人工智能医疗的早春：辅助诊断落户南京

据统计，目前我国基层医院误诊率较高，医学影像领域误诊次数达到每年5700万次；医院总体而言，肿瘤误诊率达到60%。更不用说早年。

4月12日，中国电子科技集团公司第五十五研究所职工医院近日正式启用由汇医在线整合了浙江德尚韵兴图像科技有限公司的科学家们发明的“DE-超声机器人”人工智能辅助诊断项目，用于甲状腺结节诊断。 据悉，该超声机器人此前已在浙江大学第一附属医院实现临床应用。

汇医在线总裁兼CEO何毅对雷锋网AI掘金志表示，这套人工智能医疗产品率先落地的是一家基层医院，用武之地就在于打造优质医疗资源下沉的可行通道，解决基层医疗能力不足。

常见病的诊断难，机器人如何解决？

“DE-超声机器人”人工智能辅助诊断项目于上月初落地南京，1个多月来，中国电子科技集团公司第五十五研究所职工医院利用“DE-超声机器人”为100多例基层病例进行辅助诊断。

甲状腺超声以其对软组织的高分辨力、毫无创伤、价格低廉、操作方便等突出优点，成为鉴别结节性质的不二之选。但是，甲状腺结节发病无明显的临床症状，诊断时要结合患者年龄、性别、病史、体征以及各项检查进行全面分析，诊断指标复杂、指标特征不明显等问题，也提高了病情诊断的难度。

南京市第一医院肿瘤内科主任陈锦飞表示，“人体甲状腺结节已成常见病，如果不加重视，甲状腺结节可能会发生恶变，进而发展成癌症，危及生命。而由于个体化差异，目前三甲医院甲状腺结节的诊断准确率平均也不到70%，如果不做活检，不同医生对同一张片子还可能会做出不同判断。”

但相比之下，擅长无条件思维、理性思维的机器人，诊断准确率上表现出了优势。“经过上万病例诊断率验证，‘DE-超声机器人’相当于一个三甲医院副主任医师的水平。”德尚韵兴的首席科学家、浙江大学求是特聘教授孔德兴说。

汇医在线何毅介绍，利用嵌入了“DE-超声机器人”的人工智能辅助诊断系统，医生坐在B超机器前，登录汇医在线云医生工作站，用探头给病人进行探测后将探测截图保存发送到超声机器人，2分钟后超声机器人能自动生成图像分析报告和检测结果。检测结果不仅能清楚地标记结节位置和尺寸，还会智能分析影像，提示良性或恶性的可能性，供给医生诊断参考。

超声机器人，试用一年正式服役

雷锋网(公众号：雷锋网)AI掘金志了解到，研发这套系统期间，德尚韵兴的研发人员收集了10000多名检查者的甲状腺超声检查影像，“依托英特尔至强平台及其优化工具，采用深度学习，利用海量的超声影像样本对计算机进行训练，使其掌握‘诊断’能力。”孔教授解释道，“它的原理类似于训练医生，比如一名医生需要学习大量医学教材和病例才可以具备某种经验和水平，而计算机可以通过‘深度学习算法’提取甲状腺结节的特征，具备诊断能力。”孔教授介绍说，为了将深度学习更好地运用于超声影像，系统加入了相关现代数学理论，专门对网络结构进行优化，如将“旋转不变性”加入系统。

另外，从去年开始，“DE-超声机器人”在浙江大学第一附属医院和杭州的社区医院临床应用，以此再进行了长达半年的实战环境对抗训练。据雷锋网AI掘金志从合作方英特尔获得的数据，“DE-超声机器人”一年下来辅助诊断病例超过5万，准确率达到86%，比人类医生高出20%。

医院：效果、利益与冲突

众所周知，各地医联体承担着区域内优化优质医疗资源配置、缓解地区看病难的重任，也是国家推动分级诊疗的主力军。尽管政府会通过提高医保报销比例等方法，引导患者在基层医院就医，但是这依然不能解决基层医疗机构医疗服务能力相对较低的现实问题，何毅表示，“怕耽误、怕误诊”是患者对基层医疗机构最大的担忧。但实现优秀医疗资源下沉，短期之内不可能通过突击教育培训或核心医院下派临床医生帮扶的方式实现。

所以解决的思路是，通过人工智能，让优秀医生的能力可复制。所以对基层医疗机构来说，他们的收益不仅是医生、病人都能享受到优秀医疗资源的指导和服务——这系统本身对医生来说也是一个教程工具，而且在人工智能的辅助下，获得更多病人的信任，从而改善经营业绩。

不过，机器人今天的成绩，并不意味着要取代医生。事实上，对医生来说，提高医疗效率是他们最大的呼声。北京大学肿瘤医院信息部长衡反修对于AI医疗的评论指出，“医生从患者接触到最后诊断治疗有很多阶段，比如十个阶段，引入人工智能，相当于只是把中间最麻烦的最不需要医生费力的阶段替代，比如十个中替代三五个，这是节省医生的工作。”

衡反修表示，“我们现在在做结构化病历，目标就是做标准化、结构化，让信息质量更高，为AI服务。”

如果仅依靠计算机做辅助诊断，那么世界最早在1959年便有了相关技术，叫“计算机辅助诊断（CAD）”；但是，疾病虽然有共性，但诊断中最主要是每个个体发病的情况不同。飞利浦大中华区临床科学部高级总监周振宇博士曾对雷锋网AI掘金志表示，在今天强化学习、深度学习有了进一步发展之下，医学上更希望能够实现计算机的自我训练，实现智慧医疗。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。