“读片诊断”大战，机器人快一倍

7003383

7005136

7005137

<article><section data-type="rtext">19日下午5点39分，北京友谊医院门诊楼二层报告厅内鸦雀无声。一场读取超声影像判定病例是否为癌症的大赛刚刚结束。80余位来自各大医院影像科的大咖们屏气凝神，盯着前方的大屏幕等待结果。而他们的对手，则安安静静地呆在报告厅的一个角落里。它身上贴着一个白色的标签：AI。等待的几秒显得格外漫长。这场人机大战，到底谁会获胜？终于，数字在大屏幕上定格：这款叫做“视诊通”的AI医生，在85名参赛选手中，准确率排名第六。但如果按照团队排名，它则以准确率超出0.3%的微弱优势，战胜了所有参赛医院团队。“几乎是打成了平手。”一位参赛大夫说。前天下午4点，以“甲状腺结节超声图像的性质判定”为主题的首届人机读片竞技大赛在首都医科大学附属北京友谊医院开战。本次人机大赛由中国医学装备协会超声装备技术分会和北京市计算中心联合主办，首都医科大学附属北京友谊医院承办。这是人工智能在医疗领域应用的一次创新性尝试。在友谊医院的大力支持和专业指导下，计算中心“起宏图”人工智能研发团队历时两年，基于深度学习和图像处理算法推出了“视诊通——医学图像辅助诊断工具”，辅助医生进行医学图像诊断。在B超影像内测诊断方面，“视诊通”准确率达到76%，水平可与5年经验主治医师相媲美。
 <adv-loader __attr__inner="7004636" __attr__style="width: auto;position: relative;float: left;border: 1px solid #ebebeb; padding: 20px;overflow: hidden;margin: 10px 30px 40px 0;"></adv-loader>
 大赛一开场，来自友谊医院、协和医院、北医三院、北京肿瘤医院等数十家三甲医院的84位影像科的专业医生和他们的对手“视诊通”被要求观看100套已有确切病理结果判定的甲状腺结节超声图像。医生们通过手机回答问卷的形式，对100套超声图像做出良恶性判定，每答对一次得1分，全部答对得100分。“视诊通”和医生同台竞技，会务组按照同样的评分标准为“视诊通”打分。最后，按照正确率进行竞技排名。来自301医院超声诊断科，有着8年“读片”经验的主治医师张明博双手握着手机，用左手和右手的大拇指快速地下拉考题，勾取选项。偶尔突然停下来想几秒，又继续“刷”考题。“这个应该是良性，这个一看就是恶性。”张明博自言自语。判定良性，她总是很谨慎。报告厅主席台的大屏幕上，则显示着这位AI医生的答题情况。绿色的进度条快速地向前“冲”，它看一张超声影像不超过1秒钟。判定一个病例几乎不超过5秒。大多数医生才答了不到一半的时候，进度条已经显示100%。“机器人答完了！”主持人说。这个速度快得令正在紧张比赛的医生也发出了赞叹。“我们一定在准确率上胜过它！”张明博小声说着，手指翻动题目更快了。最终结果显示，“视诊通”答100道题用时514秒，正确率73%，排名第六。而获得第一名的张明博用时909秒，正确率76%。“哇塞，赢了！”张明博开心地攥了攥拳头。再看团体排名，这名AI医生扳回了一局，以73%的准确率打败了所有参赛的医院团体。据介绍，这名AI医生，赛前刻苦“学习”了800多个相关病例样本。什么情况下判定为良性，什么情况下判定为恶性已颇有“经验”，只是不够“灵活”。张明博说，人工智能还是不能代替真正的医生。她指出，甲状腺癌单从影像上来说，情况千差万别。在现实的诊断中，超声影像只是医生们做出判断的依据之一，还包括向患者了解病史、遗传学信息等，此外还有很多深入的检查辅助医生判断，绝不会像比赛现场的判定这么“草率”。“如果将来AI医生用于疾病筛查，那么我希望它一定要提高敏感度。宁可把良性误诊为恶性，也不要漏掉那些看似是良性，实际是恶性的病例。”张明博说，AI医生需要把所有可能是恶性的病例都筛选出来，再由医生来进一步判断。“但比赛结果充分说明了人工智能在医疗领域的应用潜力及广阔前景。”张明博说。北京友谊医院超声科主任钱林学指出，“视诊通”等AI医生未来有望以专业级的诊断结果、快速的诊断效率，便捷的应用方式成为医生的得力助手或者作为医科学生的辅助教学手段，特别是还能有效弥补偏远地区、基层医院的医学影像诊疗资源。本报记者 张然</section></article>

7003385

7003386

7003387

7003388

7004638

7004639

7004637

7003389