀腺結(jié)節(jié)超聲圖像的性質(zhì)判定”時(shí)正確率也只有76%。其原因一方面是受到目前客觀科技水平的限制，另一方面則是人的主觀失誤。
正如前文所介紹，支撐閱片機(jī)器人運(yùn)行的是一整套由人預(yù)設(shè)好的程序，程序的各個(gè)環(huán)節(jié)緊密相連，前后相繼，最終完成閱片機(jī)器人的工作。而人的主觀失誤正是體現(xiàn)在程序的預(yù)設(shè)上，如果其中任何一個(gè)環(huán)節(jié)設(shè)定出現(xiàn)了紕漏，會(huì)使得最終的數(shù)據(jù)報(bào)告出現(xiàn)偏差，從而會(huì)導(dǎo)致醫(yī)生的診斷和治療方案失誤。此前強(qiáng)生CTC檢測(cè)儀器Cellsearch系統(tǒng)就被爆出存在包括X、Y、Z軸移動(dòng)超時(shí)、復(fù)位錯(cuò)誤等共37個(gè)類別的問(wèn)題，所幸儀器在問(wèn)題發(fā)現(xiàn)之前還未造成嚴(yán)重事故。
第二，急需更多有質(zhì)有量的案例，提升學(xué)習(xí)能力。
AI閱片機(jī)器人實(shí)現(xiàn)自我學(xué)習(xí)功能的根基是大量的學(xué)習(xí)數(shù)據(jù)輸入，學(xué)習(xí)數(shù)據(jù)的質(zhì)和量都對(duì)AI閱片機(jī)器人產(chǎn)生重大的影響，學(xué)習(xí)的數(shù)量越多、案例越典型，識(shí)就別的速度和質(zhì)量會(huì)越高。相較而言，目前醫(yī)療相關(guān)數(shù)據(jù)在質(zhì)和量上都存在著問(wèn)題。其一是大量的醫(yī)療數(shù)據(jù)未進(jìn)行電子化，其二則是醫(yī)院與醫(yī)院之間存在藩籬，缺失共享、開(kāi)發(fā)的數(shù)據(jù)庫(kù)。在《機(jī)智過(guò)人》的節(jié)目之中，健培科技CEO程國(guó)華透露其閱片機(jī)器人學(xué)習(xí)的醫(yī)療影像資料為十萬(wàn)套以上，而同場(chǎng)競(jìng)技的主治醫(yī)師都為二十萬(wàn)套以上。再來(lái)一個(gè)數(shù)據(jù)可能會(huì)更為直觀，戰(zhàn)勝人類棋手的AlphaGo一共學(xué)習(xí)了數(shù)百萬(wàn)人類圍棋專家的棋譜。
第三，醫(yī)療數(shù)據(jù)監(jiān)管力度不足，個(gè)人隱私保護(hù)成疑。
閱片機(jī)器人進(jìn)行診斷的醫(yī)療影像資料報(bào)告在輸出給醫(yī)生的同時(shí)，也通過(guò)信息傳輸技術(shù)，保存在了機(jī)器生產(chǎn)商的云平臺(tái)之中。經(jīng)過(guò)時(shí)間的積累，機(jī)器生產(chǎn)商所擁有的個(gè)人數(shù)據(jù)會(huì)非常龐大。而這也就意味著，在目前我國(guó)醫(yī)療數(shù)據(jù)監(jiān)管乏力的情況之下，個(gè)人的隱私將受到極大的威脅。
在去年浙江松陽(yáng)所破獲的一起特大侵犯公民個(gè)人信息案件中，犯罪嫌疑人入侵某部委的醫(yī)療服務(wù)信息系統(tǒng)，獲取各類公民個(gè)人信息達(dá)7億余條。正如和美醫(yī)療控股有限公司創(chuàng)始人林玉明所提倡的一樣，希望國(guó)家對(duì)數(shù)據(jù)立法來(lái)保障個(gè)人的隱私安全。
目前閱片機(jī)器人所取得的成就，標(biāo)志著我國(guó)在AI部分細(xì)分領(lǐng)域的突破性發(fā)展。盡管有些問(wèn)題待解，但我們依然期待機(jī)器人能縮短我們看病排隊(duì)的時(shí)長(zhǎng)，去醫(yī)院不再“難于上青天”。
