近年来，AI逐步走进医疗领域，人工智能在“数字”层面不断突破机器辅助诊断的敏感度和特异度，在多个场景里发挥它的价值。但是，不少产品离大规模临床应用还有些距离，要获得临床医生们的认可并不容易。对于医学界大咖来说，AI的能力是否真正在临床上体现价值才是关键点。
2019年2月21日至24日，第27届亚洲胸心血管外科年会（ASCVTS）在印度金奈召开，来自世界各地的胸心外科学者参加了这个代表亚洲胸心血管外科最高医学水平的盛会，对胸心血管外科领域最新进展、临床经验和基础研究等问题进行了深入的交流和探讨。其中，人工智能在临床诊断中的价值也成为重要议题之一，中山大学附属肿瘤医院胸外科张兰军教授团队与“腾讯觅影”合作的前瞻性小样本研究被大会所关注，并受邀此次大会发言，其研究结论也肯定了人工智能诊断系统在肺结节早期诊断中的价值。
提高肺癌早期诊断率成临床首要命题
肺癌是全球最常见的恶性肿瘤，发病率及死亡率均位于恶性肿瘤的第一位，成为公认的危害人类健康的杀手。肺癌的预后与临床分期密切相关，由于症状及体征出现较晚，大部分的患者在首次就诊时即已出现转移，因错失了最佳手术时间而致5年生存率仅有16%，而Ⅰ期患者的5年生存率可达到70-90%以上。若能在发病早期发现，便可有效改善肺癌患者的预后。
因此，建立合理有效的筛查方案，对高危人群进行简单而有效的筛查是临床工作的重点。临床工作人员也不断在更新、更敏感的影像技术中寻找适合于肺癌筛查的手段。
2002 年 8 月美国肺癌筛查试验组（NLST）牵头启动了一项对比低剂量螺旋CT（LDCT）和普通胸部X 线摄片进行肺癌筛查的随机对照临床试验，这是迄今为止全球最权威，证据等级最高的肺癌筛查研究。该前瞻性研究证实，运用低剂量螺旋CT 进行肺癌筛查可提高2倍的I期肺癌诊断率，且可使肺癌相关死亡率下降 20%；因此，基于上述结果，该筛查方法已被多个国际权威指南和专家共识推荐用于肺癌早筛。 但NLST 研究也同样发现，通过低剂量螺旋CT 的临床筛查实践而发现肺结节的患者中，仅0.6-2.7%的患者最终被确诊为肺癌。这也意味着，在 CT 筛查早期发现肺结节已切实可行的情况下，如何能够提高肺结节中肺癌的早期诊断率，是现今临床医生面临的首要命题。
在传统的肺结节早期诊断方法中，单纯的影像学资料需要患者长期放射性随访以观察其影像学上的形态变化，导致潜在辐射性损害；侵入性诊断操作，甚至直接的手术治疗，不仅给患者造成身体、心理上的损害，同时也加重了我国医疗支出的负担和不必要的浪费。然而，新颖的液体活检和人工智能诊断领域的迅速发展，为肺结节早期诊断带来了革命性的曙光。
“生物学标志物+AI”诊断模式是关键
中山大学附属肿瘤医院中心作为全国规模最大、学术力量最雄厚的集医疗、教学、科研、预防于一体的肿瘤学基地之一，学科地位、综合实力居全国领先水平，其也在不断探索更加合理有效的肺癌筛查方案。早在2017年，中山大学附属肿瘤医院就开始与腾讯合作试验, 借助腾讯的前沿技术把AI医学影像产品“腾讯觅影”应用到肺癌筛查过程中。
据了解，腾讯觅影已实现了利用AI医学影像分析辅助医生筛查食管癌、肺结节、糖尿病视网膜病变、结直肠肿瘤、乳腺癌等疾病，以及利用AI辅诊引擎辅助医生对700多种疾病风险进行识别和预测。在肺结节的识别上，腾讯觅影能运用计算机视觉和深度学习技术，通过人工智能医学图像分析能力辅助医生阅片，能精确定位3mm以上的微小肺结节，对其良恶性判别敏感度达到85%，特异度高达90%。
师从张兰军教授的余向洋博士在大会中围绕人工智能辅助医生诊断进行了研究分享。其前瞻性入组100例低剂量螺旋CT检查发现肺结节患者的影像资料，且经 Fleischner协会《肺部 CT 偶发结节的管理》（2017 年版）评估患者的肺结节需要活检或者手术。随后，上述所有患者的影像资料由胸部影像专科主任医师单独阅片，另同时导入腾讯觅影系统进行智能诊断；最后，所有患者的肺结节均接受手术切除，从而拥有明确的石蜡病理学诊断。在最终的结果对比中，腾讯觅影独立对于肺结节的诊断准确率为79%，较胸部影像专科主任医师的人工诊断准确率有所提高。
张兰军教授举了一个简单易懂的例子：单纯依靠照片，我们是很难准确辨别出变性人和正常女性。因为，变性人可通过磨骨手术而使得额骨、颧骨、喉结等与正常女性无异，从而使得照片上可以辨别的特征微乎其微；但是，如进行性染色体的检测则使得辨别困难迎刃而解。同样的道理，在单纯的CT影像图片上，均起源于终末细支气管或肺泡壁局部的早期肺癌和良性肺结节，其能够被AI所获取并进行深度学习的特征性差异本身就非常有限；这就导致现阶段利用多个AI辅助诊断系统进行研究，结果均表明虽然AI对肺结节良恶性诊断准确率较影像科专家有所提高，但在开放和不确定环境下存在不稳定性。
如何进一步辅助提高人工智能的诊断效能呢？现今的液体活检技术可检测出早期肿瘤释放入血的微量生物学标志物，如microRNA，循环肿瘤DNA，循环肿瘤细胞等。张兰军教授认为，如将液体生物学标志物活检和人工智能技术强强联合，必定使的早期肺结节诊断准确率有质的提高。果不其然，在复合临床特征（Clinic）、生物学标志物（Biomarkers）和人工智能结果（AI）的ABC模型中，曲线下面积值（评价诊断工具效能的统计方法，其值越接近1，说明诊断效能越高）高达0.955。随后的验证组中，该ABC模型同样显示出较其他模型更高的曲线下面积值和敏感度，这意味着生物学标志物+AI的诊断模型能更加准确。
“所以我们认为，在生物医学影像（Biomedical imaging）技术尚未成熟的今天，构建一个多模态的“生物学标志物+AI”数学模型，是现阶段人工智能用于临床肺结节诊断的理想模式”，余向洋博士曾在第三届华夏医学胸外科论坛中表示，现在人工智能诊断和运用大多数是由基础医学院、工程学院来主导转化，导致脱离临床实际需求和后续优化建议，亟需临床医生牵头开展的临床转化应用研究。
人工智能诊断技术必定有质的飞跃
张兰军教授在此次亚洲胸心血管外科年会上，与世界各地的胸心外科学者分享了专家团队与腾讯觅影合作的前瞻性小样本研究结论，并对人工智能诊断系统在肺结节早期诊断中的价值表示肯定，其结论指出：
人工智能是对传统影像资料分类和管理的巨大变革，可快速、同时地处理数以万计的图片信息，必将大大节省高素质专业影像医生的体力和脑力付出；基于最新深度卷积神经网络算法的腾讯觅影，可在不同等级的医院直接转化机器深度学习或者使用，减少了不同医院转化机器深度学习所需要的样本量；随着生物影像技术的发展，人工智能诊断技术必定还会发生质的飞跃。
亚洲胸心血管外科学会成立于1993年，是亚洲最大的心血管和胸外科专业学术团体，其与美国胸外科医师学会和欧洲胸外科医师学会齐名，共同组成世界三大胸外科学术盛会。而此次张兰军教授团队受邀参会并作大会发言，也意味着此项关于人工智能诊断系统的前瞻性研究结论已获得国际同行的认可，这不仅有助于促进学科发展和对外交流，也推进着人工智能新技术在临床落地应用。
AI医学是一个全新的“医工结合”领域，在大数据、人工智能、云计算等技术驱动之下，“AI医学助手”的能力成长让医学界充满期待。医疗与科技的跨界融合也在不断推动人工智能医学影像的落地应用，将AI、应用场景、价值这三块实现有效连接，最终服务于临床，造福于百姓。 |
