0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工智能在医学影像中的应用与挑战

dQh4_ofweekwear 来源:未知 作者:胡薇 2018-09-12 15:47 次阅读

8月30日-9月1日,2018中国(上海)国际人工智能展览会暨OFweek(第二届)国际人工智能产业大会在上海成功举办。

参加本次大会的嘉宾不仅有来自各大AI行业的标杆型企业领袖,还有在工学、医学等学术界享有盛名的专家教授前来分享学术观点,为来宾指点迷津,提供宝贵意见和建议。

人工智能在医疗影像领域的潜力有目共睹,但那些宣称AI能战胜医生的标语到底是夸大其实,还是有理有据呢?人工智能医疗影像落地到底有多难?

8月31日,在本次大会分论坛—AI+医疗专场上,上海中医药大学附属曙光医院放射科主任,影像教研室主任詹松华为大家带来了主题为“医学影像人工智能临床的困难与挑战”的精彩演讲,站在医生的角度,为人工智能走进医院,服务于医疗的发展方向和方案作出了分析和观点分享。

以下为詹松华主任的现场演讲内容,小编仅作了不改变原意的整理和编辑。

其实我不研究人工智能,我是一个放射科临床医生。现在大家都觉得人工智能不得了,其实并不是。我认为AI要应用到医院还差得很远很远,这是一个很重要的事情。

现在很多人都在讲,人工智能今后要替代放射科医生,但放射科医生做的可不是一般的事情,不论是做诊断,还是医疗咨询都是需要非常小心谨慎的。我认为AI取代放射科医生目前是不可能的,还需要很多努力,要走很长的路。所以我今天讲的就是医学影像人工智能应用的困难与挑战。

现在是AI投入很多,但AI想取代放射科医生还差得远。为什么呢?有人说医生做不了大领导,因为医生太讲实事求是。病人在你面前,你说他是肺癌,马上开刀开出来,验证给你看是不是肺癌,没有一个医生会乱说话。当有些媒体为了噱头开始乱讲时,我们就知道你们和我们之间的差别很大。所以我要讲四个方面的问题,提供给大家参考。

第一部分:影像医学学科特点和中国现状

首先要搞清楚,放射科包括两部分,一是医师,一是扫描技师。医师是影像医学和核医学毕业的专业医师,而技师来自影像系。医师和技师是两个不同的职位。我是临床医学系毕业的,在临床工作过,也上手术台开刀,但我不是做扫描的,扫描不是我做的事。所以放射科医生做诊断是要临床技术的,这与扫描技师的工作大不相同。

放射科医生是医生中的医师,所有的外科医生内科医生在手术之前都会请教放射科医师。放射科医生的工作不仅是发现病变,定位病变,定性诊断等等。在很多情况之下,放射科医师都需要寻问病人病史,不问病史就会导致误诊。并且在疾病诊断时还会常常出现同病异影,异病同影等情况,这都是不能随便判断的。放射科医生诊断最重要的一点就是要跟临床相结合,一个肺结节可以是炎症、结核,也可以是肿瘤。肿瘤才是诊断,结节并不是诊断。

第二部分:人工智能在影像医学领域应用的定位问题

人工智能在做病变测定方面比人更好,这个我也承认。是的,我觉得应该要这样去做。但是更重要的是发现病变特点,然后区别正常与异常,最后交由放射科医生来做诊断,到底是炎症还是肿瘤?不能说发现一个结节就是诊断,结节只是一种症状。从症状走向诊断需要人力过程,需要经验去判断。

并且发现肺结节在医疗上是最简单的一种。为什么呢,因为肺结节的密度和肺泡的密度差别六百以上,很容易就被发现。这可能是计算机最容易做的事情。但是换到胰腺、肝脏就并非那么容易了?同时结节还有很多种,如甲状腺结节、乳腺结节等等,所以说还差得远。

临床很复杂,不要认为仅仅发现了肺结节就可以代替放射科医生。打个比方,1245*1245几乎没有人能立马给出答案,但是计算器在0.001秒内就能出答案,难道说人不如计算器吗?在某一个方面的功能例如记忆能力,当然计算机强于人们。但某一方面的优势并不能代表能够整个代替放射科医生。因为放射科医生是一个整体的,是靠所有的信息来判断的有机体,在某一方面功能很强大的机器只能说帮助医生去做。

并且在医学领域,是没有终极目标没有统一标准的。并不是说病治好了医生才是有功劳的,无论治疗结果好坏,医生都是尽力的,这是不同于数学求解的概念。同时疾病的可能性也是复杂多变的,不是1+1=2那种既定不变的理论,医学是一种可能性的艺术。这是一种可能性的问题,而不是绝对的事情。例如阑尾炎,通常说半小时就解决了,但这也是不一定的。我实习的时候曾遇到主任上去开了三个小时没退下来。工科常说没有做不到,只有想不到,在医学是完全不一样的。

人工智能在发现病变方面肯定是大有作为的,但是代替医生来处理,很难。

第三部分:人工智能医疗的发展建议

我是医生,在人工智能方面我是不懂的,但决定人工智能机器能否应用到医院,我就是评判者。

所以你们要搞清楚临床需求是什么?要搞清楚医生需要解决什么问题。在此我讲一个例子,如果人工智能机器发现了三毫米的结节,而我没发现,你们是不是觉得AI比人强。这时我就要反问一句了,发现一个两三毫米的结节有意义吗?没有意义并且还麻烦,因为这反而会影响病人的情绪和心态。并且所有的放射科医生都会告诉你,3毫米结节不用处理。因为就算是肿瘤,不论是三毫米还是八毫米,手术愈后都是一模一样的。

第二就是解决假阴性问题,这个很重要。我认为假阴性一定要被消灭掉。有的AI公司跟我讲,他的诊断率很高,能达到95%,然后我问他还有5%怎么办,他说你们医生核对一下就好了。我说那这一百个片子我都要从头看到尾了,这样你们人工智能帮我干了什么?然后他说可以提高到1%以下的漏诊率,难道你们医生诊断1%的漏诊都没有吗?我说没有的。为什么?我讲个比方,如果医院一天要做800个CT,1%的漏诊率就是一天八个漏诊,一个月要多少?几百个?如果一个月有一百多个病人来跟医院吵,医院就不用开了。所以95%准确率是绝对不行的,99%都不行。

所以我认为假阴性很重要,要解决掉假阴性问题。人工智能说阴性就是阴性,那么对医生来讲才是省时省力的。而不是说存在5%的漏诊需要医生将所有片子都重审一遍。当然如果人工智能发现是病变,医生拿过来重看是应该的。

还有不要总是在结节这个问题上研究,要搞点别的。比如说放射科其他比较简单的问题:骨折,胸水等。现在搞肺结节软件有太多了,还没有多大用。其实最简单的事情,就是去帮助医生。首先你要到医院中去,去临床看看,医生到底需要什么样的帮助。AI软件要提供方便,提高效率,方便医生更加全面地探讨病变,并指出医生可能会忽略的点。AI技术,用户是我们,但消费者是病人,这个跟一般的消费关系不一样,医生病人两者都要兼顾。

另外,医学还有一个伦理、人文关怀等其他各方面的问题。我打个比方,医学是服务性行业,服务于大众的健康。随着高科技的发展,种田的农民会越来越少,但餐饮服务业却不会少,只会越来越多。这个概念要搞清楚。类似的,你们制造出的人工智能机器能够在医院中完成扫描做图的工作,可能这方面的人力会逐渐被替代,但医生是很难被替代的。因为医生是个人,很多的时候是要跟病人打交道的,这是有关人文的事情,是机器无法完成的。

第四部分:人工智能医疗的发展方向

当然人工智能是有用武之地的,机器可以做到发现病变,但现在人工智能医疗的发展方向应该是帮助医生,减少医生的负担,而不是说要代替医生。你要帮助医生的时候,医生视你们是朋友。当你说要代替医生的时候,医生就把你当成敌人了。

我认为在更好地显示病变,减少漏诊方面,AI是大有用武之地的。但要知道分析病变性质和医生的诊断之间还有很大的距离要走。一个肺结节的CT值是多少?边缘是怎么样的?立体形态是什么样子?所有这些信息机器很容易获取,然后告诉医生,医生根据这些信息来判断到底是癌症还是结核。所有诊断都需要医生来做,而AI能做的是发现征象。

并且转变大众的观念需要时间,科学的问题不能超越事实,特别是医学。医生最不待见的就是浮夸宣传,因为医生从来不会乱讲,务实和努力才是基础。

最后我讲一下题外话,好多宣传里面讲到AI是来解决看病贵看病难问题,这个我觉得不太合适。为什么呢?难道现在贵了吗?难了吗?你去美国、欧洲,英国等国外看病才是又难又贵。我近期看到一篇推文,说国外一个人去看痔疮,折腾了一个礼拜自己好了,医生也没看。还有个人看病,花了1万多美金,但是医生啥都没干。在国内看病实际上是很容易了,你现在到曙光医院去挂号还可以挂到。你在美国试试看,根本不可能的事情。

任何一件商品,或者服务,如果贵了就说明有利润。价格高和价格贵是两个不同的概念,贵就是有利润,难就证明有市场,买不到就有市场。所以看病难看病贵这事情本来就不存在,是一个伪命题。所以不要奢望用AI去解决看病贵看病难的问题。

其次发展AI方向是对的,但需要更多的科研投入,需要将医师和工程师很好地整合起来。有些公司说投资50万去做AI,我觉得这是没用的,50万能干什么?我说你请我试试看。年薪没有100万,是不可能的事情,医生很贵的,国外的医生也是一样的。要想做好AI+医疗,就必须要请医生,然后与患者打交道的事情就得交给医生,因为你没有能力处理这个问题。很多的时候病人是需要安慰倾听照顾的,这些都是人文,所以不要想着能代替医生。

在当今这个时代背景之下,与人打交道的职业一定会越来越兴旺。我们医生是与人打交道的,所以我放心,医生不可能失业,AI也不可能代替医生。我今天讲的内容就是这些,可能不一定都对,不好意思,讲得不对的请指正,谢谢。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1791

    文章

    46859

    浏览量

    237577
  • 医学影像
    +关注

    关注

    1

    文章

    110

    浏览量

    17353

原文标题:医学教授詹松华:医学影像人工智能应用的困难与挑战

文章出处:【微信号:ofweekwearable,微信公众号:OFweek可穿戴设备网】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    东软发布新一代医学影像解决方案

    近日,东软全新发布新一代医学影像解决方案,以智能化为核心,以数据引擎为驱动,面向未来医学影像行业的发展需求,全新定义医学影像的产品价值,推动医学影像
    的头像 发表于 11-25 09:32 71次阅读

    嵌入式和人工智能究竟是什么关系?

    嵌入式和人工智能究竟是什么关系? 嵌入式系统是一种特殊的系统,它通常被嵌入到其他设备或机器,以实现特定功能。嵌入式系统具有非常强的适应性和灵活性,能够根据用户需求进行定制化设计。它广泛应用于各种
    发表于 11-14 16:39

    《AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感

    了电力的实时平衡和优化,有效降低了电网的运行成本和故障率。 此外,书中还讨论了人工智能在能源科学研究挑战和机遇。这些挑战包括数据质量、算法优化、隐私保护等方面,而机遇则体现在技术创
    发表于 10-14 09:27

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    农业、环保等,为人类社会的可持续发展做出贡献。 总结 《AI for Science:人工智能驱动科学创新》第4章关于AI与生命科学的部分,为我们展示了一个充满希望和机遇的未来。在这个未来人工智能
    发表于 10-14 09:21

    《AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    深刻认识到人工智能在推动科学进步的核心价值。它不仅是科技进步的加速器,更是人类智慧拓展的催化剂,引领我们迈向一个更加智慧、高效、可持续的科学研究新时代。
    发表于 10-14 09:12

    生成式人工智能在教育的应用

    生成式人工智能在教育的应用日益广泛,为教育领域带来了诸多变革和创新。以下是对生成式人工智能在教育的几个主要应用方面的详细阐述:
    的头像 发表于 09-16 16:07 632次阅读

    名单公布!【书籍评测活动NO.44】AI for Science:人工智能驱动科学创新

    材料基因组工程的推动下,人工智能如何与材料科学结合,加快传统材料和新型材料的开发过程。 第4章介绍了人工智能在加快药物研发、辅助基因研究方面及在合成生物学的普遍应用。 第5章介绍了人工智能
    发表于 09-09 13:54

    FPGA在人工智能的应用有哪些?

    FPGA(现场可编程门阵列)在人工智能领域的应用非常广泛,主要体现在以下几个方面: 一、深度学习加速 训练和推理过程加速:FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性
    发表于 07-29 17:05

    医学影像存储与传输系统源码,PACS系统源码

     医学影像存储与传输系统,PACS部分主要提供医学影像获取、影像信息网络传递、大容量数据存储、影像显示和处理、
    的头像 发表于 07-18 16:31 312次阅读
    <b class='flag-5'>医学影像</b>存储与传输系统源码,PACS系统源码

    利用NVIDIA的nvJPEG2000库分析DICOM医学影像的解码功能

    本文将深入分析 DICOM 医学影像的解码功能。AWS HealthImaging 利用 NVIDIA 的 nvJPEG2000 库来实现此功能。
    的头像 发表于 05-28 14:27 730次阅读
    利用NVIDIA的nvJPEG2000库分析DICOM<b class='flag-5'>医学影像</b>的解码功能

    人工智能在战略评估系统的应用有哪些

    智慧华盛恒辉人工智能在战略评估系统的应用广泛而深入,具体体现在以下几个方面: 人工智能在数据收集与处理方面发挥着重要作用。它能够自动化地从各种来源收集大量数据,包括市场趋势、竞争对手动态、用户反馈
    的头像 发表于 04-24 14:54 508次阅读

    云知声加入医学人工智能委员会

    近日,中国人工智能产业发展联盟医学人工智能委员会2024年第一次工作会在海口隆重召开。此次会议汇聚了产学研用医各方精英,旨在总结医学人工智能委员会前期工作进展,并深入探讨医学人工智能
    的头像 发表于 03-16 14:04 882次阅读

    人工智能在影像升级的关键作用

    GPU和深度学习的结合对于使人工智能更快、更高效地升级也至关重要。GPU可以同时处理大量数据,从而实现更快的训练和推理。
    发表于 03-11 18:15 207次阅读

    人工智能在软件测试的应用

    测试的应用。 人工智能在软件测试的应用可以有效地提高测试的效率和准确性。通过机器学习、自然语言处理、模式识别等人工智能技术,测试工具可以自动分析软件的代码、性能、功能等各方面指标,
    的头像 发表于 12-26 11:02 584次阅读

    轻松实现医学影像 AI:NVIDIA 提供 MONAI 托管云服务

    提供了一条快速通道,使用预训练的基础模型和企业 AI 工作流,将 AI 集成至其医学影像产品。这些 API 基
    的头像 发表于 11-30 19:35 476次阅读