第一期，我们荣幸邀请到国内放射领域权威专家——浙江大学医学院附属第二医院放射科主任张敏鸣教授接受访问。

“医者智汇”专家访谈录之

张敏鸣教授谈医疗AI四重境界：从替代重复劳动到早期预警

纷繁复杂的人工智能浪潮中，谁在披荆斩棘？谁在借势裸泳？

伴随着政策利好、医院信息化水平的提升，2015-2017年成为医疗人工智能不折不扣的“风口”，一年之中，不下百款人工智能应用问世，尤其是针对肺小结节、乳腺疾病、心脑血管、视网膜病变、皮肤病等领域的医疗AI更是层出不穷，并开始走进医生临床。

然而，针对医疗人工智能的质疑并没有减少，什么样的医疗AI才能落地临床？医疗AI未来路在何方？什么样的医疗数据才能被称之为真正意义上的医疗大数据？

作为国内放射领域顶级专家、医疗人工智能先驱，张敏鸣教授对此有着自己的看法。

早在2009年，浙江大学医学院附属第二医院放射科主任张敏鸣教授就已开始尝试以“分类器”的方式，利用影像资料进行早期帕金森的鉴别诊断，并在利用影像学手段研究退行性神经疾病上取得丰硕成果，并作为首席科学家主持国家高技术研究发展计划（863计划）项目。对于当前的医疗AI热潮，张敏鸣教授表示：人工智能作为历史趋势前景毫无疑问看好，但必须坚持以临床需求为依据，以患者为中心，以解决临床问题为目标，踏踏实实，一步一个脚印的解决临床问题，同时，直面医疗人工智能所带来的伦理问题、责任问题，以及数据的隐私保护问题。

张敏鸣教授提出，现有的医疗人工智能可以划分为四重境界。

“以依图医疗的care.ai ™肺癌影像智能诊断系统为例，通过在本院使用一年多的时间，人工智能系统已嵌入临床工作流，极大减轻了临床医师工作强度，提升了劳动效率，将影像报告生产时间从2-5分钟压缩至秒级响应，同时，人工智能系统还可以减少医生误诊漏诊，提升影像诊断服务质量。”张敏鸣教授表示。

比如早期胰腺癌，但它和胰腺的背景密度非常接近，影像学里的信息差别太小，肉眼极难判断，”张敏鸣教授说到，“如果人工智能系统能读出极其细微，人眼难以分辨的差别，将极大提升临床医师的诊断能力，将疾病扼杀在细微的苗头，可极大推动医学进步。”

目前人工智能在肺癌早筛、儿童生长发育异常、糖尿病视网膜病变等疾病帮助医生辅助诊断。 这不仅能够辅助医生进行诊治决策，提高工作效率，而且将逐渐改善我国医疗资源不足和分配失衡等问题。

张敏鸣教授认为，“对于诊疗能力不足或学科实力分布不均的医疗机构，尤其是对基层医疗机构而言，在复杂疾病的诊断能力上存在缺失，而医疗人工智能可以遵循国际诊疗指南、参考最新的国际学术信息，以及影像、病理、基因、文本等多维数据给出临床医师最为均质化、标准化的诊疗建议，提升诊疗水平，同时实现不同区域、不同医疗机构之间的医疗质量均质化，推动基层医疗机构发展，这也是浙二医和依图医疗正在合作的目标之一。”

这一层，目前大多处于研究阶段。由于人类疾病的复杂性和异质性，同样的疾病会有不同的亚型，不同的治疗效果，不同的预后。临床检出疾病，诊断疾病之后，疾病的亚型，疾病进展到哪一期？比如某一项肿瘤，该手术治疗？还是化疗？抑或靶向治疗？如何来选择最佳治疗方案，进行临床决策，将来的人工智能也许能帮助到医生。

而面对人类尚未能够识别、诊断的疾病，未来希望能够通过人工智能检测来进行识别。以阿尔茨海默病为例，这种典型的神经退行性疾病尚无特效药物，一旦等到大脑发生病理性改变导致患者出现典型症状，可以临床确诊时已是晚期。原因就在于在长达5-15年的潜伏期里，由于大脑的代偿机制，疾病造成的病理性改变会不断的被重塑，导致单次的影像检查很难发现。如果人工智能能够将大脑的这种变化清晰的表达出来，可以提前很多年发现阿尔茨海默病，这将是极其伟大的成就。张敏鸣教授表示。

对于业界争论依旧的人工智能的“地位”问题。张敏鸣教授认为：人工智能与医生的关系绝不是替代与被替代，而是更加高智商的双脑合作，人脑和机器的合作、交叉、融合、互补，成为医学进步的助推器，互相促进，而不是竞争关系。

长期以来，人工智能学界最常见的一句话就是“医疗大数据是人工智能的基础”。但是在张敏鸣教授看来，这句话的表述方式有待商榷。

在张敏鸣教授看来，医疗大数据的质量直接决定了医疗AI的“智能”程度。医疗数据可以是医疗AI的粮食，但这个粮食必须清洗干净，才能“喂”给AI。只有经过人工智能解构、清洗、结构化的医疗数据才能被称之为真正意义上的医疗大数据，实现医疗数据的标准化和同质化，再在此基础上进行医疗AI的应用开发。

想要实现数据的标准化，可以有哪些手段？在张敏鸣教授看来，想要得到标准化的数据绝不仅仅是一家医院的努力可以实现，必须集各家医院之力组建一个类似“数据银行”的联盟。“数据标准化不是一个医院的事情，一定要有各家医院的参与，也要有人工智能公司的参与，才能把这件事情做好。”张敏鸣教授表示。

据悉，由浙江大学牵头，依图医疗支持，多家医院共同推进的医疗数据标准化工作已在稳步推动。
 

转载请注明出处。