智能医生能看眼也能看肺
来源：广州日报 日期:2018-02-27
市妇儿医疗中心研究成果登上国际顶级医学期刊 赋予AI系统迁移学习能力
刚进入狗年，中国科研团队便在世界舞台上迎来了“开门红”。
2月23日，《Cell》(《细胞学》杂志)的封面文章报道了广州市妇女儿童医疗中心在人工智能医疗领域应用的重磅研究成果。科研团队创新性地赋予了AI系统迁移学习的能力，使AI可以“举一反三”，只需要学习几千张影像学检查结果，就可以完成一次跨病种、跨影像学数据类型迁移——从只会看眼病到学会看肺炎，既可以迅速识别需要尽早处理才能避免失明的黄斑变性病例，也能辨别细菌性和病毒性儿童肺炎，在全世界首次实现用AI精确指导抗生素合理使用。
据介绍，这是中国研究团队首次在顶级生物医学杂志发表有关医学人工智能的研究成果，使用如此庞大的标注好的高质量数据进行迁移学习并取得高度精确的诊断结果，也是世界范围内的第一。
该AI系统的突破之处：
1.给出诊断理由
该AI平台可以显示它从图像的哪个区域得出诊断结果，在一定程度上给出了判断理由，“不仅能告诉医生自己的判断，还能告诉医生自己为什么这么判断。”
2.推荐治疗方案
如黄斑变性是常见老年性疾病，黄斑水肿是糖尿病常见并发症，如果不能及时治疗，都会导致视力不可逆的受损甚至失明。该AI平台30秒内即可判断病人是否应该接受治疗，不受人员、区域的限制。
AI运用已经进入日常生活，为什么市妇儿医疗中心的这项研究成果会获得世界顶级生物医学期刊的关注呢?市妇儿医疗中心基因检测中心、美国加州大学圣地亚哥分校Shiley眼科研究所张康教授介绍，主要是因为这一系统使用了两项新技术。
其中一项便是迁移学习。传统深度学习模型如果要做到精确，往往需要从几百万标注好的数据里“自己找规律，就像一个小孩子，要反复犯错误、学习，才能‘悟’出来”。而迁移学习是把已训练好的模型参数迁移到新的模型来帮助新模型训练，简单来说，不需要AI从零开始学习，只需要注意最重要的地方，让“小孩子”拥有了举一反三、触类旁通的能力，更快、更高效地辨认图像的特定结构。
在本次研发中，研究团队从黄斑变性和糖尿病视网膜黄斑水肿这两种最常见、可导致不可逆失明的疾病切入，让基于迁移学习算法的新一代AI平台不停地学习光学相干断层成像(OCT)图像数据。在学习了超过20万病例的OCT图像数据后，该平台诊断黄斑变性、黄斑水肿的准确性达到96.6%，“我们找了6名资深眼科医生和AI进行比较，用1000张图片。第一次AI学习时，错误率在10%左右，但经过不到一天的再次学习，AI进步很大并超越了2名医生，现在的水平能比肩有10多年经验的眼科医生。”
为了验证这个AI系统基于迁移学习可以运用于其他疾病，科研人员在诊断眼病的基础上，只用了5000张胸部X光线图像，利用迁移学习，就构建出了肺炎的AI疾病图像诊断系统。在区分是否患有肺炎时，准确性达到92.8%，在区分细菌性肺炎和病毒性肺炎上，准确性达到90.7%。
人工智能不仅能诊断还能“开药方”
以往单纯依靠深度学习技术的研究和产品，给出的报告中只有结果，而没有列出判断的理由与过程。而该AI平台可以显示它从图像的哪个区域得出诊断结果，在一定程度上给出了判断理由，“不仅能告诉医生自己的判断，还能告诉医生自己为什么这么判断。”研究者们认为，这种创新方法使得新一代AI平台更有可信度。
该AI平台的另一突破，是不仅能诊断，还能推荐治疗方案。张康介绍，黄斑变性是常见老年性疾病，黄斑水肿是糖尿病常见并发症，如果不能及时治疗，都会导致视力不可逆的受损甚至失明。遗憾的是这两种病的诊疗资源往往集中在发达地区，该AI平台30秒内即可判断病人是否应该接受治疗，不受人员、区域的限制。“把最急需治疗的病人及时送到眼科医生那里，将对病人起到很大的分流作用”。
在肺炎治疗方面，市妇儿医疗中心临床数据中心主任梁会营博士介绍，肺炎是全世界儿童因感染导致死亡的首要原因，判断肺炎是细菌性、病毒性还是混合感染性，是决定是否使用抗生素的关键依据。目前只能通过血培养、痰培养、生化检测等方法，往往需要5天才能得出诊断，临床上难免先行进行经验性用药。而该AI平台实现了儿童肺炎病原学类型的差异性分析和秒级判定，通过X光线检查结果判断是细菌性或病毒学肺炎，有助于抗生素的精确使用。
AI平台的定位仍为“辅助决策”
据悉，广州市妇女儿童医疗中心于2015年建立临床数据中心，此前通过采用迁移学习的算法，对近200万份电子病历进行学习，建立了覆盖24种儿童发热相关疾病的智能诊断模型“发热熊”，诊断时间仅需2秒，大幅提升门诊工作效率。
本次AI平台是该中心“影像熊”的成果之一。研究人员表示，如果让已经训练好的平台再进行继续学习，准确率可以逼近100%。本次发表科研文章的另一位作者、市妇儿医疗中心主任夏慧敏介绍：“‘新一代AI平台’还在不断强化当中。例如在儿童肺炎病原学类型智能判别领域，团队正在‘新一代AI平台’阅读X光线检查结果的基础上，增加了实验室检查和临床症状的学习，从而更精确判断出儿童肺炎的病原菌类型。”
不过业界认为，该AI系统需要经历一系列的验证和认证才能“独立行医”，目前距此仍有距离，定位依然停留在“辅助决策”。
“医用AI未来很有前景，但现在刚刚起步，远远未到威胁或影响医生职业生涯这一步。”夏慧敏指出。她认为，新一代AI平台的终极目标应该是整合文本型病历数据、全结构化实验室检查数据、图像数据、光电信号等多媒介数据，模拟临床医生对患者病情进行系统评估，为医务人员提供综合的辅助决策。
依图医疗产品总监林强认为，“AI的实现很大程度上需要人工来标注数据，尤其是医用AI，需要专业医生进行标注，人工智能中的‘人工’不可或缺。”
