“如果把看片子的工作都交给机器，医生便可以拿出70％以上的时间跟患者做有效沟通，那么患者就医体验将大大优化。”在回答动脉网记者提出的医生是否担心被机器替代的问题时，重庆医科大学附属第一医院（简称“重医附一院”）放射科主任吕发金这样回答。
实际上，当体量不断增大的患者群体只能共享总量十分有限的医疗资源时，排队一上午、问诊五分钟的现象不足为奇。对于一些常见病症，人们靠生活常识辅以医生的简单叮嘱即可慢慢康复。而对于重大疾病，人们则往往束手无策，事无巨细都需要遵医嘱。以肺癌为例，肺癌是我国癌症发病率、死亡率最高的疾病，在现有诊断模式下，超过7成患者在被检查出罹患肺癌时，已经是晚期，肺癌5年生存率仅15．6％。此时，如若医嘱需求得不到满足，后果无疑是致命的。医疗AI具有高速处理海量数据的能力，可以适时把医生从重复的工作中解放出来，逐渐得到医疗机构认可。
医疗AI满足医疗需求的能力究竟如何？医生对医疗AI的态度又是怎样？带着这些问题，动脉网再度专访了吕发金主任。
医疗AI相继落地，临床需求更具体
重医附一院接入医疗AI的契机是陡增的职工肺癌筛查需求。2016年，重医附一院着手对全院职工进行肺癌筛查。第一年完成2000多人的筛查工作，共筛查出22名早期肺癌患者，超过1％的肺癌检出率让更多人重视肺癌筛查。
到2017年，参与肺癌筛查的员工数量便骤然增至6000余人。而每完成1例肺癌筛查，医生便需要快速浏览超过600张医学影像，6000余人肺癌筛查的工作量可想而知。然而，放射科医生只有40人，其中包括18名无法全天候读片的专家。如果完全采用人工读片，无异于挑战极限。
2017年初，重医附一院通过严格的筛选和验证，引进了一批准确性高、操作性强的医疗AI产品。依图医疗的care．aiTM肺癌影像智能诊断系统（简称“care．aiTM”）也在列其中。从那时起，医院的肺癌筛查工作进入了快车道。
目前，多款在已经实验室环境中得到验证的医疗AI产品相继在临床流程中落地，一些三甲医院的放射科甚至出现了医疗AI扎堆的局面。对于这一现状，吕发金主任认为应该一分为二地看。
一方面，医疗AI满足医生日常工作需求的作用应该给予肯定。吕主任指出，部分医疗AI产品解决了可操作性问题，能够在一定程度上承担影像科医生的重复工作。以care．aiTM为例，作为国内首款直接嵌入临床工作流的医疗AI产品，care．aiTM可以对接院内RIS和PACS，让医生得以不改变使用习惯，在自己的电脑上智能读片，体现了较高的用户友好性。
另一方面，医疗AI对临床医疗需求的覆盖程度还有提升的空间。目前，医疗AI的应用主要集中于单病种诊断，如肺结节的检出等，在更为广阔的单科室任务解决方案上还处于初级阶段。以肺部疾病为例，吕主任认为，医疗AI未来应当能够服务于整个肺部多种疾病的检出，并给出结构化报告。
满足临床需求，依图医疗2年内迭代出第三版产品
吕发金主任告诉动脉网，进驻重医附一院的4款医疗AI产品在服务临床工作流程中都达到了预期的目标。其中care．aiTM 由于准确性高、用户体验度好，在一线医生中颇受欢迎。
care．aiTM于2016年正式上线，至今已经推出第三代产品。从第一代care．aiTM到第三代care．aiTM，依图医疗的研发团队不断运用医生思维优化产品，投入超过百万数据以训练系统。截至目前，care．aiTM的敏感性超过95％，拥有超过92％的报告采纳率。
实际上，医疗AI在经历广泛的落地实践后，通过海量临床数据的学习，性能逐渐受到医生的认可。吕发金主任举例道，“肺结节筛查一开始只有敏感性、特异性等数据，后来又增加了结节体积测量、历史影像对比等功能。 ”
依图医疗表示，其契合临床需求来快速迭代产品，第三代care．aiTM 的高准确性背后低误报率、高非实性结节检出率和高复杂解剖结构结节检出率的三大技术特点作为支撑。
低误报率
care．aiTM运用3D分类算法和升级版ResNet网络技术，极大解决血管等病变误报问题，运用，加强特征抽取能力，解决了特定大小结节误报、漏报的问题，使得整体误报率降低75％。
高非实性结节检出率
care．aiTM尝试利用CycleGAN算法将实性结节转变成非实性结节，从而解决非实性结节数据不足问题，实现对非实性结节病灶的充分系统训练，非实性结节检出率提升50％。在临床真实环境研究中，care．aiTM的磨玻璃漏检率结节只有0．7％，而副高级别医生的漏检率超过4％。
高复杂结构结节检出率
care．aiTM使用Pix2pix－GAN算法，创造性地使用少量数据＋手动3D绘画，生成复杂结节结构，从而解决复杂解剖结构结节数据不足问题，对复杂结构旁病灶，如肺门旁结节、血管旁结节，进行充分训练。
此外，第三代care．aiTM拥有独特的结节导航技术，能够快速、准确定位结节，多角度进行结节观察，并基于对结节的体积、密度、表征、位置、倍增时间等数据的分析而做出肿瘤恶性概率评估、相似病例推荐和量化随访分析。
吕发金主任指出，尽管说机器替代医生还为时尚早，但医疗AI未来可以进行肺癌的多学科智能诊断，也验证了医疗AI强大的学习能力和广阔的应用前景。
医疗AI亟需打破病种界限
目前，由于一些客观原因，医疗AI在临床场景的落地仍局限在医学影像的辅助诊断，尤其是肺结节的辅助诊断。要实现成熟的医疗AI，AI产品需应用于医疗全流程，必须打破病种的界限，才能真正智能化再造医疗流程。
据吕主任介绍，医疗AI介入以后，重医附一院肺结节检查分为机器初检和医生复检两个环节。这反映了医疗AI的智能化程度尚不够高，需要医生的额外劳动来弥补技术的缺陷，降低了医疗效率。
然而吕主任相信，未来医疗AI将在医疗一线和基层医疗机构中发挥重要作用。随着人们健康管理意识的提高，越来越多的人会定期接受体检，医疗AI可以替代医生在疾病筛查中的工作。
以重医附一院为例，体检中心每日接待近百名体检患者，后台生成数以万计的各种医学影像读片需求。如此庞大的工作量，若能够被AI消化，医生便可以腾出大量时间解答患者疑问、沟通治疗方案。
