重醫附一院放射科主任呂發金：成熟的醫療AI產品必須打破病種界限，應用於醫療全流程
“如果把看片子的工作都交給機器，醫生便可以拿出70%以上的時間跟患者做有效溝通，那麼患者就醫體驗將大大優化。”在回答動脈網（微信號：vcbeat）記者提出的醫生是否擔心被機器替代的問題時，重慶醫科大學附屬第一醫院（簡稱“重醫附一院”）放射科主任呂發金這樣回答。
實際上，當體量不斷增大的患者群體只能共享總量十分有限的醫療資源時，排隊一上午、問診五分鐘的現象不足為奇。對於一些常見病症，人們靠生活常識輔以醫生的簡單叮囑即可慢慢康復。而對於重大疾病，人們則往往束手無策，事無鉅細都需要遵醫囑。以肺癌為例， 肺癌是我國癌症發病率、死亡率最高的疾病，在現有診斷模式下，超過7成患者在被檢查出罹患肺癌時，已經是晚期，肺癌5年生存率僅15.6%。此時，如若 醫囑需求得不到滿足，後果無疑是致命的。醫療AI具有高速處理海量資料的能力，可以適時把醫生從重複的工作中解放出來，逐漸得到醫療機構認可。
醫療AI滿足醫療需求的能力究竟如何？醫生對醫療AI的態度又是怎樣？帶著這些問題，動脈網再度專訪了呂發金主任。
醫療 AI相繼 落地，臨床需求更具體
重醫附一院接入醫療AI的契機是陡增的職工肺癌篩查需求。2016年，重醫附一院著手對全院職工進行肺癌篩查。第一年完成2000多人的篩查工作，共篩查出22名早期肺癌患者，超過1%的肺癌檢出率讓更多人重視肺癌篩查。
到2017年，參與肺癌篩查的員工數量便驟然增至6000餘人。而每完成1例肺癌篩查，醫生便需要快速瀏覽超過600張醫學影像，6000餘人肺癌篩查的工作量可想而知。然而，放射科醫生只有40人，其中包括18名無法全天候讀片的專家。如果完全採用人工讀片，無異於挑戰極限。
2017年初，重醫附一院通過嚴格的篩選和驗證，引進了一批准確性高、操作性強的醫療AI產品。依圖醫療的care.ai TM 肺癌影像智慧診斷系統（簡稱“care.ai TM ”）也在列其中。從那時起，醫院的肺癌篩查工作進入了快車道。
目前，多款在已經實驗室環境中得到驗證的醫療AI產品相繼在臨床流程中落地，一些三甲醫院的放射科甚至出現了醫療AI扎堆的局面。對於這一現狀，呂發金主任認為應該一分為二地看。
一方面，醫療AI滿足醫生日常工作需求的作用應該給予肯定。呂主任指出，部分醫療AI產品解決了可操作性問題，能夠在一定程度上承擔影像科醫生的重複工作。以care.ai TM 為例，作為國內首款直接嵌入臨床工作流的醫療AI產品，care.ai TM 可以對接院內RIS和PACS，讓醫生得以不改變使用習慣，在自己的電腦上智慧讀片，體現了較高的使用者友好性。
另一方面，醫療AI對臨床醫療需求的覆蓋程度還有提升的空間。目前，醫療AI的應用主要集中於單病種診斷，如肺結節的檢出等，在更為廣闊的單科室任務解決方案上還處於初級階段。以肺部疾病為例，呂主任認為，醫療AI未來應當能夠服務於整個肺部多種疾病的檢出，並給出結構化報告。
滿足臨床需求，依圖醫療 2 年內迭代出第三版產品
呂發金主任告訴動脈網，進駐重醫附一院的4款醫療AI產品在服務臨床工作流程中都達到了預期的目標。其中care.ai TM 由於準確性高、使用者體驗度好，在一線醫生中頗受歡迎。
care.ai TM 於2016年正式上線，至今已經推出第三代產品。從第一代care.ai TM 到第三代care.ai TM ，依圖醫療的研發團隊不斷運用醫生思維優化產品，投入超過百萬資料以訓練系統。截至目前，care.ai TM 的 敏感性超過95%，擁有超過92%的報告採納率。
實際上，醫療AI在經歷廣泛的落地實踐後，通過海量臨床資料的學習，效能逐漸受到醫生的認可。呂發金主任舉例道，“ 肺結節篩查一開始只有敏感性、特異性等資料，後來又增加了結節體積測量、歷史影像對比等功能。 ”
依圖醫療表示，其契合臨床需求來快速迭代產品，第三代care.ai TM 的高準確性背後低誤報率、高非實性結節檢出率和高複雜解剖結構結節檢出率的三大技術特點作為支撐。
> > > >
低誤報率
care.ai TM 運用3D分類演算法和升級版ResNet網路技術，極大解決血管等病變誤報問題，運用，加強特徵抽取能力，解決了特定大小結節誤報、漏報的問題，使得整體誤報率降低75%。
> > > >
高非實性結節檢出率
care.ai TM 嘗試利用CycleGAN演算法將實性結節轉變成非實性結節，從而解決非實性結節資料不足問題，實現對非實性結節病灶的充分系統訓練，非實性結節檢出率提升50%。在臨床真實環境研究中，care.ai TM 的磨玻璃漏檢率結節只有0.7%，而副高級別醫生的漏檢率超過4%。
> > > >
高複雜結構結節檢出率
care.ai TM 使用Pix2pix-GAN演算法，創造性地使用少量資料+手動3D繪畫，生成複雜結節結構，從而解決複雜解剖結構結節資料不足問題，對複雜結構旁病灶，如肺門旁結節、血管旁結節，進行充分訓練。
此外，第三代care.ai TM 擁有獨特的結節導航技術，能夠快速、準確定位結節，多角度進行結節觀察，並基於對結節的體積、密度、表徵、位置、倍增時間等資料的分析而做出腫瘤惡性概率評估、相似病例推薦和量化隨訪分析。
呂發金主任指出，儘管說機器替代醫生還為時尚早，但醫療AI 未來可以進行肺癌的多學科智慧診斷，也驗證了醫療AI強大的學習能力和廣闊的應用前景。
醫療AI亟需打破病種界限
目前，由於一些客觀原因，醫療AI在臨床場景的落地仍侷限在醫學影像的輔助診斷，尤其是肺結節的輔助診斷。要實現成熟的醫療AI，AI產品需應用於醫療全流程，必須打破病種的界限，才能真正智慧化再造醫療流程。
據呂主任介紹，醫療AI介入以後，重醫附一院肺結節檢查分為機器初檢和醫生複檢兩個環節。這反映了醫療AI的智慧化程度尚不夠高，需要醫生的額外勞動來彌補技術的缺陷，降低了醫療效率。
然而呂主任相信，未來醫療AI將在醫療一線和基層醫療機構中發揮重要作用。隨著人們健康管理意識的提高，越來越多的人會定期接受體檢，醫療AI可以替代醫生在疾病篩查中的工作。
以重醫附一院為例，體檢中心每日接待近百名體檢患者，後臺生成數以萬計的各種醫學影像讀片需求。如此龐大的工作量，若能夠被AI消化，醫生便可以騰出大量時間解答患者疑問、溝通治療方案。
注：文章中所涉及care.ai TM 相關資料由依圖醫療提供並確認。