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

    1789

    文章

    46633

    浏览量

    236977
  • 医学影像
    +关注

    关注

    1

    文章

    109

    浏览量

    17345

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

    《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 16:07 511次阅读

    人工智能ai4s试读申请

    目前人工智能在绘画对话等大模型领域应用广阔,ai4s也是方兴未艾。但是如何有效利用ai4s工具助力科研是个需要研究的课题,本书对ai4s基本原理和原则,方法进行描诉,有利于总结经验,拟按照要求准备相关体会材料。看能否有助于入门和提高ss
    发表于 09-09 15:36

    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 16:31 289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 14:27 672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 14:54 490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 14:04 857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 18:15 199次阅读

    嵌入式人工智能的就业方向有哪些?

    嵌入式人工智能的就业方向有哪些? 在新一轮科技革命与产业变革的时代背景下,嵌入式人工智能成为国家新型基础建设与传统产业升级的核心驱动力。同时在此背景驱动下,众多名企也纷纷在嵌入式人工智能领域布局
    发表于 02-26 10:17

    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 11:02 564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 19:35 466次阅读