治疗白癜风的医院 http://www.bdfzkyy.com/来源:健康报放眼全球,人工智能(AI)方兴未艾,医疗健康成为AI开发炙手可热的重要领域。自年起,我国皮肤病学领域陆续发布了多款AI产品,在医疗AI研发的竞技场上大放异彩。医疗AI研发,我们有哪些既有经验和路径可循?近日,记医院副院长崔勇教授,他是中国人群多维度皮肤影像资源库项目(CSID)项目发起人兼专家组组长,同时参与了皮肤AI应用的研发,从皮肤病学专业这个小切口进入,以其为样本,探讨医疗AI研发的个中奥妙。应用场景聚焦提高基层诊断能力为什么要研发一款AI产品?研发成功后能否落地推广?崔勇认为,AI很火,但在一片火热中更要对这些问题保持理性思考。“我们来看看它可能是什么。”崔勇拿出智能手机,打开他参与研发的AI皮肤应用,用连接在手机上的便携式皮肤镜,对着记者手部的一颗深色丘疹拍了一张照片,图像上传至云端后,这款AI产品很快给出辅助诊断结果:良性,可信度98%;前3位最可能疾病包括,色素痣(可信度43%)、血管瘤(可信度43%)、皮肤纤维瘤(可信度14%)。点开每一项可能疾病,都有详细的疾病特征及诊断介绍。年,我国皮肤疾病门诊量约2.4亿人次,但皮肤病专科医生仅有2.8万人,与巨大就诊需求相比,皮肤科医疗资源严重不足。同年,崔勇联手互联网公司完成的一项针对医院皮肤科医生的在线调查显示,医院医生对皮肤肿瘤良恶性诊断的正确率平均约为70%,医院仅约为30%。崔勇说,常见病易误诊,皮肤肿瘤易漏诊,罕见病不认识,这就是我国基层皮肤病诊断面对的严峻现实。“我国皮肤肿瘤的发病率以每年3%~5%的速度增长,其中黑色素瘤的5年生存率仅48%,而美国、日本分别达到93%和67%。除治疗药物疗效存在种族和遗传背景差异外,我国对于黑色素瘤的早期诊断不足是主要原因。同时,我国有银屑病患者万人,白癜风患者万人,对这些疾病的病程评估手段不足,缺乏科学的防控指导,严重影响患者身心健康。”崔勇说,CSID专家组研发皮肤AI的初心,就是从高死亡率的疾病、高发病率的慢病入手,切实赋能基层医生,提高他们对于这些皮肤病的诊疗水平。崔勇的构想远不止于此。“随着AI辅助诊断覆盖病种的增加、互联网技术的普及发展、覆盖全国的专科医联体建设,未来完全可以此为基础构建新型远程皮肤病学模式。”崔勇表示,他们研发的皮肤AI已在现实应用中取得了不错表现,医院使用半年来,辅助诊断了很多早期皮肤肿瘤,目前已开始筹备向国家监管部门正式申报医疗器械许可证。多维度影像大数据是研发基础算法和数据是AI研发的两大要素。可靠算法价值千金,优质数据更是千金难买。皮肤病学是依赖形态学直观特征建立的学科,皮肤影像已经成为皮肤病辅助诊断和动态评估的重要手段。海量且高质量的皮肤影像数据是AI研发的基础,但长期以来,我国皮肤影像数据一直处于“孤岛林立”的状态。医院积累的数据,其广度、丰度、深度都远远不足以支撑AI开发。年,崔勇、孟如松等牵头,联合我国皮肤病学界专家团队、互联网及数据技术团队,协同启动了CSID。截至目前,CSID已覆盖全国医院,基于相对标准的规范,收集了30多万组多维度皮肤影像资源。崔勇说:“多维度也是我们创造的一个概念,特指每一组数据资源都来自针对同一处皮损的多种皮肤影像技术,包括皮肤摄影、皮肤镜、皮肤CT、病理影像等,只有这样才能获得完整的皮肤病表型特征。”“数据标注是AI研发的另一个关键环节。”崔勇说。针对皮肤影像数据的深度学习会受到非皮损区域信息的影响,干扰核心信息的读取,因此需要专业人员(主要是专业医生)对目标区域进行标注,更好地建立特定区域影像信息与疾病之间的对应关系。“将标注区域的诊断结果告诉AI,AI在大量重复学习图像共性特点的基础上,通过算法建立自己的诊断思路,这个过程就相当于将专家的诊断经验传授给AI。”据悉,为了实现数据标注的规范化,项目组制定了皮肤病分类分级标准并申请专利,将皮肤病分为皮肤肿瘤和非皮肤肿瘤,将皮肤肿瘤分为良性、恶性、交界性3类,每一类又分为多个不同层级。“有了分类分级标准才能对影像数据进行规范标注,基于神经网络模式对标准化皮肤影像大数据进行深度学习,才能使AI具备对特定皮肤病作出分级分类判断的能力。”崔勇说。研发和应用都离不开专家牵引目前,崔勇参与研发的皮肤AI已进入2.0版本,能判断17种皮肤肿瘤的具体类型,皮肤肿瘤良恶性识别率达91.2%,疾病类型识别率达81.4%。“这两个数字已经远远高出医院皮肤科医生的平均诊断水平,如果能在基层进行普及推广,将大大提高基层皮肤科医生的诊断水平。”崔勇介绍,除了用于皮肤肿瘤辅助诊断的AI产品外,基于CSID项目的皮肤AI,还包括针对白癜风、银屑病的两款慢病管理AI,“前者为面向医生的医用级AI,后两者可以提供给医生、患者分别使用”。年,国家远程医疗与互联网医学中心皮肤科专委会、中国医学装备人工智能联盟皮肤科专委会联合牵头,建立了包括全国医院的皮肤影像中心网络。“这为AI的应用推广打下了组织基础。”崔勇说,通过多维度皮肤影像分析管理系统上传皮肤影像,基层医生可以在AI的协助下出具影像检查报告,实现基层检查、上级诊断。“依托医院医联体,皮肤AI应用跑了一圈数据,3个月时间里,基层医生共调用了多次AI,辅助做出了1万多份影像报告。”崔勇表示,对于构建新型远程皮肤病学模式而言,培养具备熟练使用皮肤影像设备能力的基层医务人员是必由之路。CSID依托全国皮肤影像中心网络已经构建了教育和能力认证平台,医院皮肤科医生多人。回顾皮肤AI应用的研发历程,崔勇认为,专家主导、技术协同、资本融入,应该是医疗AI研发的可循模式。AI研发的方向和规划,产品的推广体系建设,都应由医学专家从临床需求的角度出发来把握,影像数据库和影像标注的质量控制,也必须依靠专家的指导来完成,“专家团队的缺乏是目前国内不少AI公司的共同短板”。不久前,崔勇参与研发的皮肤AI应用成为国家卫生健康委统计信息中心评出的“医疗健康人工智能应用落地最佳案例”之一。崔勇说,CSID正在为其他医学AI的研发提供可参考的协同模式。(记者刘志勇)
转载请注明地址:http://www.jhkqk.com/bdfnzym/15192.html