未來的醫(yī)生不僅要能看得了片子，做得了診斷，很可能還需學(xué)會(huì)如何與人工智能更好地合作，在技術(shù)加持下讓自己的醫(yī)術(shù)更上一層樓。

這個(gè)趨勢(shì)已在全球范圍內(nèi)引起關(guān)注。6月2日，北美放射學(xué)會(huì)（RSNA）在5月31日－6月1日期間舉行了第一屆針對(duì)放射醫(yī)學(xué)工作者的“AI大講堂”（Spotlight Course on AI： Radiology in the Age of AI ），試圖通過兩天的課程介紹放射醫(yī)學(xué)與AI緊密結(jié)合的技術(shù)起源、現(xiàn)有應(yīng)用及如何理解AI醫(yī)學(xué)影像方面的學(xué)術(shù)進(jìn)展，希望能夠幫助醫(yī)生們適應(yīng)和新興技術(shù)緊密合作的新時(shí)代。

本次“AI大講堂”包括“簡(jiǎn)要介紹醫(yī)學(xué)影像中的AI技術(shù)”、“探討其對(duì)更好地保證人類健康的影響”、“如何在自己的醫(yī)學(xué)實(shí)踐中接入AI系統(tǒng)”等多個(gè)部分，每個(gè)部分都邀請(qǐng)了AI行業(yè)領(lǐng)域的佼佼者來進(jìn)行討論或者演講。

這正是趨勢(shì)所在：醫(yī)療領(lǐng)域所面臨的大量數(shù)據(jù)和技術(shù)需求讓其成為最先接受大規(guī)模AI技術(shù)沖擊的領(lǐng)域，這一趨勢(shì)也孕育了眾多最快走向應(yīng)用的技術(shù)。

AI正在不斷影響醫(yī)學(xué)影像行業(yè)

CT、MRI、PET等醫(yī)學(xué)影像手段是醫(yī)生做診斷的重要資料，而AI強(qiáng)大的數(shù)據(jù)處理能力則能幫助醫(yī)生在分析影像時(shí)更顯游刃有余。

世界知名AI專家、斯坦福教授吳恩達(dá)在會(huì)上介紹了AI和深度學(xué)習(xí)算法的發(fā)展以及AI影像技術(shù)的新進(jìn)展。他所處的實(shí)驗(yàn)室和斯坦福醫(yī)院合作，完成了ChestXnet、Xray4all等用深度學(xué)習(xí)理解影像的工作。這些深度學(xué)習(xí)技術(shù)可以區(qū)分胸部X光中十一種不同的病理表現(xiàn)；檢測(cè)出膝蓋MRI中的異常；檢測(cè)出在頭部CT片子中指向動(dòng)脈瘤的病理表現(xiàn)等等。

吳恩達(dá)在介紹AI在醫(yī)學(xué)影像中的應(yīng)用

“深度學(xué)習(xí)已經(jīng)可以完成人類一秒鐘內(nèi)完成的基本任務(wù)，但AI想要完全替代醫(yī)生進(jìn)行診斷，還有很長(zhǎng)的路要走，有很多的突破需要攻克。”吳恩達(dá)說道。

對(duì)于AI技術(shù)可能引發(fā)的醫(yī)生替代危機(jī)，本次課程的組織者之一，斯坦福大學(xué)醫(yī)學(xué)院放射系副主任Curtis Langlotz教授則沒那么悲觀。他認(rèn)為：“影像科醫(yī)生需要不斷改變、多學(xué)習(xí)最前沿的AI知識(shí)與技能。但AI只是臨床醫(yī)學(xué)中，類似CT、磁共振、超聲等新技術(shù)之后，又一個(gè)有價(jià)值的新技術(shù)、新發(fā)展，臨床醫(yī)生需要將AI新技術(shù)利用到臨床工作中�！�

“測(cè)量病灶大小、跟蹤病灶位置大小在不同疾病周期的變化等任務(wù)往往枯燥而乏味，AI比人類更擅長(zhǎng)處理這樣的工作。所以，從某種角度上談，AI能讓臨床醫(yī)生的工作更好，有了AI的協(xié)助，臨床醫(yī)生可以做一些在認(rèn)知上更有趣更有挑戰(zhàn)的任務(wù)�！�

醫(yī)生所需技能在不斷迭代

面對(duì)AI不斷改變醫(yī)療領(lǐng)域的現(xiàn)狀，作為近距離接觸病患、提供日常醫(yī)療服務(wù)的醫(yī)生，如何才能適應(yīng)這樣的時(shí)代？

首先，醫(yī)生需要更多地了解新技術(shù)，并學(xué)習(xí)如何將其應(yīng)用于臨床診斷、手術(shù)預(yù)后、提前篩查等領(lǐng)域。課程中多位醫(yī)學(xué)影像AI的研究者分享了他們?cè)谶@些領(lǐng)域的新研究。

“AI不會(huì)替代醫(yī)生，但會(huì)用AI的醫(yī)生會(huì)替代不會(huì)用AI的醫(yī)生�！盋urtis Langlotz教授在討論AI在醫(yī)療臨床應(yīng)用時(shí)再次引用了這句AI時(shí)代的金句。

吳恩達(dá)也表示：“在科技世界里，每隔五年，我們的工作就會(huì)發(fā)生巨大的變化。如今，技術(shù)正讓所有各行各業(yè)變化的速度進(jìn)一步加快。很多放射科醫(yī)生做的事情將被自動(dòng)化，但只要醫(yī)生愿意去思考工作的真正價(jià)值，不斷拓寬視野，把重心放在更有價(jià)值的工作上，他們就什么也不需要擔(dān)心�！�

其次，新技術(shù)本身也在進(jìn)一步提升醫(yī)生的專業(yè)水平。

英國(guó)Kheiron Medical的放射學(xué)專家Dr． Hugh Harvey指出，放射學(xué)醫(yī)生需要更多地了解數(shù)據(jù)科學(xué)技術(shù)。放射科醫(yī)生需要了解基礎(chǔ)的數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)等方面知識(shí)，特別是對(duì)于數(shù)據(jù)的整理。他提到深度學(xué)習(xí)等AI技術(shù)對(duì)于數(shù)據(jù)量的要求很大，但人們討論時(shí)往往只重視數(shù)量而忽略了質(zhì)量。直接從臨床系統(tǒng)中拿到的數(shù)據(jù)是遠(yuǎn)遠(yuǎn)不能真正用來做臨床AI研究與應(yīng)用的。

一般數(shù)據(jù)整理需要至少四層操作。

第一層是臨床系統(tǒng)（PACS，電子病歷系統(tǒng)）中直接拿到的數(shù)據(jù)，這些數(shù)據(jù)往往包含敏感信息，數(shù)量大質(zhì)量低，不能真用來做研究。

第二層是通過倫理委員會(huì)審查、去掉病人敏感信息的數(shù)據(jù)的數(shù)據(jù)，醫(yī)生和研究者可以受限拿到，但是這類數(shù)據(jù)一般缺乏結(jié)構(gòu)化，無法直接用來做研究。

第三層是將這些數(shù)據(jù)進(jìn)一步進(jìn)行結(jié)構(gòu)化清洗，進(jìn)行可視化檢驗(yàn)，從而保證圖像數(shù)據(jù)質(zhì)量等問題。

第四層是將這些數(shù)據(jù)與相應(yīng)的臨床信息匹配，通過人工或者自動(dòng)的方法為數(shù)據(jù)打標(biāo)簽，以便于進(jìn)行AI研究分析。在這一層中，研究人員還要確認(rèn)數(shù)據(jù)的統(tǒng)計(jì)價(jià)值是否足夠，以及是否有真正的標(biāo)準(zhǔn)來進(jìn)行標(biāo)簽。比如病人疾病的判斷需要根據(jù)多位醫(yī)生讀圖的結(jié)果比照，并通過后續(xù)發(fā)病、隨訪得到的結(jié)果確認(rèn)疾病。

對(duì)于醫(yī)生來說，以開放態(tài)度對(duì)待技術(shù)，以課程、活動(dòng)、項(xiàng)目交流等方式接觸并掌握新興技術(shù)，很可能會(huì)讓未來的醫(yī)療服務(wù)“事半功倍”。

參加此次會(huì)議的斯坦福神經(jīng)影像醫(yī)生、前沿神經(jīng)功能影像實(shí)驗(yàn)室主任、Greg Zaharchuk教授對(duì)這類課程的重要性表示贊同。他認(rèn)為，研究人員需要很好的將AI理論、應(yīng)用、發(fā)展和局限講解給臨床醫(yī)生。

另一方面，他也強(qiáng)調(diào)臨床AI的研究和真正的臨床AI產(chǎn)品部署之間還有很大差距。如何確保算法在不同病例、設(shè)備、掃描參數(shù)等，都是現(xiàn)在面臨的問題，需要在發(fā)展中逐步解決。