新華網 正文
醫療AI研發有哪些路徑可循
2019-08-17 08:16:30 來源: 健康報
關注新華網
微博
Qzone
評論
圖集

       放眼全球,人工智能(AI)方興未艾,醫療健康成為AI開發炙手可熱的重要領域。自2018年起,我國皮膚病學領域陸續發布了多款AI産品,在醫療AI研發的競技場上大放異彩。

       醫療AI研發,我們有哪些既有經驗和路徑可循?近日,記者專訪了中日友好醫院副院長崔勇教授,他是中國人群多維度皮膚影像資源庫項目(CSID)項目發起人兼專家組組長,同時參與了皮膚AI應用的研發,從皮膚病學專業這個小切口進入,以其為樣本,探討醫療AI研發的個中奧妙。

       應用場景聚焦提高基層診斷能力

       為什麼要研發一款AI産品?研發成功後能否落地推廣?崔勇認為,AI很火,但在一片火熱中更要對這些問題保持理性思考。

       “我們來看看它可能是什麼。”崔勇拿出智能手機,打開他參與研發的AI皮膚應用,用連接在手機上的便攜式皮膚鏡,對著記者手部的一顆深色丘疹拍了一張照片,圖像上傳至雲端後,這款AI産品很快給出輔助診斷結果:良性,可信度98%;前3位最可能疾病包括,色素痣(可信度43%)、血管瘤(可信度43%)、皮膚纖維瘤(可信度14%)。點開每一項可能疾病,都有詳細的疾病特徵及診斷介紹。

       2018年,我國皮膚疾病門診量約2.4億人次,但皮膚病專科醫生僅有2.8萬人,與巨大就診需求相比,皮膚科醫療資源嚴重不足。同年,崔勇聯手互聯網公司完成的一項針對1000名各級醫院皮膚科醫生的在線調查顯示,三甲醫院醫生對皮膚腫瘤良惡性診斷的正確率平均約為70%,而基層醫院僅約為30%。崔勇説,常見病易誤診,皮膚腫瘤易漏診,罕見病不認識,這就是我國基層皮膚病診斷面對的嚴峻現實。

       “我國皮膚腫瘤的發病率以每年3%~5%的速度增長,其中黑色素瘤的5年生存率僅48%,而美國、日本分別達到93%和67%。除治療藥物療效存在種族和遺傳背景差異外,我國對于黑色素瘤的早期診斷不足是主要原因。同時,我國有銀屑病患者700萬人,白癜風患者1400萬人,對這些疾病的病程評估手段不足,缺乏科學的防控指導,嚴重影響患者身心健康。”崔勇説,CSID專家組研發皮膚AI的初心,就是從高死亡率的疾病、高發病率的慢病入手,切實賦能基層醫生,提高他們對于這些皮膚病的診療水平。

       崔勇的構想遠不止于此。“隨著AI輔助診斷覆蓋病種的增加、互聯網技術的普及發展、覆蓋全國的專科醫聯體建設,未來完全可以此為基礎構建新型遠程皮膚病學模式。”崔勇表示,他們研發的皮膚AI已在現實應用中取得了不錯表現,投入基層醫院使用半年來,輔助診斷了很多早期皮膚腫瘤,目前已開始籌備向國家監管部門正式申報醫療器械許可證。

       多維度影像大數據是研發基礎

       算法和數據是AI研發的兩大要素。可靠算法價值千金,優質數據更是千金難買。

       皮膚病學是依賴形態學直觀特徵建立的學科,皮膚影像已經成為皮膚病輔助診斷和動態評估的重要手段。海量且高質量的皮膚影像數據是AI研發的基礎,但長期以來,我國皮膚影像數據一直處于“孤島林立”的狀態。任何一家醫院積累的數據,其廣度、豐度、深度都遠遠不足以支撐AI開發。

       2017年,崔勇、孟如松等牽頭,聯合我國皮膚病學界專家團隊、互聯網及數據技術團隊,協同啟動了CSID。截至目前,CSID已覆蓋全國2000多家醫院,基于相對標準的規范,收集了30多萬組多維度皮膚影像資源。崔勇説:“多維度也是我們創造的一個概念,特指每一組數據資源都來自針對同一處皮損的多種皮膚影像技術,包括皮膚攝影、皮膚鏡、皮膚CT、病理影像等,只有這樣才能獲得完整的皮膚病表型特徵。”

       “數據標注是AI研發的另一個關鍵環節。”崔勇説。針對皮膚影像數據的深度學習會受到非皮損區域信息的影響,幹擾核心信息的讀取,因此需要專業人員(主要是專業醫生)對目標區域進行標注,更好地建立特定區域影像信息與疾病之間的對應關係。“將標注區域的診斷結果告訴AI,AI在大量重復學習圖像共性特點的基礎上,通過算法建立自己的診斷思路,這個過程就相當于將專家的診斷經驗傳授給AI。”

       據悉,為了實現數據標注的規范化,項目組制定了皮膚病分類分級標準並申請專利,將皮膚病分為皮膚腫瘤和非皮膚腫瘤,將皮膚腫瘤分為良性、惡性、交界性3類,每一類又分為多個不同層級。“有了分類分級標準才能對影像數據進行規范標注,基于神經網絡模式對標準化皮膚影像大數據進行深度學習,才能使AI具備對特定皮膚病作出分級分類判斷的能力。”崔勇説。

       研發和應用都離不開專家牽引

       目前,崔勇參與研發的皮膚AI已進入2.0版本,能判斷17種皮膚腫瘤的具體類型,皮膚腫瘤良惡性識別率達91.2%,疾病類型識別率達81.4%。“這兩個數字已經遠遠高出三甲醫院皮膚科醫生的平均診斷水平,如果能在基層進行普及推廣,將大大提高基層皮膚科醫生的診斷水平。”崔勇介紹,除了用于皮膚腫瘤輔助診斷的AI産品外,基于CSID項目的皮膚AI,還包括針對白癜風、銀屑病的兩款慢病管理AI,“前者為面向醫生的醫用級AI,後兩者可以提供給醫生、患者分別使用”。

       2018年,國家遠程醫療與互聯網醫學中心皮膚科專委會、中國醫學裝備人工智能聯盟皮膚科專委會聯合牽頭,建立了包括全國400家各級醫院的皮膚影像中心網絡。“這為AI的應用推廣打下了組織基礎。”崔勇説,通過多維度皮膚影像分析管理係統上傳皮膚影像,基層醫生可以在AI的協助下出具影像檢查報告,實現基層檢查、上級診斷。

       “依托復旦大學附屬華山醫院醫聯體,皮膚AI應用跑了一圈數據,3個月時間裏,基層醫生共調用了3000多次AI,輔助做出了1萬多份影像報告。”崔勇表示,對于構建新型遠程皮膚病學模式而言,培養具備熟練使用皮膚影像設備能力的基層醫務人員是必由之路。CSID依托全國皮膚影像中心網絡已經構建了教育和能力認證平臺,已培訓並認證基層醫院皮膚科醫生3000多人。

       回顧皮膚AI應用的研發歷程,崔勇認為,專家主導、技術協同、資本融入,應該是醫療AI研發的可循模式。AI研發的方向和規劃,産品的推廣體係建設,都應由醫學專家從臨床需求的角度出發來把握,影像數據庫和影像標注的質量控制,也必須依靠專家的指導來完成,“專家團隊的缺乏是目前國內不少AI公司的共同短板”。

       不久前,崔勇參與研發的皮膚AI應用成為國家衛生健康委統計信息中心評出的“醫療健康人工智能應用落地最佳案例”之一。崔勇説,CSID正在為其他醫學AI的研發提供可參考的協同模式。(記者 劉志勇)

+1
【糾錯】 責任編輯: 楊帆
新聞評論
加載更多
巴黎:夏夜蒙馬特
巴黎:夏夜蒙馬特
古村新韻
古村新韻
嘉塘草原的神秘“萌物”
嘉塘草原的神秘“萌物”
壯美乾坤灣
壯美乾坤灣

010020080870000000000000011121131383152801