管理者和影像醫(yī)生都希望借助人工智能突破影像學(xué)的瓶頸，構(gòu)建影像工作新模式。

人工智能時代不斷逼近，國內(nèi)影像學(xué)科技術(shù)正處于大發(fā)展時期。國內(nèi)醫(yī)院影像學(xué)科同時也處于大發(fā)展階段。設(shè)備配置數(shù)量、科室占地面積從過去到現(xiàn)在，大多都實現(xiàn)了快速倍增。

隨著醫(yī)學(xué)發(fā)展，疾病診斷證據(jù)愈發(fā)依賴影像資料，醫(yī)院數(shù)據(jù)庫里積累了大量圖形圖像信息。

無論從哪個方面講，影像科從業(yè)者都希望人工智能時代能夠盡快到來。不過，當下人工智能存在不可忽視的問題，比如虛火旺、企業(yè)不正當宣傳、安全隱患等。目前，從算法、數(shù)據(jù)來說，人工輔助診斷研發(fā)似乎是低門檻，三五個人一合計就可以弄個公司。于是，企業(yè)如雨后春筍般冒出來。

面對這種狀況，醫(yī)院需要甄別，企業(yè)需要健康發(fā)展?，F(xiàn)在經(jīng)常會有各種人工智能比賽，涉及影像科的也有不少。最近的一次學(xué)術(shù)會議上，一家新加坡公司遴選15位放射科醫(yī)生與人工智能比賽，然后宣稱“人工智能戰(zhàn)勝15位放射科醫(yī)生”。這種結(jié)論非常不客觀，因為比賽有很多條件限制，并不是真實的臨床工作。成熟的人工智能產(chǎn)品應(yīng)該很“強壯”，兼容性很好，易用、安全，目前沒有完全成熟的產(chǎn)品適用于臨床。

我們醫(yī)院目前在使用三家公司的產(chǎn)品，但都是科研產(chǎn)品。就肺部結(jié)節(jié)來說，2萬多例患者，人工智能幾乎沒有漏診，但是假陽性率偏高，可達50%。

為了與之比較，我們抽檢200個肺結(jié)節(jié)病例讓年輕醫(yī)生讀片，漏診能夠達到21%。這也很正常。如今一個CT檢查可以達到300幀圖像，小的肺結(jié)節(jié)很容易漏掉，因為很多支氣管、肺動脈干擾醫(yī)生判斷。

兩相比較，人工智能漏診率非常低。人的注意力確實無法時時高度集中于300幀圖像，其實特別需要人工智能輔助。因此，經(jīng)人工智能先篩查一遍，再由醫(yī)生有針對性地分析，這樣可以避免漏診。

盡管如此，影像醫(yī)生的日常工作絕不僅僅是簡單篩查，更多的是鑒別正常和異常情況。異常情況下還可能需要分別出幾十種甚至上百種疾病。因此，人工智能離臨床的實際工作流程還有距離。

當然，這種輔助工具接受度也在逐漸升高，醫(yī)院全部肺部結(jié)節(jié)影像圖片都會用人工智能篩查，然后再進行人工分析。但是，這絕不是說，它戰(zhàn)勝了多少位放射科大夫。

當前，北京大型醫(yī)院影像醫(yī)生人力成本一年在25萬～30萬元不等，還會越來越高；影像科人力依然不足，常年加班；患者也總在等待中。在這種情況下，控制成本，提升效率，減少重復(fù)低級勞動，顯得尤為重要。醫(yī)院管理者和影像科醫(yī)生都希望借助人工智能突破影像學(xué)的瓶頸，構(gòu)建影像醫(yī)生工作新模式。