據統(tǒng)計，目前我國基層醫(yī)院誤診率較高，醫(yī)學影像領域誤診次數達到每年5700萬次；醫(yī)院總體而言，腫瘤誤診率達到60%。更不用說早年。

4月12日，中國電子科技集團公司第五十五研究所職工醫(yī)院近日正式啟用由匯醫(yī)在線整合了浙江德尚韻興圖像科技有限公司的科學家們發(fā)明的“DE-超聲機器人”人工智能輔助診斷項目，用于甲狀腺結節(jié)診斷。 據悉，該超聲機器人此前已在浙江大學第一附屬醫(yī)院實現臨床應用。

匯醫(yī)在線總裁兼CEO何毅對雷鋒網AI掘金志表示，這套人工智能醫(yī)療產品率先落地的是一家基層醫(yī)院，用武之地就在于打造優(yōu)質醫(yī)療資源下沉的可行通道，解決基層醫(yī)療能力不足。

常見病的診斷難，機器人如何解決？

“DE-超聲機器人”人工智能輔助診斷項目于上月初落地南京，1個多月來，中國電子科技集團公司第五十五研究所職工醫(yī)院利用“DE-超聲機器人”為100多例基層病例進行輔助診斷。

甲狀腺超聲以其對軟組織的高分辨力、毫無創(chuàng)傷、價格低廉、操作方便等突出優(yōu)點，成為鑒別結節(jié)性質的不二之選。但是，甲狀腺結節(jié)發(fā)病無明顯的臨床癥狀，診斷時要結合患者年齡、性別、病史、體征以及各項檢查進行全面分析，診斷指標復雜、指標特征不明顯等問題，也提高了病情診斷的難度。

南京市第一醫(yī)院腫瘤內科主任陳錦飛表示，“人體甲狀腺結節(jié)已成常見病，如果不加重視，甲狀腺結節(jié)可能會發(fā)生惡變，進而發(fā)展成癌癥，危及生命。而由于個體化差異，目前三甲醫(yī)院甲狀腺結節(jié)的診斷準確率平均也不到70%，如果不做活檢，不同醫(yī)生對同一張片子還可能會做出不同判斷。”

但相比之下，擅長無條件思維、理性思維的機器人，診斷準確率上表現出了優(yōu)勢。“經過上萬病例診斷率驗證，‘DE-超聲機器人’相當于一個三甲醫(yī)院副主任醫(yī)師的水平。”德尚韻興的首席科學家、浙江大學求是特聘教授孔德興說。

匯醫(yī)在線何毅介紹，利用嵌入了“DE-超聲機器人”的人工智能輔助診斷系統(tǒng)，醫(yī)生坐在B超機器前，登錄匯醫(yī)在線云醫(yī)生工作站，用探頭給病人進行探測后將探測截圖保存發(fā)送到超聲機器人，2分鐘后超聲機器人能自動生成圖像分析報告和檢測結果。檢測結果不僅能清楚地標記結節(jié)位置和尺寸，還會智能分析影像，提示良性或惡性的可能性，供給醫(yī)生診斷參考。

超聲機器人，試用一年正式服役

雷鋒網(公眾號：雷鋒網)AI掘金志了解到，研發(fā)這套系統(tǒng)期間，德尚韻興的研發(fā)人員收集了10000多名檢查者的甲狀腺超聲檢查影像，“依托英特爾至強平臺及其優(yōu)化工具，采用深度學習，利用海量的超聲影像樣本對計算機進行訓練，使其掌握‘診斷’能力。”孔教授解釋道，“它的原理類似于訓練醫(yī)生，比如一名醫(yī)生需要學習大量醫(yī)學教材和病例才可以具備某種經驗和水平，而計算機可以通過‘深度學習算法’提取甲狀腺結節(jié)的特征，具備診斷能力。”孔教授介紹說，為了將深度學習更好地運用于超聲影像，系統(tǒng)加入了相關現代數學理論，專門對網絡結構進行優(yōu)化，如將“旋轉不變性”加入系統(tǒng)。

另外，從去年開始，“DE-超聲機器人”在浙江大學第一附屬醫(yī)院和杭州的社區(qū)醫(yī)院臨床應用，以此再進行了長達半年的實戰(zhàn)環(huán)境對抗訓練。據雷鋒網AI掘金志從合作方英特爾獲得的數據，“DE-超聲機器人”一年下來輔助診斷病例超過5萬，準確率達到86%，比人類醫(yī)生高出20%。

醫(yī)院：效果、利益與沖突

眾所周知，各地醫(yī)聯(lián)體承擔著區(qū)域內優(yōu)化優(yōu)質醫(yī)療資源配置、緩解地區(qū)看病難的重任，也是國家推動分級診療的主力軍。盡管政府會通過提高醫(yī)保報銷比例等方法，引導患者在基層醫(yī)院就醫(yī)，但是這依然不能解決基層醫(yī)療機構醫(yī)療服務能力相對較低的現實問題，何毅表示，“怕耽誤、怕誤診”是患者對基層醫(yī)療機構最大的擔憂。但實現優(yōu)秀醫(yī)療資源下沉，短期之內不可能通過突擊教育培訓或核心醫(yī)院下派臨床醫(yī)生幫扶的方式實現。

所以解決的思路是，通過人工智能，讓優(yōu)秀醫(yī)生的能力可復制。所以對基層醫(yī)療機構來說，他們的收益不僅是醫(yī)生、病人都能享受到優(yōu)秀醫(yī)療資源的指導和服務——這系統(tǒng)本身對醫(yī)生來說也是一個教程工具，而且在人工智能的輔助下，獲得更多病人的信任，從而改善經營業(yè)績。

不過，機器人今天的成績，并不意味著要取代醫(yī)生。事實上，對醫(yī)生來說，提高醫(yī)療效率是他們最大的呼聲。北京大學腫瘤醫(yī)院信息部長衡反修對于AI醫(yī)療的評論指出，“醫(yī)生從患者接觸到最后診斷治療有很多階段，比如十個階段，引入人工智能，相當于只是把中間最麻煩的最不需要醫(yī)生費力的階段替代，比如十個中替代三五個，這是節(jié)省醫(yī)生的工作。”

衡反修表示，“我們現在在做結構化病歷，目標就是做標準化、結構化，讓信息質量更高，為AI服務。”

如果僅依靠計算機做輔助診斷，那么世界最早在1959年便有了相關技術，叫“計算機輔助診斷（CAD）”；但是，疾病雖然有共性，但診斷中最主要是每個個體發(fā)病的情況不同。飛利浦大中華區(qū)臨床科學部高級總監(jiān)周振宇博士曾對雷鋒網AI掘金志表示，在今天強化學習、深度學習有了進一步發(fā)展之下，醫(yī)學上更希望能夠實現計算機的自我訓練，實現智慧醫(yī)療。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。