新冠病毒疫情发生后，新型科技的力量正越来越广泛地加入战“疫”场，发挥着特殊的“助攻”作用。2月4日，中国工业和信息化部发布智能抗“疫”的倡议书，组织人工智能企业积极应对疫情防控。

其中的工作重点之一，就是充分挖掘新型冠状病毒感染肺炎诊疗以及疫情防控的应用场景，攻关并批量生产一批包括辅助诊断、智能化设备等在内的人工智能产品，提高管控工作效率。在此期间，人工智能辅助诊断产品与医疗影像的结合应用其中，多家科技企业提前复工研发推出了“AI+CT”一类的技术应用，在武汉、北京、上海等全国多地落地使用，成为击疫情防控的有力武器。

就此，英国华人医疗信息协会采访了国际知名的人工智能专家邵岭博士，借此机会初窥医学影像AI。

邵岭博士：

阿联酋起源人工智能研究院CEO兼首席科学家

默罕默德·本·扎伊德AI大学（世界首所人工智能大学）执行校长

Q1：请您就AI影像诊断为我们做一个简单的科普，AI影像诊断目前在那些场景中已经得到应用？未来将如何发展？

A：随着AI 技术的不断成熟 ——通过深度学习能够自动寻找特征，于是医疗影像成为人工智能最有可能落地的领域之一，2017年被认为是医疗影像+AI的集中爆发年。大量深度学习平台及框架开源降低了基础算法实现的技术门槛，这些开源包大幅降低了应用深度学习算法的难度，创业公司也可以利用这些开源包将深度学习应用到医学影像诊断领域，基础算法的实现门槛大幅降低，可更加高效的专注于应用层面的算法优化。

医疗AI有助于提升影诊断的工作效率，减轻医务人员工作负担，减少误诊漏诊现象的发生，尤其是能为大规模流行性疾病的早筛提供有力技术支持。

其核心功能主要体现在五个方面：一是通过深度学习技术训练模型，进而对病灶进行分割检出；二是利用形态学参数，对病灶进行定量分析；三是通过分类算法，对病灶进行准确分类，比如结节、肿瘤等；四是对病灶进行定性分析，比如对肿瘤的良恶性进行倾向性判断；五是可基于AI诊断结果结合临床经验自动生成结构化报告。

AI医疗影像除了提高X光、CT、磁共振等影像检查的工作效率和准确度外，其他的应用场景也是比较丰富的。

作为肿瘤三大主要治疗方式之一，放疗在肿瘤治疗中的地位越来越重要。随着三维适形和适形调强等精确放疗技术的发展和广泛临床运用，其中精准的靶区范围的确定和勾画在放疗中非常重要。基于深度学习算法的智能勾靶功能，可以全面提高靶区勾画的效率和准确度，将原来要几个小时的工作量缩短到几十分钟。

病理诊断是医学诊断的“金标准”，是医生对病人进行正确治疗的基石，病理医生更素有“医生的医生”之称。AI的引入可以低级别医院，经验相对欠缺的病理医生提供诊断建议、提供教学帮助，同时也可以分担医生繁重而简单的工作（如寻找淋巴结的转移癌、病原体等，定位后人工复核）以及计数指标的判定、免疫组化阳性强度的判定以及分子病理的判定等。

目前，医学影像诊断的现实情况是影像数据量足够大但医生短缺。我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，其间的差距是23.9%，放射科医师数量增长远不及影像数据增长。这意味着放射科医师在未来处理影像数据的压力会越来越大，甚至远远超过负荷，因此医学影像AI的应用存在客观需求，但现阶段仍然面临一实际的困难，比如CFDA的认证，数据的获取以及医生固有的职业习惯等等。

医学影像AI硬件上主要包括医学影像设备、独立影像中心、线上影像平台、影像信息化系统等。政府可以通过鼓励公立医院采购国产医疗设备；加强医疗信息化建设基础，构建云端医疗数据库，推动医疗大数据的应用开发；全面推进分级诊断，鼓励民营资本流入建设独立检查检验中心、远程医疗等政策促进我国医学影像AI的发展。

 Q2：为什么AI影像诊断与CT结合在诊断肺部疾病方面潜力巨大？

A：一是显著减少时间成本。以CT影像的量化评估为例，现在大多数医护人员采用的是手工勾画ROI的方法，类似于PS中的手动描边和抠图，每个患者需要勾画三四百张的CT影像，往往需要五六个小时的时间才能完成。而一位患者从入院观察到治愈出院，一般需要拍摄四次左右的CT影像，使得放射科医生的工作量巨大；

二是提高诊断精度。以当前的新冠肺炎为例，疫区的医生或许可以凭借繁多的病例“熟能生巧”，花上5-10分钟的时间就能从CT影像中确定患者的病情。可对于非疫区的医生而言，由于接诊相关病历的经验少，在确诊过程中经常会举棋不定，直到核酸检测显示阳性后才敢确诊，其中犹豫和等待的时间，可能造成交叉感染乃至是家庭聚集性传播。此外，由于各个地区医疗设备和条件差异，使得医生经验水平参差不齐。在如此繁重的工作压力下，即便是阅片无数、经验丰富的专家，也无法保证看片时不会漏看，而医生最担心的就是漏看，因为即使95%的结节都没问题，但漏了一个可能就会带来严重后果。因此，利用AI技术与CT影像可以保证尽可能检测出所有肺部结节，避免任何遗漏。

Q3：在对新冠肺炎的诊断中，为了尽快将疑似患者纳入治疗，曾一度将病毒核酸检测阴性但具有典型临床症状和CT表现的患者作为临床诊断病例。AI影像除提高诊断速度外是否还能有助于提高诊断的特异性？

A：可以。核酸检测受到采集技术、采集部位、试剂盒质量以及疾病不同阶段影响，存在较大概率的假阴性。而CT敏感性极高，只要肺内有病灶，CT检测基本都能够发现。所以只要CT符合新冠肺炎表现，将病人作为临床诊断病例隔离收治准确性很高，具有一定合理性。但由于异病同影现象，CT存在假阳性的几率，过度依赖CT有可能造成误伤。另外，核酸检测阳性，也就是确诊的病例也可能在CT上表现正常，这是疾病表现复杂性多样性造成的，这类病人不存在肺部炎症，可以称为新型冠状病毒感染患者，是否可作为CT的假阴性，有待商榷。CT作为重要的诊断依据，特异性越高，诊断价值越大，它和核酸检测是相互印证的关系，不能对立。通过AI技术，建立客观、统一的阅片标准，系统具备了高效、精准的微小病灶检出能力，还能检测出肿瘤分期检查中的原发肿瘤部位、大小及数量，是否存在转移灶等。AI系统不受疲劳、情绪、经验等客观因素的影响，可以全天候“服役”，因此出错率远远低于人眼识别。此外，AI系统能基于大规模数据学习更加可靠的诊断模型，使得能识别不发病和发病CT影像之间的细微差异来提高诊断的特异性。

Q4：AI影像诊断还具有哪些优势？在科研方面具备哪些价值？目前的重难点是什么？还将面临哪些挑战？

A：除了前边谈到的，AI影像诊断主要有二个优势：一是利用AI的感觉认知能力对患者的影像进行识别，获取重要信息，可为经验不足的医生提供帮助，提高其判读医学影像的效率。二是基于深度学习，通过大量已有的影像数据和临床诊断信息训练人工智能系统，使其具备诊断疾病的能力，辅助临床诊断，可以降低漏诊误诊的概率。

在科研方面，主要还要研究5个问题：小样本问题；样本类别不平衡问题；模型泛化能力差问题；模型中的可解释性问题以及模型的伦理和数据共享问题。

目前的难点和挑战主要有：一是AI影像基本是基于单病种图像标注形成的模型，尚没有符合临床使用场景的产品，产品集中于少数几个病种，难以覆盖全部医学影像问题，以及模型泛化能力差。二是数据的质量和数量挑战。比如，对于中国医疗人工智能企业而言，市场中有大规模潜在的数据，但是却无法被整理、利用起来。同时，虽然中国医院内的数量庞大，但75％以上是非结构化的，并不能发挥出“大数据”挖掘的价值。三是数据的隐私和安全挑战。鉴于普遍存在的黑客攻击和数据泄露问题，人们将不会有什么兴趣使用有风险泄漏患者病历细节的算法。此外，也存在故意攻击算法以造成大规模伤害的风险，比如为糖尿病过量使用胰岛素或刺激除颤器在心脏病患者的胸腔内放电。通过人脸识别或基因序列从大规模数据库中识别个人身份的可能性正越来越高，这又会进一步阻碍对隐私的保护。与此同时， 生成对抗网络也可能模糊真相，几乎有无限的操纵内容的可能性，从而可能对健康非常不利。

Q5：在此次疫情中，中国积累的大数据可能对世界带来哪些帮助？将有哪些潜在的合作机会？

A：中国学者已在线出版多篇关于新冠肺炎方面的学术研究和临床诊断论文，这些论文一方面可以为海内外学者提供科研帮助，另一方面能为全世界医生提供临床指导，为他们提供宝贵的临床诊断经验。

中国累计的大数据也有助于AI系统训练更加鲁棒的模型，完成肺部疾病早期诊断、精准结节定位。AI系统可以提供为全世界病人提供远程诊断、方案会诊、全天候症状监督等工作。

中国积累的大数据可以和全球进行多层面的合作。一是数据共享：无论是对AI的初始训练还是对算法的验证和改进，数据都是核心依托。类似于像Cardiac Atlas Project，Kaggle数据科学杯赛 （Data Science Bowl）等国际项目，中国积累的肺炎大数据也可以建立一个公开的数据平台。二是技术合作：新冠肺炎病毒及类似病毒的传播速度很快，然而相关疫苗和药物的开发进展却相对缓慢。应对这样的挑战，全世界政府、研究机构和企业可以携手技术合作，帮助降低生物科技及制药公司的财务风险和技术障碍，从而研发针对新冠肺炎的抗病毒药物。

如果您对新型冠状病毒感染疫情也有自己的看法、思考和分析，欢迎投稿至：[email protected]。

了解全球抗疫的最新前沿动态，请点击链接，进入“新冠疫情下的中国与世界”专题主页：