当前位置:刘伯温马会内部资料 > 邵逸夫 >

期待与困惑邵逸夫医院在医疗AI领域的创新与应用

  近日,由浙江省自然科学基金委员会发起,浙江大学医学院附属邵逸夫医院放射科联合医学人工智能联盟举办的《之江科学论坛——浙江大学医学院附属邵逸夫医院2018医学影像学高峰论坛》在邵逸夫医院举办。

  在此次论坛上,在场的医生和专家们不仅讨论了医疗人工智能在临床的应用,同时也在思考人工智能快速发展过程中给临床医生带来的困惑。与会期间,动脉网采访了邵逸夫医院三位专家,试图了解他们对医疗AI现状的应用与思考。

  作为一家四次通过JCI国际医院评审的公立三甲医院,邵逸夫医院放射科的检查量是惊人的。据放射科主任胡红杰介绍,2017年医院的CT检查达261471人次,DR检查达250808人次,磁共振检查达83107人次。其中,CT和磁共振检查量的增长率高达25%和13%,而且医院近5年来的检查人次都是以两位数的速率在增长。

  繁重的检查量给放射医生带来了庞大的工作量。2016年,医院放射科平均每天完成的CT检查为809人次,2017年增加到909人次,据胡红杰预计,在2018年将再增加100人次,超过1000人次。

  就目前的检查量而言,医生还可以按时出具报告,然而随着检查人次的不断增加,单靠人力已经不太现实,因而借助医疗人工智能辅助医生读片将成为必要的方式。自2016年以来,已经有10家医疗AI公司与邵逸夫医院放射科进行合作,共同打磨医疗AI产品。

  在这些合作的AI公司中,合作的深度各有不同。有些企业仅是将产品放在医院供医生使用,效果难以评估;有些则是在医院的PACS系统中安装了辅助诊断软件,医生使用起来相对便捷;最优的方式是AI公司安排工程人员到科室里与医生一起完善产品。

  胡红杰表示,现阶段医疗AI产品处在初级阶段,还不足以替代医生的工作。由于看病是极其复杂的过程,医疗AI只能辅助完成其中一个环节,在可标准化的重复步骤中帮助医生。比如在肺癌筛查实例中,AI主要承担肺结节的识别和良恶性的判断,而医生则负责最终考虑结节是否需要切除,以及手术后的康复、生活等问题。“虽然AI还在初级阶段,但是作为一名放射医生,要看到医疗AI的发展,未来几年,它必将改变现有医生的工作流程。”胡红杰同时说到。

  虽然医疗AI发展迅速,但是胡红杰也发现一些小问题。比如,大多数AI公司都是从肺结节项目切入,对其他领域的研发相对较少。出现这样的情况是因为肺部的筛查量巨大,以邵逸夫医院为例,每1000个CT检查中,就有40%属于胸部CT,因而肺结节筛查的市场空间是非常大的。

  但是,我们也不能忽视,除了肺结节的筛查之外,甲状腺结节、乳腺结节、肝脏占位、前列腺等异常病变的筛查也需要耗费医生大量的精力,未来的需求都很大。为了改善这些问题,邵逸夫医院除了直接使用企业提供的产品,帮助他们完成打磨迭代之外,医院自身也在与高校合作研发医疗AI产品。

  肝脏占位分级是比较麻烦的,现在主流的方式是基于美国放射学院推行的LI-RADS标准。但是,这套标准系统在不断地更新,不少医生没有那么多学习时间去跟上它的更新节奏。

  注:LI-RADS(肝脏影像报告和数据系统)于2011年3月提出并已广泛用于临床实践。该系统主要适用于存在肝细胞癌(HCC)风险的患者,旨在完善肝脏CT和MRI检查的阅片、解读和报告标准。对于HCC高危人群,LI-RADS将CT或MRI检查所发现的肝脏结节分为五类:良性、良性可能性大、怀疑HCC、HCC可能性大、HCC(分别对应为LI-RADS 1-5级)。

  邵逸夫医院放射科副主任医师张峭巍告诉动脉网记者,科室在三年前就和浙江大学计算机系合作借助AI系统进行自动分级来解决这个问题。

  目前,邵逸夫医院研发的这套系统与两名医生做一致性评价的对比时发现,L-5的准确性已经达到93.8%,而医生只有92.3%。

  据张峭巍介绍,医疗AI产品发展到现在已经开始影响医生的工作流程。科室有越来越多的医生自愿选择在工作中使用医疗AI产品。过去医生们的工作流程是读完影像片子后,写报告提交。现在是在提交报告之前,不少医生会选择参考AI系统出具的报告,与自己的进行比对和查漏补缺。AI系统从某种层面上,可以增强医生出具报告的信心。

  不过,张峭巍也同时表示,现阶段的AI是AI,PACS是PACS,两者还没有完全实现无缝协同。这让医生在操作时会显得不够人性化,在一定程度上会影响医生的使用热情。将AI系统无缝对接到PACS系统,也将是下一步发展的方向。

  据胡红杰介绍,在当前的肝癌临床治疗过程中,有些相对早期的肝癌本以为可以很好的治愈,可是在康复过程中却复发;有些患者已经是晚期,似乎无药可救了,却又恢复得很好。

  这其中存在医生尚不清楚的某种规律,医院希望利用新一代AI技术,及其强大的计算能力和学习能力,去找到这种规律,目前该研究已经取得了一些进展。

  肺气肿是一种多发常见病,治疗起来比较棘手,不同的肺气肿对肺功能的影响不同,肺气肿临床类型一般分为小叶中心型肺气肿(CLE)、全小叶型肺气肿(PLE)、间隔旁型肺气肿(PSE)和混合型。不同肺气肿究竟对肺功能的影响达到怎样的程度,现阶段主要采用肺功能测定的方式来解决。而邵逸夫医院放射科希望通过CT图像来定量分析肺功能受损的程度,目前初步研究结果非常令人期待。

  除了应用于放射科的AI产品之外,邵逸夫医院还在研究用于其他科室的产品。邵逸夫医院普外科陈鸣宇医生告诉动脉网记者,目前放射科使用的AI产品大多是基于客观数据出结果的,比如恶性结节在某个部位,这是基于客观事实存在的,这类产品解决了医生识别结节异常的痛点。

  作为普外科医生,陈鸣宇出诊日的每天挂号量为150个,5个小时出诊时间,分摊到单个患者的问诊时间只有2分钟。由于患者的差异,2分钟的沟通很难做出准确的诊断,一般只会开出检查单,然后预约下次再来问诊,造成了看病难的问题。

  为此,陈鸣宇自己研发了一套病人采集系统。患者只要挂了号,就可以进入系统进行先期预诊。该系统会根据患者主观性的自我描述,将患者的基本信息、症状和病史搜集整理,并建议患者做相应的检查,等到问诊时,陈鸣宇可以直接根据检查报告和系统整理的信息进行问诊,问诊的效率大为提高,改善了医生和患者体验。目前,该AI产品的雏形已经完成,正式推出大概需要4-5年。

  陈鸣宇表示,这个系统是根据自己问诊中发现的问题进行研发的,解决了自己和患者的日常需求。因此,这个产品医生本人会使用,大部分患者也会用。在陈鸣宇看来,医疗AI产品本就该是这样,以解决临床需求为出发点。

  胡红杰表示,现阶段医疗AI很火,在医学领域的探索更是五花八门,但是最终应用在临床上的却微乎其微。主要是4方面原因造成:

  1、 人工智能系统在复杂的临床应用中,缺乏高质量可应用的数据,由此所得的结论缺乏可靠性;

  2、 临床医学数据的搜集和预处理不够完善,未将医生的工作流程纳入思考范围。医生对于疾病的诊断,很重要的一点是依靠科学的思维和临床经验,所以医生的思维难以复制;

  3、 现在的医疗AI产品普遍存在“敏感性高、特异性低”的特点,给医生造成很大的困惑;

  另外,AI正处在野蛮生长的阶段,很多企业热衷于跟医院要数据,并不真正扎根医院,去了解临床和医生的真实痛点。有些甚至急功近利,追求发表论文的结果与成功融资,让AI产业的发展有些偏离。

  在与动脉网记者的沟通过程中,胡红杰、张峭巍和陈鸣宇都表示,作为医生的他们会积极参与新技术的尝试和研发,希望新科技可以为医疗带来更好的服务能力和效率。同时,他们也希望医生们不要盲目的跟风,理性面对AI产品,研发出临床可用的产品才是正途。返回搜狐,查看更多

http://mushfiqphotos.com/shaoyifu/1854.html
点击次数:??更新时间2019-05-23??【打印此页】??【关闭
  • Copyright © 2002-2017 DEDECMS. 织梦科技 版权所有  
  • 点击这里给我发消息
在线交流 
客服咨询
【我们的专业】
【效果的保证】
【百度百科】
【因为有我】
【所以精彩】