0
| 本文作者： 李雨晨 | 2019-12-03 10:00 |
近日，2019中华医学会第二十六次全国放射学学术大会（CCR2019）在北京国家会议中心召开。本次会议由中华医学会和中华医学会放射学分会共同主办。
尽管医疗AI经历了三年多的发展，但是为期5天的大会里，人工智能依然是放射科医生们最关注的话题之一。64场专题发言和论文发言、肝脏、直肠的共识讨论，让AI牢牢占据了医生话题的C位，小小的会议室里挤满了各种专业的观众。
张惠茅是吉林大学第一医院放射科主任，也是中华医学会放射学分会和中国医师协会放射学分会常委。
作为一名医生，张惠茅主任对AI的发展十分关注。在CCR 2019的人工智能分论坛上，张惠茅发表了题为《中外医学影像AI进展对比》的演讲。
关注AI掘金志公众号，在对话框回复关键词“吉大一院”，即可获取演讲PPT。
她表示，从临床需求到临床产品的过程非常复杂，需要不断的进行迭代。很多医疗AI产品虽然能解决单个痛点，但是很难满足医生日常工作中的所有需求。
因此，中华医学会放射学分会成立了医学大数据与人工智能工作委员会，以及医学影像AI产学研用创新联盟。“金征宇主任和刘士远主任都非常重视这项工作，我们都特别希望去推动医疗AI的发展。”
今年7月，国家药品监督管理局也积极投入资源，成立了10个工作组，加快各种测试样本数据库的建设。
此外，张惠茅主任也从政策、伦理、应用、人才教育等层面分析了国内与法国、加拿大、美国等三个国家在医学影像AI方面的诸多差异。
2017年、18年，法国和加拿大就成立了工作小组，来讨论AI使用过程中的行为规范，研究把AI引入临床会引起的影响，以及如何让它更好地帮助医生。
但是，两个国家会略微有所不同。
例如，法国规范了一个严格的匿名化范畴，要求去除dicom格式文件中患者的隐私信息。医生需要告知患者其医疗数据将用于研究，并签订书面协议；
而加拿大没有法国严格，他们指定的规则是可以妥善的保护患者的标识的关联信息，但是这些必须加密。
而相比之下，美国建立了一个关于AI的评价框架，主要目的就是从基础研究、人机交互、伦理和法律安全等诸多方面来推进AI的发展。
当然，在数据库建设、产品应用范围等方面，张惠茅主任都给出了自己的观察与见解。
演讲最后，张主任说到，“我们不能把新的算法、数据都放在自己的腰包里。如果中国未来想做好AI，一定要打开这个壁垒，大家一定要有奉献精神。在安全的前提下，我们的医生奉献数据，算法团队奉献算法，在一个公开公平的情况下，大家互相交流才能够碰撞出更多的火花。”
以下为张惠茅的演讲全文，雷锋网做了不改变原意的编辑和整理。
大家好，我今天演讲的题目是《中外医学影像AI进展对比》。刚刚孔教授（孔德兴）给我们举了一个很好的例子。我们看到了物理学家、数学家在医学影像中扮演了核心技术推动者的角色。而医生作为最主要的使用者，利用这些技术推进了人们的医疗健康。
在最新的报道中，我们中国的科研文章产出已经在世界上排名第二，超过英国、仅次于美国。神经、胸部和腹部等是大家比较关注的一个领域。虽然中国排到了世界第二，占据整体数量的20%，但大家可以看到，我们在真正的高分文章上跟国外有差距。
其次，我们可以看一下AI在医疗行业的应用分布：从语音识别、电子病历，到保险行业、医疗诊断。Google、Apple等等的AI巨头公司，都已经投入大量的资金进入这个行业。
中国的人工智能产品在医疗领域，尤其在医学影像领域，占到了非常大的比例。原因之一是，影像数据在医疗数据中占了很大比例，在我们医院是70%左右。
还有一个原因是，这些数据是DICOM可以进行共同研究，在国际上可以通用。所以大家都非常关注这个领域，也投入了很多的资金和人力进行研究。
因此，我们中华医学会放射学分会成立了大数据人工智能工作委员会，金主任（金征宇）非常重视这项工作，我们也开展了很多探索性的研究。
还有刘主任（刘士远）成立了CAIERA——医学影像AI产学研用创新联盟，从各个方面来看，我们都特别希望去推动这个行业的发展。
此外，中国首部的医学影像白皮书也已经问世，我们在这里面谈了中国的头部企业以及他们最新的一些算法。里面特别值得一读的内容就是我们对医学影像现状和挑战的分析。
今年的7月份，国家药品监督管理局成立了10个工作组来推进这件事情，刚才孔德兴教授已经说了这件事情。国家已经投入了很多资源，请国内的数学家或者是顶级医院、企业来牵头规范这项事业。其中，数据库的建立是非常重要的一件事情。
我们再来看一下法国和加拿大。早在2017年、2018年，法国和加拿大就成立了工作小组，来讨论AI使用过程中的行为规范，研究把AI引入临床会引起的影响，以及如何让它更好地帮助到我们。
在对比过程中，可以看到两个国家有相同也有不同。
第一个是语言问题。其实这个问题很好理解，大家知道这是一个跨学科的交流，医生说的话，算法专家以及工学队伍不太懂。与此同时，机器学习的语言对我们医生来说也是一种挑战。所以如何能够建立一个互通的语言是非常重要的。
另外还有伦理问题：到底谁拥有数据，谁可以使用数据，数据的使用是不是一定要得到患者的允许等等。当然这也涉及到知识产权的问题，中国也已经开始规范医学影像AI的术语问题，着手建立起一个大家通用的字典。
关于安全的问题，两个国家稍有不同。
在法国，它规范了一个严格的匿名化范畴，大家可以看到它要求去除我们dicom格式文件中患者的隐私信息。医生需要告知患者，他们的数据将用于研究，并签订书面协议。
同时它也建立了放射科医生创建和提供高质量的数据集时，要遵守的数据传输的原则。这个问题也很有意思，我们就在想，放射科医生会传一些无用的数据吗？其实，在传输的过程中涉及了患者的隐私问题。
比如我做了肺结节，但是可能这个患者进行了一个全腹部扫描，我应不应该把这个人的腹部图像也传给你？严格来讲就不应该。因为你当时制定的研究协议就是针对肺结节或者针对胸部的，你就不应该把其他的图像传给别人。
相比于法国，加拿大没有那样严格，他们指定的规则是可以妥善地保护患者的关联信息，但是这些必须加密。另外，他们的规则中也谈到了如何应对大量标注数据的需求，可以使用新的算法来帮助人们标注数据。
还有伦理和社会问题。AI在我们的工作中到底可以起到什么样的作用？它是我们的一个助手，还是可以替代我们，还是真的可以帮助我们达到精准诊疗的一个目的？其实这些问题AI公司、科研人员、专家都特别关注。
我个人的看法是这样的。在伦理允许的情况下，评价一个AI的作用，是它能否在临床中帮助到我们。
很简单的一个例子，比如说我们医生天天在测量病变大小，那么我们是不是可以有这样的一个算法，不需要让医生天天手动去量，自动测量病灶三维体积。当患者进行随诊的时候，帮我们对病灶进行动态的、定量的评估，这样的AI可以极大地节约我们医生的时间。我觉得这些都是非常好的应用。
AI在法国未来的应用，不仅局限于在智能读片方面，在质量控制、流程优化，甚至于未来的报告解读等等诸多方面，都有很多可以应用的前景。
在加拿大，我们可以看到AI被用在图像分类、质量报告评分这样的任务里，在他们的报告中强调了如何让AI无缝链接到工作流程。因为AI如果真正想被放射科医生所用，要么节约时间，要么缩短医生的工作量，这样的应用才是我们医生欢迎的。
我们再来看一下美国。美国建立了非常完备的一个体系，建立了一个关于AI的评价框架，主要的目的就是从基础研究、人机交互、伦理和法律安全等诸多方面来推进AI的发展。
美国建立了自己的公开数据集及培养人才、评估人工智能以及如何来扩大各方面领域的合作规则。
这里特别值得我们学习的就是美国成立了Data Science Institute（数据科学研究院）。数据科学研究院的使命是：建立行业关系以及如何建立应用算法的案例，来更好的保护患者。
还有ACR的AI-Lab，它的使命是更好的来宣传AI，建立一个网上平台，让更多的人来使用、了解AI，更好的去开拓AI。只有建立这样的一个公平公开的平台，才会有更多的人来使用它。
在国外，有很多的公开数据可供大家使用。尤其是最近DeepLesion公开了他们关于肿瘤患者的数据集。大家知道，标注是一个非常非常有挑战的事情，既要耗费人力，还要耗费财力。
我们国内也有一些竞赛的数据库，还有中检院的肺结节数据集，但是相对可惜部分没有标注，部分没有对公众开放。
在这种情况下，我们没有数据，大家怎么做？我猜很多算法团队是用网上的公开数据集，或者是和一些医院拿到的几百例数据，做一个小的算法应用或者是做一个一两家医院的外部应用而已。
我个人更鼓励团队和医生能够沉下心来做一些事情。因为在这波浪潮中，大家把钱投进去到底有没有用，只有时间才是最好的老师，有一天我们的医生真的能够在日常中用到这些AI才是最好的。
希望大家携起手来，不管是从政、产、学、研、用等诸多领域，在国家的领导下，解决数据集、伦理、风险、隐私安全以及相关法规等等一系列问题。
当然，我觉得还有一个很重要的问题，就是要向患者解释清楚，我们这些AI产品或者是算法，未来真的如何能够为他们服务。我觉得这都是在座各位能够携起手来一起做的工作，谢谢各位。
雷锋网年度评选——寻找19大行业的最佳AI落地实践
创立于2017年的「AI最佳掘金案例年度榜单」，是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发，寻找人工智能在各个行业的最佳落地实践。
第三届评选已正式启动，关注微信公众号“雷锋网”，回复关键词“榜单”参与报名。详情可咨询微信号：xqxq_xq
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
