影像科刘再毅教授:助推精准医学,AI的“能”与“不能”

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

影像科刘再毅教授:助推精准医学,AI的“能”与“不能”

当下人工智能概念火热,尤其是在医疗领域。未来人工智能与医生之间的关系成为科技圈和医学界热议的话题。

围绕这一话题,此前雷锋网对广东省人民医院影像科副主任刘再毅教授进行了一次专访,访谈中刘再毅教授指出了当前医疗AI存在的诸多问题( 影像科刘再毅教授自述:为什么我是AI医疗的「旁观者」? )。

近日,在2017 小蛮腰科技大会全球移动开发者大会暨人工智能高峰论坛上,刘再毅教授再次谈到了自己对于医疗人工智能的理解和认识。他表示,要了解未来人工智能与医生之间的关系,首先要弄清楚放射科医生究竟是做什么的。

刘再毅教授认为,放射科医生的工作就是为临床医生的临床决策提供辅助指导。具体来说主要有以下几个方面:

病灶检出。 比如根据病理影像观察病人的肺部有没有病变,很多影像公司正在尝试用人工智能进行肺结节筛查。

定性诊断。 比如判断病灶的良恶性;患者病情的严重程度,是处于早期还是晚期。

治疗规划。 比如病人的肝脏造影中有一个异常的血管,但它不是病变而是变异。那么放射科医生就要提醒临床医生注意,否则如果临床医生将其意外切除了,后果将非常严重。

此外还有 疗效评估、指导活检 等等。这些都需要放射科医生通过肉眼观察并做出判断。人工智能还远远没有达到能替代放射科医生的程度。

如何挖掘医疗大数据

但为什么有这么多人研究人工智能在医学领域的应用呢?因为我们已经迈进了精准医学时代,医生不仅要判断病人得了什么病,还要提供精准化的治疗方案。2015年,奥巴马提出了“精准医学计划”,很多专家也表示,要通过对组织基因测序、临床病理信息以及可穿戴设备等手段采集到的个人信息进行分析,对医疗大数据进行挖掘,才能实现精准医学。而这个过程就可能需要用到人工智能。

那么医生究竟是如何通过大数据挖掘来给病人提供精准化治疗方案的呢?下面我们用一个例子来说明。

影像科刘再毅教授:助推精准医学,AI的“能”与“不能”

上图是两例非小细胞肺癌患者的CT扫描影像。两位患者年龄相仿,临床分期都是IB期,针对这类病人需要进行手术治疗。但在提倡精准医学的时代,病人手术之后,医生还需要评估病人的预后情况:什么时候可能复发?什么时候可能死亡?假如医生能够准确地预测复发概率,就可以对病人进行积极干预治疗。

那么,医生究竟该如何预测呢?刘再毅教授介绍道:“我们做了一些研究。通过对病人的影像数据进行挖掘,我们发现病人的影像表型是由基因决定的,反过来我们也可以根据影像表型推断出病人的基因情况,从而可以挖掘影像及临床信息进行患者预后的个体化预测。”

医生或者工程人员拿到影像数据之后,首先要建立相应的模型,之后就可以预测某个病人癌症转移的概率是95%还是5%了。这和医生的主观判断方式完全不同,但意义十分重大。相关的研究成果已经发表在了顶级医学期刊上。

去年,行业内发表了两篇关于用深度学习进行医疗数据挖掘的论文。其中一篇是关于皮肤病的研究,其研究成果达到了21个专业皮肤科医生的水平,非常厉害。另一篇是谷歌团队做的关于糖尿病视网膜病变的研究,发表在JAMA杂志上。论文中提到,AI可以达到97-98%的准确率。但这是否意味着AI能够取代医生了呢?

影像科刘再毅教授:助推精准医学,AI的“能”与“不能”

上面是一张新兴技术的Hype Cycle曲线图。曲线显示,深度学习的发展还处于第二阶段,距离成熟应用还有2-5年时间。但刘再毅教授结合自身的研究经验,认为影像及临床数据的挖掘非常复杂、麻烦,包含很多的不可控因素。比如,对于CT影像,不同的机型和扫描方式都会对结果产生非常大的影响。因此深度学习在医疗领域的应用必须慎之又慎,说不定还需要5-10年的时间。

新医学杂志是非常顶级的医学杂志,最近该杂志发表了一篇文章,认为医疗行业必须充分了解人工智能的缺点和优点是什么,才能真正将其应用到临床当中。

医疗人工智能还存在几点不足

前面提到,谷歌团队关于糖尿病视网膜病变的研究成果很厉害。但据雷锋网 (公众号:雷锋网) 了解,JAMA杂志同时也指出了几点问题:

首先是数据量的问题。 据雷锋了解,这项研究用到了128000张图片,可以说是非常多了。但其中严重的病变事实上只有200多个,这是远远不够的。

疾病种类繁多,谁能保证病人检测出不是糖网后就不需要看医生了?一个模型是无法解决所有问题的,我们还需要更加庞大的数据量。

而且, 一项研究成果究竟好不好,不是工程人员说了算,也不是数据漂亮就行,而是要经过一系列的验证。 任何新药临床应用之前,都需要经过一系列的研究和验证,证明安全、有效之后才能在临床中应用。人工智能同样如此。

AI系统——比如糖网诊断系统应用到医院的诊断流程中之后,对于其诊断结果医生到底该不该相信呢?如果系统给出了一个病变结果,医生是否还需要再看一遍呢?这些问题都值得行业深思。

刘再毅教授以肺部结节筛查为例,还举了一个很生动的例子:一个患者今年初做肺部CT体检,医师报告诊断肺部未见异常。如果用现在工业界很多公司做的肺结节筛查系统来做检测,估计也是显示肺部筛查正常结果(因为他们的软件多针对肺部进行分析)。但事实上,他的肺部影像是这样子的:

影像科刘再毅教授:助推精准医学,AI的“能”与“不能”

开发AI系统的工作人员懂不懂这些影像非常关键,因为开发出来的系统不能只会检查肺部,还要确保其他地方不出问题。现有的肺结节筛查系统大都只重点关注第一张图片,只看肺部。但医生在检查的时候还要看第二张图片,观察软组织、纵膈有没有淋巴结肿大。此外,还要观察骨骼(第三张图像为骨窗),看有没有转移或其他病变。所有场景和情况都要考虑进去,因为一旦漏检,医生是要担责任的。

比如上图中的最后一张影像,有经验的医生一看就知道,胰尾有问题。但当时 医生由于只看了肺部,没注意其他部位,就漏检了。如果AI系统只是针对肺的检测,估计也不能检出胰腺的病变。

这对AI来说既是机遇也是挑战。未来我们能否用AI帮助医生发现上图中的病变呢,即使无法诊断,能对医生进行提醒也是好的。

刘再毅教授此前在接受雷锋网采访时指出, 人工智能在医疗领域的应用必须充分全面,不能只针对单一场景。 因为医疗的对象是人,人的生命只有一次,一旦犯错就无法弥补。

那么,假设未来我们能够研发出非常优秀的机器人——就像电影《异形》里展示的那样,病人躺在机器里,机器就能自动完成手术。这时候,AI是否就能够取代医生了呢?

刘再毅教授认为,这还不够。他说道:“ 医生和医学应该富有人文情怀和温度,而这些东西在机器上是缺失的。

医生常常需要安慰病人。比如,有一个两岁的小女孩得了病要做手术,进到手术室后她非常恐慌。假如在这种情况进行手术,效果肯定不理想,而且可能会给小女孩造成心理阴影,影响她今后的成长。这时候医生想到一个办法,给小女孩看她父亲拍给她的视频,趁她注意力分散的时候进行麻醉。最终,手术效果非常好。

看完这个故事,我们不禁要问自己,机器真的能完全替代医生吗?假如我以后去看病,是选择相信医生还是冷冰冰的机器呢?答案不言而喻。

人工智能一定会给医疗行业带来改变

但这并不意味着人工智能毫无用处。刘再毅教授引用马里兰大学教授Eliot Siegel的话说道:“人工智能短期内替代医生是不太可能的,但它一定会给医疗行业带来改变,比如改变医院的工作流程。”

现在医院看病,一方面患者抱怨“排队三小时,看病三分钟”;另一方面医生也很累,需要看很多病例,手写很多材料。假如人工智能可以帮助医生收集、分析信息,医生就能腾出更多时间和患者交流。多交流3分钟或者10分钟,最终取得的效果肯定是不同的。 改变医生的工作流程也是人工智能的意义所在。

此外,人工智能还可以促进精准医学的发展。所谓精准医学,不是指针对每个患者开发一套设备或者一种药品,而是对患者的病情进行精准的量化,并提供个体化的治疗方案。比如,高危的肺癌患者需要化疗,低危的就没有必要化疗。

具体到医疗影像领域,则是影像的量化,通过挖掘和融合影像、基因和病理等临床信息,指导临床决策。现在很多从事图像分析的企业正在进行这方面的研究,未来前景非常光明。

最后,人工智能还可以用于发现基因标志。比如,EGFR突变的患者才可以采用TKI治疗,但有些基因标志医生拿不到,又不能老是做穿刺。这时就可以通过人工智能影像获取基因的标记物,并进行相应的治疗,这是非常有价值的。刘再毅教授认为,人工智能将改变医生的工作和生活,起到互补的作用。

医学影像行业发展至今不过100多年,短短100多年的时间里,从结构影像发展到了功能成像,彻底改变了医疗行业的进程。现在,离开了影像外科医生就不敢做手术,可见其重要性。但目前医疗影像还是以信息采集分析为主,未来随着时间的推移,将进入数据挖掘阶段。

到时我们可以把影像、病理、基因、临床检查等数据结合起来,用人工智能进行分析挖掘,最终实现精准医学的愿景。

过去我们经常讨论,人工智能时代来了,谁是赢家?医生还是公司?都不是,事实上获益最多的应该是病人。只有病人能够从人工智能中获益,我们所有人的努力和工作才有价值。

随意打赏

ai教程ai医学影像ai
提交建议
微信扫一扫,分享给好友吧。