我们感到人工智能无处不在。那么什么是人工智能呢？对于这样一个比较大的概念，有一句比较贴切的话能将其概括：人工智能（简称AI）就是让机器实现原来只有人类才能完成的任务。其中最为引人注目的便是与每个人息息相关的医疗领域。医疗领域人工智能的主要方向，则是医学影像与诊断。这就包括我们经常提到的放射医学，超声，核医学，还包括涉及图像分析的病理学，皮肤科，眼科等等涉及影像诊断的各个医学专业。

　　人类智能“短板”亟需弥补

　　医学影像诊断是靠图像特征进行病变诊断的，往往需要很专业的经验和繁杂的图像分析过程，比如一名放射科医生每天要诊断超过60个病人的CT，有时甚至上百个，一个病人的医疗影像有250-300张，而医生往往要对一个病人的影像反复看3-4遍。如果是本院多次就诊患者，还需要调阅既往影像图片，作出对比，寻找发现问题；然后按照要求进行描述——哪些结构正常，哪些结构异常，如何异常；之后结合检查申请单上的临床症状（有时临床科室没有提供）作出“影像诊断”，这就意味着在每个病人身上，医生都要看上千次图，这名医生一天下来就要看几万甚至上十万张图，这对视力是非常大的伤害，并且长时间的疲劳作业还会增加漏诊的风险。三甲医院面对每日大量的病患，医生的读片量也变得巨大，任务十分艰巨。在这过程中，为避免误诊、漏诊，医生需要动用大量的基础知识以及临床诊断经验，一旦遇到专业性不够的问题，那可是性命攸关的大事。

　　从影像方面的误诊人数来看，美国每年的误诊人数达到了1200万，这些误诊主要发生在基层医疗机构。电子胶片的广泛使用使得医学影像数据大幅度增长，美国的数据年增长率达到了63.1%，在中国也达到了30%。放射科医生的年增长率，美国和中国分别只有2.2%和4.1%，远远低于影像数据的增长，形成了巨大的缺口。这意味着医师工作量大增，判断准确性下降，借助人工智能对影像进行判断则能有效弥补该缺口，是解决这个难题的关键。

　　AI是怎样开展工作的？

　　在全球人工智能研究者的不断努力下，我们欣喜地看到人工智能在医学影像诊断中取得重要进展。斯坦福大学在《Nature》上发表了一篇文章：利用深度学习算法诊断皮肤癌，将其诊断结果与24位资深皮肤病专家的诊断结果做对比，准确度达到91%；北卡罗来纳大学的研究人员近日已经开发出了一套深度学习算法，可以预测婴儿的自闭症。这种预测方法具有81%的准确率，远超准确度只有50%的传统行为问卷调查法。

　　2016年，Google的研究者Varun Gulshan和他的同事利用深度学习创建了一种能够检测糖尿病视网膜病变和黄斑水肿的算法，它能够通过眼部扫描图像判断患者的视网膜是否发生了病变，辅助医生在有限的医疗条件下进行诊断。研究者使用两个独立的数据集进行验证，一个9963例图像，另一个1748例图像，与8名眼科医生诊断结果对比，谷歌的这款算法甚至超过人类医师，该研究发表在2016年11月30日的《美国医学会杂志》期刊上。

　　哈佛医学院贝斯以色列迪康医院（BIDMC）与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到92%，与病理学家的分析结合在一起时，它的诊断准确率可以高达99.5%。

　　在美国，Lung AI和Liver AI陆续获得FDA的批准，用于辅助医生分析肺结节和肝脏损伤。ContaCT也获得FDA批准用于分析大脑CT的扫描图像，用以发现与中风相关的信号，如可疑的大血管堵塞，及时通知医生。

　　国内，人工智能在医学影像方面也取得了长足进展，已经有多家公司推出多个人工智能软件，可以在肺结节、食管癌等影像诊断中发挥作用。

　　人工智能在医疗领域的发展速度已经远远超乎人类的想象。这一新技术带给人们兴奋和喜悦，也许在不久的将来，你看到的医院影像学检查报告，就是“人工智能医生”做出的诊断呢！

　　刘平安（上海交通大学医学院附属第九人民医院核医学科）