一张X光片，外加生化检测和临床表现，就能算出是什么致病微生物导致孩子肺炎，准确率在90%以上。这并非什么天方夜谈，广州市妇女儿童医疗中心临床医生与研究者们研发的新一代人工智能平台，表现出了如此天赋。最为关键的是，这一平台运用同样的算法，不仅能读“图”识别重症肺炎，还能读图识别“眼科”疾病，还能告诉你“她”做出这一诊断的依据在哪。
该项医学领域的人工智能研发成果，在今年2月23日的世界顶级医学杂志《Cell》（细胞学）上封面刊发。
“目前。这一平台读取的医学图片，还仅限定于眼部断层扫描片（OCT），和孩子胸部的DR片（胸透X片）。我们正在让其学习读取妇、儿领域中最为常见影像检查B超。让其在鉴别胎儿畸形方面发挥重要功能”，广州市妇女儿童医疗中心数据中心主任梁会营表示。
学习20万眼疾患者图像资料 “看病”准确性超95%
当2017年互联网巨擘腾讯，携“觅影”这一人工智能利器杀入医学领域，并开始在食道癌、肺癌、乳腺癌等恶性肿瘤早期筛查工作中逐渐应用时。在医学领域中兴起了一股“AI”开发热潮。
随着研发的深入，这些“AI”往往在某一个疾病领域内会成为准确率很高的辅助手段，但一旦跳出这个领域，“AI”就会变得毫无用处。此外，这些“AI”对医学影像资料是非常挑剔的，能读CT的，不会读MR，能读X光片的，不会读超声检查。
更为关键的是，这些“AI”在做出诊断后，往往是只告知判断结果，不告知判断依据。辅助治疗时，“AI”的判断可能很准，但由于不能告诉医生做出这一判断的依据在哪，其对医学临床的促进往往有限。
“能不能用一种算法、一个‘AI’，在两个联系不那么紧密的专科领域内应用。让‘AI’成为一个综合能力更强的人工智能呢？”广州市妇女儿童医疗中心的专家们决定开始这方面的尝试。而选择让人工智能学习的病种，最后被确定在了眼科、呼吸内科这两个领域。
加州大学圣地亚哥分校Shiley眼科研究所教授张康是一名著名眼科专家，伴随着和广州医学团队的合作深入，他也已加入广州市妇女儿童医疗中心基因检测中心， 他表示：“黄斑变性和黄斑水肿是两种最常见的、导致不可逆失明的原因，但如果及早发现的话，两者都是可以治疗的。但遗憾的是这两种病的诊疗资源一直以来都集中在城市地区的一些资深专家身边。加强这一领域的人工智能研发，有着现实的推广意义”。于是，研究团队决定加强新一代人工智能在这两种眼科疾病中的“读图”能力。
搭建好一个基于影像学大数据和深度学习算法的人工智能平台，然后让“她”前后学习了超过20万病例的图像资料后，小AI诊断黄斑变性、黄斑水肿的能力已臻化境。在和5个专家进行人机大战验证后，准确率达到95%以上，而且30秒钟就能根据同样一个眼科检查片子来判断出是否需要进一步治疗。
“现在我们的人工智能平台可以不受人员不受区域的限制，特别是在医疗资源匮乏的国家和地区推广，解决医疗服务能力不足问题，提高健康服务的公平性、可及性”。目前，这一单纯的眼科AI已经开始在美国、海地的一些私人诊所进行应用，帮助两国的医生对上述两种致盲性疾病做出判断。
看眼科病的神器 看儿童重症肺炎也不赖
为了印证之前设计的算法，同样可用于其他类型疾病的辅助诊、治。研究团队决定让其AI开始学习重症肺炎的相关知识。
广州市妇女儿童医疗中心主任夏慧敏表示“儿童重症肺炎是一种病死率较高的感染性疾病，全球每年有1400万5岁以下的儿童罹患重症肺炎，病毒、细菌、支原体和衣原体是其主要病原，决定重症肺炎预后的关键是能否有效合理的使用抗生素。因此，明确儿童肺炎的病原学分类，对肺炎的精准性用药具有重要的指导意义”。
为了儿童重症肺炎的病因，目前主流的方案是对孩子的血液、痰样本进行分离、培养，让后结合各种诊断手段来加以诊断。“周期很长，需要一周左右，检查结果的影响因素很多，而且这时孩子的治疗不能耽搁，医生在没有明确诊断结果前，往往是根据经验来进行试错性用药。一种药没效，换另一种，再不行再换，治疗有一定的盲目性。”
夏慧敏表示，如果这一看眼病很犀利的人工智能，同时又能帮助儿童医生判断出重症肺炎的致病病原体，那现实意义也会非常巨大。“能够实现抗生素精准用药，避免抗菌素滥用，降低病菌耐药性，促进儿童重症肺炎康复。”
设想起来比较简单，真实操作却需要反复的验证、修改。要让一个眼科“AI”同时成为一个呼吸内科的“AI”，这就需要让机器的单一学习功能能够迁移。让其能够“将从一个环境中学到的知识用来帮助新环境中的学习任务”。
研究团队成员们又开始像一个老师团队一样，为人工智能“灌输”儿童重症肺炎的相关知识。并读取了妇儿医疗中心自有的7.8万余张儿童重症肺炎的X光片后。这个看眼病很牛的“AI”，在看儿童重症肺炎方面也开始表现出极高的天赋和准确性来。在和4300个现有医学手段明确重症病因的病例进行比较后，“眼科AI”看儿童重症肺炎的准确率达到了90%以上。
“该平台同样能够通过胸部X线片影像学数据的训练学习，成功实现重症肺炎病原学类型的差异性分析，准确度超过90%。这一方面为儿童肺炎的临床精准治疗提供了基础：例如，病毒性肺炎主要以支持性治疗为主，而细菌性肺炎则需要迅速启动抗生素治疗；另一方面表明该套平台具有很强的可迁移性、普适性，可以有效地应用于多种类型医学图像数据进行跨病种的诊断鉴别。”夏慧敏表示，人工智能表现出了跨专科学系能力同样不差的可迁移性，这就非常值得医学领域期待了。“而国际顶尖杂志《Cell》,也正是看中了广州医学团队的这一创造性研究，而决定在封面刊发并加以推荐。”
更牛的地方：AI能告诉医生自己判断的依据
既往的医用人工智能可能准确率高，但往往给人的感觉是“知其然，不知其所以然”，自己是高手，但成为高手的独门秘籍秘而不宣，或者说还不知道应该怎么“宣”。而广州市妇儿医疗中心研究团队研发的这一套新版人工智能，则完全打破了AI固有的操作黑箱。“不仅能告诉医生自己的判断，还能告诉医生自己为什么这么判断。”
梁会营表示，“鉴于深度学习模型架构本身是个‘黑箱’，单纯依靠深度学习技术的研究和产品，给出的报告中只有结果，而没有列出判断的理由与过程，这样的结果即便精准度很高，也不适合医生使用。就像我们不能要求医生使用未知成分的药物治疗患者一样，尽管这种药物有效。而本平台上，课题组创新性使用了遮挡测试的思维，通过遮挡检测的方法，该平台可以显示它从图像的哪个区域得出诊断结果，在一定程度上给出了判断理由，符合医生的推导过程， 这种创新方法使得该平台更有可信度。”
通俗点说吧，就是这一平台能在根据X光片判断出孩子的重症肺炎是被何种病原体攻击的同时，还能在X光片上指出来这一病原体攻击的是孩子双肺的哪一个具体靶位。这一功能，对于临床医学的推动、促进就非常巨大了。
团队研发的这一“AI”，还在不断加强当中。目前，团队仍在让‘AI’在学习了X光片料后，加入学习患儿的生化检查资料，以及患儿的临床症状学习。 “今年上半年，完善学习的‘AI’推出后，就能根据患儿的X光片、简单血常规检查，再辅助上一些头痛、脑热等临床症状，最精确判断出孩子的重症肺炎类型。”
AI这么牛 会让影像科医生失业吗？
投入医学应用的人工智能越来越多，精度、准确度越来越高，那现有的医院影像科医生会不会面临失业？
夏慧敏表示，“患者日益增长的优质医疗资源需要同专业医疗人员培养不足的矛盾”，是我国医疗改革面临的痛点之一”。在医疗影像领域，需求端的痛点更为强烈：例如放射科医生每天需要看上万张影像学图片，即使每张只需要看3秒，也需要至少8-9小时看完，医生的时间和精力都消耗于此。于是乎，影像科医生的时间和精力都成了一种稀缺资源，在产能有限的情况下，用人工智能（AI）辅助医生完成重复的筛查工作，不仅更加经济、高效，也让医生有精力做更多有价值的工作。
“一个医用级的AI，不仅需要能读片，还要能处理文字、生化、症状描述等等。现在的AI还只是初级阶段，远远没有成长到替代影像科医生的地步。”
采写：南都记者王道斌
