AI医生成才记

近日，全球首场神经影像领域“人机大战”的结局超出了人们的预想。其中人类战队由神经影像领域的顶尖专家、学者以及优秀的临床医生共25名人员组成，与他们对战的是北京天坛医院“神经疾病人工智能研究中心”和首都医科大学人脑保护高精尖创新中心共同研发的AI辅助诊断系统“BioMind天医智”。

总决赛现场，AI选手以高出20%的准确率战胜了神经系统疾病诊断的“最强大脑”。这颗医学界的新星究竟有多大本事？

战胜25位人类医生

当天的比赛被分成了两个组别，A组进行的是颅内肿瘤磁共振检查（MRI）影像判读；B组进行的是脑血管疾病CT影像判读及血肿预测。前者要对脑肿瘤作出定性，后者需验证脑出血第一次血肿扩大的风险。

在首轮比赛中，15位参赛医生每人对15例影像进行判读，共225例。同时，AI选手耗时15分钟判读相同数量的病例，准确率最先显示为87%。又过了15分钟，计时结束，人类战队的成绩定格在66%。

这一结果并没有打击医生们的自信心。事实上，在第二轮比赛中，10位医生不仅率先完成判读，还就其中不确定的答案进行了二次矫正。不过AI选手最终还是以83%对63%的准确率再次获胜。

与AlphaGo战胜围棋九段选手一样，以上结果并不意味着AI的智力超越了人类，只是它们更勤奋，学习速度和稳定性都可以达到极致。

练就“火眼金睛”

人工智能与医疗的结合是解决医疗“痛点”的新机遇，将AI应用在医学影像的辅助诊断上意义重大。

一方面，医疗数据中有大量数据来自医学影像，但这些数据几乎全部需要人工分析，而相应的医疗从业人员却非常短缺。AI能把医生从一部分低附加值、重复性的工作中解放出来，比如“BioMind天医智”系统正式被应用后，至少可以替代医生20%的工作时间。

“AI+神经影像”的模式需要加强的是对医学影像数据的内容解读，以帮助医生进一步提高影像诊断的精准度。经过上千病例的训练，“BioMind天医智”能在影像中看到医生肉眼看不到的疾病发展征象，给出更精准的判断提示。

跟上医生的思路

AI学习医学影像的具体方法是通过深度学习结合先验知识对模型进行训练，过程中需要有经验的医生将医学图像进行标注，程序员将图像的数据注入深度学习，再留下样本进行测试。

不同部位的算法的基本框架大同小异，有所不同的是数据需要预处理，比如分割、配准、标注。设置好预处理方式有利于提高深度学习的效率。

为了让AI跟上医生的思路，一般以医生的经验为主，程序员做出工具，帮助医生做分割和标注的工作。目前“BioMind天医智”在部分脑瘤的磁共振影像诊断上，准确率已达到90%以上。根据计划，“BioMind天医智”系统还将覆盖更多头部疾病的辅助诊断，包括脑肿瘤、小血管病变、大血管病变、脑卒中等，因此，AI还需拓展学习领域。

AI医生仍需突破创新

事实上，AI目前正在学习使用多模态数据监测。所谓多模态数据监测就是让AI能像医生一样，利用各种影像和临床数据，比如生化指标、遗传基因，甚至是疾病史、生活习惯、生活环境等信息作出综合判断，辅助更多的医疗决策。但即便AI医生读片又准又快，也依然无法令人满意。

AI医生的强大和准确是建立在对已知的病例、特征、表象等的学习之上，如果接诊的病例稍不同于既有的肿瘤特征和表象，AI医生就会不知所措。离开了人们教给它的已知内容和运行程序，AI医生就会出现无法诊断或者错误诊断的情况。

另一方面，AI医生所拥有的技术上的优势并不能解决医学所面临的人与人关系中的情感和人文关怀问题——AI医生目前无法察言观色，也无法安慰、鼓励人。（据中国科学报、光明网）