白癜风治疗要花多少钱 http://m.39.net/news/a_5910007.html“88%科室使用AI产品的是肺结节筛查，6%是冠脉分析，其余依次是骨龄、乳腺和前列腺智能诊断”。日前，中国医学影像AI产学研用创新联盟发布的《中国医学影像AI白皮书》，让传说中的AI医疗扎堆肺结节筛查现象有了一个更直观体现。AI医疗是AI技术运用最广泛也较为成熟的领域，但伴随争议声越来越大，看好者认为AI能帮助解决医疗资源缺乏的问题，并能提高医生工作效率，从而创造价值；唱衰者则质疑其同质化严重，落地进程极为缓慢。难道AI医疗走入死胡同了吗？现状肺结节筛查成AI医疗企业必选题“在我接触以及同行交流中发现，通常做AI医疗的企业，都有肺结节筛查产品”，医院放射科主任张水兴教授也有类似感受，“像我们科室除了AI辅助肺结节筛查，还有乳腺癌钼靶筛查、骨龄筛查。同时，正与AI企业开展甲状腺结节筛查研究”。这两年不少AI医疗企业来登门推广自己的影像产品，记者采访过程中又有一家来敲门。中国医学影像AI产学研用创新联盟理事长刘士远就曾表示：对比中美AI医疗公司业务布局可见，目前美国医疗AI企业行业分布较广泛，而中国医疗AI企业大多集中在影像方面。根据估算，目前国内多家AI公司中，从事医学影像的公司有家以上。肺结节筛查诊断赛道上玩家众多，既有阿里、腾讯等行业巨头的身影，也有零氪科技、深睿医疗、图玛深维、汇医慧影等已经过多轮融资的头部创业公司。原因对科技企业来说，肺结节筛查易入门为什么大家都扎堆肺结节筛查？在张水兴看来，对于科技企业来说，肺结节筛查可谓入门级别。肺结节主要是指肺实质内单发或多发直径不超过3cm的圆形或类圆形结节影，不能排除早期肺癌的可能。《肺结节诊治中国专家共识（年版）》肺结节的发病率35.5%，其中诊断为肺癌的肺结节占0.54%。肺结节的恶性比例不高，但与肺癌的关系紧密，也让大众容易“谈结节色变”。这样的场景想必不少人似曾相识：张阿姨体检结果显示肺上有一个8mm的小结节，医生告知肺结节有良恶之分，良性的话通过服药可控甚至无需治疗，但若为恶性则需立即切除，可能形成肺癌危及生命。令人纠结的是，既怕错把肺癌当良性疾病，耽误最佳治疗时机；也怕贸然手术白挨一刀，影响肺功能，降低生活质量。一个结节让张阿姨整日忧心忡忡，寝食难安。一位影像AI领域从业者向记者透露，随着高分辨率CT的广泛使用以及公众对体检的重视，肺部结节愈来愈成为临床常见问题，公开数据也较多。如果是恶性肺结节，就提示患癌的风险。所以AI企业在肺结节领域很容易出产品，收效周期短，就更有希望转换成经济效益。像肝癌就少有人触及，一是肝癌影像表现多样，如巨块型、结节型、弥漫型和小癌型；二是肝癌伴有复杂肝病背景，如肝硬化、脂肪肝、酒精肝等；赛题训练集的各种肝癌数据不均衡，增加了判断难度。AI医疗企业现阶段都在烧钱，算法五花八门，准确率还有待提高，付费场景尚未实现，张水兴直言，这种情况下，能沉下心做研发的凤毛麟角，不少企业登门只是着急向医生推销产品。问题AI医疗产品敏感性高，特异性不高国际顶级期刊《自然》近年发表的一篇题为《深度学习作为提高组织病理学诊断准确性和效率的工具》的研究文章中，研究人员表示深度学习算法的灵敏度达到了%，但假阳性率也高达40%。“的确，AI能发现越来越小的肺结节，当医生工作量大、工作疲劳时，AI能轻易帮忙找到3毫米以下的肺结节，但同时也存在不少假阳性，这就需要医生再做一次把关”，张水兴表示：“我们很多AI医疗产品敏感性高，特异性不高”。所谓敏感性，就是指其在诊断疾病的时候不漏诊的机会有多大，所谓特异性就是指该指标在诊断某疾病时，不误诊的机会有多大。医院影像医学部主任兼放射科主任梁长虹最近在第四届全球人工智能与机器人峰会上，就分享了一个案例：去年美国药监局批准了一款基于人工智能的软件，这款软件的应用程序Viz.AIContact会分析计算机断层扫描（CT）结果并短信通知神经血管专家，来判断脑血管梗塞情况。但权威杂志《放射学》（Radiology）的主编对于这个软件系统给予了强烈批评。因为这个软件系统到目前为止公开的数据没有多少，唯一可用的结果来自美国心脏协会年国际卒中会议的报告。该系统训练和验证数据来自埃默里大学医生建立的ALADIN非公开数据集。另外，提供了两个神经放射学家的名字，一位本身就在这家软件系统公司工作，另外一位正规途径查不到身份。“最重要的是它的特异性只有52%，类似于甩硬币（的概率）”。这提醒我们的AI公司，注意资料的完整性和可索源性。展望从实验室漂亮数据到临床运用仍存距离零氪科技联合创始人兼CTO罗立刚指出，现在部分医疗AI产品过度重视算法，而忽视医生的工作习惯和系统稳定性，“在既定的训练数据场景中表现良好，但临床环境更为复杂，有可能不能满足临床需求，只能被搁置”。罗立刚坦言，一家企业若想研发AI辅诊系统，具备处理影像、基因等多模态数据的能力，是必要条件。此外，作为系统科学，医学数据逻辑、建模、分层非常复杂和丰富。只有算法专家和医学专家深度融合，彼此听懂各自的“语言”，才能跨过医疗AI的门槛。“算法再漂亮，不代表实际临床中就能起效果”，张水兴感慨，“我从年就开始接触AI医学影像，并参与研发，AI企业做医疗远比大家想象的难，AI医疗不仅是一个科技领域，更有医学专业的高要求”。需要在AI运用中医生与AI企业技术人员不断沟通，完善产品，从而更好服务百姓。南方日报记者李劼通讯员张灿城