TikTok不使用的时候要关闭Wi
自动阅片写报告，AI辅助诊断让医生患者都受益
阅片是影像科医生的一项常规工作内容，需要非常专业的知识，但同时也是一项机械、繁琐的工作。医生需要对影像资料进行分析对比，然后书写诊断意见或进一步检查的建议，重复的工作无形中占用了大量的时间，降低了医疗效率。医生疲惫不堪，病人也因为排长队而叫苦不迭。
面对这种情况，计算机和医学领域的研究人员都在考虑：如果能够让“全能”的人工智能帮助医生阅片，自动诊断写报告，岂不是能节省大量的时间，让医生和病人都受益？
目前已经出现了不少AI自动诊断的成果，不仅能做出准确的判断，还比人类更快：“啄医生”——便捷高效的阅片机器人：啄医生”——由四万余块260核芯片组成的“超级计算机”，将超算技术与人工智能结合，学习了10万多套肺片，在短时间内，迅速达到了有15年临床经验的影像科医生的阅片水平。
阅片机器人图片来源：央视《机智过人》——2017-12-22
CheXNeXt——基于神经网络的X光诊断算法：
去年年底，吴恩达的斯坦福团队发布了一个基于深度神经网络CheXNeXt的X光诊断算法，该算法可以自动诊断14种疾病。在其中10种疾病的诊断上，AI的表现与放射科医生旗鼓相当，还有一种疾病的诊断效果甚至超过了人类。并且，这个AI诊断算法的诊断速度是人类的160倍！
算法用胸片生成热图，颜色越暖的部分，对疾病诊断越有价值图片来源：CheXNeXt：Deep learning for chest radiograph diagnosis
吴恩达团队还针对这个算法开发了一个名为XRay4All的手机应用，只要给胸片拍个照，AI就能够自动诊断。
动图来源：量子位
VISPI——生成阅片报告的自动医学图像解释系统：
计算机辅助医学图像视觉感知和解释（ computeraided medical image visual perception and interpretation）这项研究一直在进行中。但是，由于缺少经过注释的图像报告样本和能够充分提取并利用局部特征的生成模型，尤其是缺少能够提取相关联的语义特征的生成模型，之前尝试过的种种方法得到的效果总是不尽如人意。
不过，在经过不断地创新和实验后，最近一个叫做VISPI的自动医学图像解释系统，首次尝试了利用疾病定位来生成X射线图像报告，在疾病分类、定位和报告生成方面都取得了不错的效果：
VISPI生成的报告草稿：有稳定的轻度心脏肥大，无明显的肺血管充血。主动脉弯曲稳定，无急性肺实变，无大量积液及气胸。
VISPI首先预测并将疾病定位为语义特征，然后生成报告。下图是VISPI的工作流程：
VISPI首先通过对胸部疾病进行分类和定位来注释X光图像（a），然后生成相应的语句，构建整个报告（b）。其中，c显示了用于生成报告的Attentive LSTM的结构（Attentive LSTM基于编码器-解码器结构）。
具体步骤如下：
- VISPI的分类模块以一个121层的密集卷积神经网络（DenseNet）为基础，将最后的全连接层替换为一个维度为M的新层（M指疾病的数量）。
- 应用Grad-Gams（Gradient-weighted Class Activation Mapping，梯度加权类激活映射）对疾病进行热图定位。
- 如果在X光片中未发现活动性胸廓疾病，则根据绿色虚线框中所示的原始X光片，由Attentive LSTM直接生成报告。否则（如红色虚线框所示），裁剪出一个带有局部疾病的子图像，生成异常描述，而原始的X光片则用来生成报告中的正常描述。
分别用一个正常的胸片和一个出现“心脏肥大（Cardiomegaly）”症状的胸片来测试一下VISPI系统的表现：
上图展示了两个胸片的诊断报告。第一行显示了一张正常的胸片，第二张是一个“心脏肥大”的病例（第二行胸片热图红色边界框中的区域）。
针对每张胸片，分别提供一份医生书写的报告和一份VISPI系统自动生成的报告。
正常病例：
医生书写的报告内容：the heart size and cardiomediastinal silhouette are within normal limits.pulmonary vasculature appears normal.There is no focal air space consolidation.no pleural effusion or pneumothorax.（心脏大小和心脏纵向轮廓在正常范围内。肺血管系统正常。没有局灶性气囊巩固。没有胸腔积液或气胸。）VISPI自动生成的报告草稿：the cardiomediastinal silhouette and pulmonary vasculature are within normal limits in size. the lungs are clear of focal airspace disease pneumothorax of pleural effusion.there are no acute bony findings.no acute cardiopulmonary findings.（心脏纵隔轮廓和肺血管系统的大小在正常范围内。 肺部没有局灶性空气病胸腔积液气胸。没有急性骨性表现。没有急性心肺表现。）
“心脏肥大”病例：
医生书写的报告内容：mild cardiomegaly. mild unfolding of the thoractic aorta.no focal air space opacity.no pleural effusion or pneumothorax.visualized osseous structures are unremarkable in appearance.otherwise no acute cardiopulmonary abormalities.（轻度心脏扩大。胸主动脉轻度张开，无局灶性气隙混浊，无胸腔积液或气胸，可见骨结构外观无明显改变，无急性心肺衰竭。）VISPI自动生成的报告草稿：mild cardiomegaly.there is no focal consolidation.no pleural effusion or pneumothorax.there is no focal air space consolidation.no pleural effusion or pneumothorax.degenerative changes of the thoracic spine.no acute cardiopulmonary abnormality.（轻度心脏肿大，无局灶性实变，无胸腔积液、气胸，无局灶性气隙实变，无胸腔积液、气胸，胸椎退行性改变，无急性心肺异常。）
对比医生书写的诊断报告和VISPI自动生成的报告，可以看出，VISPI医疗解释系统能够准确地诊断胸部疾病，并生成语义准确，结构良好的诊断报告。
AI在医疗诊断领域出色的表现吸引了越来越多的目光，武汉同济医院在2016年就上线试用了AI-DR辅助诊断技术。短短5个多月，使用AI-DR技术共诊断X线片8093张。在测试实际病人X线片的过程中，AI-DR于160例病例中发现了两例医生诊断中遗漏的病灶。
人工智能对大数据出色的学习能力，让它可以获得比人类更丰富的经验。更重要的是，机器不会遗忘，也不会疲劳。在目前医疗资源紧缺的情况下，AI将能够把医生从专业但重复的繁重工作中解脱出来，更专注地攻克医疗难题；患者也将能获得更及时的讯息。AI辅助诊断的未来非常值得期待！
对科技知识感兴趣的朋友可关注
人工智能在医疗产业如何实现创意发展?
其实这是一个很大的问题，因此我们只能从框架性的角度出发去回答，人工智能虽然发展迅速。但是要投入到医疗产业尤其是实现临床应用却是困难重重，就如深度算法的图像识别在计算机领域内已经有了很多突破，但是这其中的很大一部分都无法应用于医学图像（如影像学图像、病理图像等）的识别。由于医疗行业自身的复杂性和医疗相关信息的不适于共享性，这都极大得延缓了医疗人工智能产业的进步。
因此我觉得所谓的创意发展，其实是有点太理想化了，真正要发展医疗人工智能，我们还是要根据医疗行业本身的特质入手，从基础研究、临床转化、产品商业化、临床使用再到后期还要符合循证医学的原则，这每一步都有很多具体问题，而每一步也需要我们实实在在得去走过，这样子才有可能切实推动医疗行业人工智能的发展。
