人工智能长期来看能不能取代医生我觉得还真不好说，毕竟柯洁已经都输掉了嘛。我感觉这个东西还是给我一定的惊喜和冲击的。
指着医院引进的甲状腺结节人工智能辅助诊断系统，浙江大学第一附属医院超声科的赵主任对媒体表示。
这套系统使用起来还是很方便的，作为医生不需要额外的步骤，我只需要和日常检查一样拍一张照片，机器就帮我识别了，识别完了告诉我结节在哪里，轮廓是什么样的，同时良恶性怎么样。总的来说还是不错的，当然它也处在一个不断更新优化的过程。
医生口中说的人工智能，是浙江德尚韵兴图像科技有限公司研发出的一套基于超声声象的甲状腺结节良恶性的辅助诊断系统。
对于甲状腺结节的诊断，目前三甲医院医生的平均准确率为60%-70%，基层医院会更加低一些。而辅助诊断系统目前准确率可以达到85%以上，德尚韵兴总经理胡海蓉女士说道，由于在我国人工智能还没有行医资格，所以我们将其定位为辅助诊疗，只是给医生提供一些参考。这个系统将来的市场定位是基层医院，推广以后能够帮助基层医院提高诊断的水平，有利于国家推行的分级诊疗政策。
1、为什么从甲状腺结节着手？
据雷锋网了解，甲状腺结节是指在甲状腺内的肿块，可随吞咽动作随甲状腺而上下移动，是临床常见的病症，可由多种病因引起。
大部分甲状腺结节是良性的，但少数甲状腺结节一开始就是恶性的，还有一部分结节会从良性转变为恶性。因此，一旦体检发现甲状腺结节，医生都会建议再做进一步检查，主要目的就是分辨结节是「良性」还是「恶性」。
甲状腺结节转变为癌的比例为5%，而如果能及早发现、尽快治疗，大部分患者都能长期存活下去。
对于为什么选择甲状腺结节作为辅助诊断的研发切入点的问题，德尚韵兴的首席科学家、浙江大学求是特聘教授孔德兴对媒体表示，甲状腺癌目前为常见的癌症。在对杭州女性的调查统计中，已经排在癌症发病率的第一位。
对于甲状腺结节的检查目前主要依靠超声，相较于CT和核磁，超声的好处是便宜、灵活、实时、无副作用，所以它是普通老百姓喜闻乐见的一种检测手段；但它的缺点是图像不清楚、造影比较大，这对医生的要求就比较高。而CT和核磁的优点是图像清晰，缺点是检测费用高、副作用比较大。
从人工智能应用于医疗影像的识别或者辅助诊断的角度来说，超声较CT和核磁难度大，我们想测试算法的性能、效率和准确度，所以选择了超声。同时，作为浅表器官，甲状腺的超声又不像腹部和心脏那么复杂，更容易做出落地的成果。
综合这些原因，我们就选择了基于超声影像甲状腺结节的识别和诊断，孔教授说道。
2、识别的原理是什么？
孔教授对雷锋网表示，该辅助诊断系统分为训练和打分两部分。
训练过程类似于把一个小孩培养成为一个超声医生，它的原理依托于深度学习技术，是利用两万多张的有标注结果的超声影像样本对计算机进行训练，使其拥有“诊断”的能力。
传统的机器学习是人为定义特征的，比如结节的边缘是否规则，回声情况如何，还带有医生主观的判断标准。但是如果依托深度学习，就不需要这些人为的特征定义。
经过标注的样本分为两大类，一类是良性的，一类是恶性的。神经网络根据标注情况分别分析提取良性和恶性各带有的特征，而这个过程会比人眼观察的更加细致。有些微小的特征，人眼会漏过的，机器却不会，所以说它的准确率会高于医生的平均水平，胡海蓉女士补充道。
训练完成后，我们把这套算法和网络参数打包为一个软件，也就是打分系统，它可以部署到网上，还可以形成单机版，这部分是用普通的计算机运行的，此时医院就可以利用它来进行辅助诊断了。
3、计算力
提及模型的训练平台，孔教授告诉雷锋网(公众号：雷锋网)，我们是在本地专属的服务器上进行训练的，这方面英特尔为我们提供了很多帮助，包括至强融核计算平台和可调用的函数库等。
目前我们选择了10台定制的服务器，有时候计算交叉进行，有时候一台就够了，会有自动的切换。就甲状腺检测的模型训练时间来说，用8核的服务器运行差不多要12个小时甚至更多。
之所以没有放到云端上，一方面是担心数据的安全性，另一方面在本地计算也有它独有的优势，但如果以后数据量持续增加的话，有可能考虑云计算的方式。
4、数据从何而来？
大数据是人工智能的基础，从目前的技术水平来看，没有海量的经过人工标注的数据信息，人工智能分析的准确性就无从谈起。提到很多人都关心的数据来源和隐私问题，胡海蓉说道，我们的试点医院会有提供，目前合作的有10家，当然还有其它的渠道，比如说也会招募志愿者到一些社区进行检查。但是不管是哪个渠道，脱敏工作都是非常重要的。
所谓脱敏，就是要把能追溯到个人的所有敏感信息都去除掉。比如数据脱敏后，名字的显示类似为王某某，地址最多到杭州市西湖区，电话号码不会保存。
目前脱敏技术已十分成熟，我们自己也开发了一套基于K匿名算法的脱敏技术。在国际上有些国家甚至已经规定，如果经过K匿名脱敏的话，数据的使用是不需要经过消费者和病人同意的，因为有这个技术来保证，是不会追溯到病人本身的，胡海蓉补充道。
5、商业模式
据胡海蓉介绍，目前这套系统的商业化还处在摸索的阶段，所以收费的问题还没有一个定论。
在推广的过程中，有的医生或者患者第一次接触人工智能辅助诊断，由于对诊断依据不明就里，所以会持怀疑态度。所以目前我们想通过试点，让医生和患者使用一段时间以后，通过对比机器和人工的诊断结果，让大家慢慢认识到这套解决方案是否可靠。
提到未来的商业模式，胡女士总结道，基本上是分为两种方式，一种是通过云端，部署在网络上的，主要提供给新疆、西藏这些偏远的地方，因为他们的基层医院分布的很分散。
还有一种是单机版，比较适合业务繁忙的体检中心，他们往往要求实时检测，对于两三分钟网络的延时都不能接受。像这种情况，我们会部署单机版在超声机旁边，在扫描视频产生的同时，就就可以对结节进行诊断。
6、人工智能在医疗领域落地的困难和挑战？
虽然近年来人工智能在医疗影像方面已经取得了丰硕的科研成果，但是谈到相关应用的困难与挑战，孔教授认为表现在以下两个方面：
第一，如何让医院和医生意识到人工智能是可以辅助医生做一些事情的，减少他们重复性、机械性的劳动，这是知识普及方面的工作。
第二，现在人工智能被炒作的很热，似乎很多人都有一种错觉，人工智能是万能的。我建议大家一定要冷静下来、慎重来看待。同时，我们还要在技术层面上下功夫，这又包含两个维度，一个是数据的收集、分类、标定；另一个是算法的精度和速度。
只有这两方面双管齐下，人工智能的辅助诊疗才能很好的落地，这需要政府主导，医院和研究机构相互配合才能完成。
（完）
本文作者：谷磊
本文转自雷锋网禁止二次转载，原文链接
