的进展对比 AI 吉大一院放射科主任张惠茅 中外医学影像 (进展变化类比什么关系)
近日,2019中华医学会第二十六次全国放射学学术大会(CCR2019)在北京国家会议中心召开。本次会议由中华医学会和中华医学会放射学分会共同主办。
尽管医疗AI经历了三年多的发展,但是为期5天的大会里,人工智能依然是放射科医生们最关注的话题之一。64场专题发言和论文发言、肝脏、直肠的共识讨论,让AI牢牢占据了医生话题的C位,小小的会议室里挤满了各种专业的观众。
张惠茅是吉林大学第一医院放射科主任,也是中华医学会放射学分会和中国医师协会放射学分会常委。
作为一名医生,张惠茅主任对AI的发展十分关注。 在CCR 2019的人工智能分论坛上,张惠茅发表了题为《中外医学影像AI进展对比》的演讲。
关注AI掘金志公众号,在对话框回复关键词“吉大一院”,即可获取演讲PPT。
她表示,从临床需求到临床产品的过程非常复杂,需要不断的进行迭代。很多医疗AI产品虽然能解决单个痛点,但是很难满足医生日常工作中的所有需求。
因此,中华医学会放射学分会成立了医学大数据与人工智能工作委员会,以及医学影像AI产学研用创新联盟。“金征宇主任和刘士远主任都非常重视这项工作,我们都特别希望去推动医疗AI的发展。”
今年7月,国家药品监督管理局也积极投入资源,成立了10个工作组,加快各种测试样本数据库的建设。
此外,张惠茅主任也从政策、伦理、应用、人才教育等层面分析了国内与法国、加拿大、美国等三个国家在医学影像AI方面的诸多差异。
2017年、18年,法国和加拿大就成立了工作小组,来讨论AI使用过程中的行为规范,研究把AI引入临床会引起的影响,以及如何让它更好地帮助医生。
但是,两个国家会略微有所不同。
例如, 法国规范了一个严格的匿名化范畴,要求去除dicom格式文件中患者的隐私信息。医生需要告知患者其医疗数据将用于研究,并签订书面协议;
而加拿大没有法国严格,他们指定的规则是可以妥善的保护患者的标识的关联信息,但是这些必须加密。
而相比之下,美国建立了一个关于AI的评价框架,主要目的就是从基础研究、人机交互、伦理和法律安全等诸多方面来推进AI的发展。
当然,在数据库建设、产品应用范围等方面,张惠茅主任都给出了自己的观察与见解。
演讲最后,张主任说到,“我们不能把新的算法、数据都放在自己的腰包里。如果中国未来想做好AI,一定要打开这个壁垒,大家一定要有奉献精神。在安全的前提下,我们的医生奉献数据,算法团队奉献算法,在一个公开公平的情况下,大家互相交流才能够碰撞出更多的火花。”
以下为张惠茅的演讲全文,雷锋网做了不改变原意的编辑和整理。
大家好,我今天演讲的题目是《中外医学影像AI进展对比》。刚刚孔教授(孔德兴)给我们举了一个很好的例子。我们看到了物理学家、数学家在医学影像中扮演了核心技术推动者的角色。而医生作为最主要的使用者,利用这些技术推进了人们的医疗健康。
在最新的报道中,我们中国的科研文章产出已经在世界上排名第二,超过英国、仅次于美国。神经、胸部和腹部等是大家比较关注的一个领域。虽然中国排到了世界第二,占据整体数量的20%,但大家可以看到,我们在真正的高分文章上跟国外有差距。
其次,我们可以看一下AI在医疗行业的应用分布:从语音识别、电子病历,到保险行业、医疗诊断。google、Apple等等的AI巨头公司,都已经投入大量的资金进入这个行业。
中国的人工智能产品在医疗领域,尤其在医学影像领域,占到了非常大的比例。原因之一是, 影像数据在医疗数据中占了很大比例,在我们医院是70%左右。
还有一个原因是,这些数据是DICOM可以进行共同研究,在国际上可以通用。 所以大家都非常关注这个领域,也投入了很多的资金和人力进行研究。
因此,我们中华医学会放射学分会成立了大数据人工智能工作委员会,金主任(金征宇)非常重视这项工作,我们也开展了很多探索性的研究。
还有刘主任(刘士远)成立了CAIERA——医学影像AI产学研用创新联盟,从各个方面来看,我们都特别希望去推动这个行业的发展。
此外,中国首部的医学影像白皮书也已经问世,我们在这里面谈了中国的头部企业以及他们最新的一些算法。里面特别值得一读的内容就是我们对医学影像现状和挑战的分析。
今年的7月份,国家药品监督管理局成立了10个工作组来推进这件事情,刚才孔德兴教授已经说了这件事情。国家已经投入了很多资源,请国内的数学家或者是顶级医院、企业来牵头规范这项事业。其中,数据库的建立是非常重要的一件事情。
我们再来看一下法国和加拿大。早在2017年、2018年,法国和加拿大就成立了工作小组,来讨论AI使用过程中的行为规范,研究把AI引入临床会引起的影响,以及如何让它更好地帮助到我们。
在对比过程中,可以看到两个国家有相同也有不同。
第一个是语言问题。 其实这个问题很好理解,大家知道这是一个跨学科的交流,医生说的话,算法专家以及工学队伍不太懂。与此同时,机器学习的语言对我们医生来说也是一种挑战。所以如何能够建立一个互通的语言是非常重要的。
另外还有伦理问题: 到底谁拥有数据,谁可以使用数据,数据的使用是不是一定要得到患者的允许等等。当然这也涉及到知识产权的问题,中国也已经开始规范医学影像AI的术语问题,着手建立起一个大家通用的字典。
关于安全的问题,两个国家稍有不同。
在法国,它规范了一个严格的匿名化范畴,大家可以看到它要求去除我们dicom格式文件中患者的隐私信息。医生需要告知患者,他们的数据将用于研究,并签订书面协议。
同时它也建立了放射科医生创建和提供高质量的数据集时,要遵守的数据传输的原则。这个问题也很有意思,我们就在想,放射科医生会传一些无用的数据吗?其实,在传输的过程中涉及了患者的隐私问题。
比如我做了肺结节,但是可能这个患者进行了一个全腹部扫描,我应不应该把这个人的腹部图像也传给你?严格来讲就不应该。因为你当时制定的研究协议就是针对肺结节或者针对胸部的,你就不应该把其他的图像传给别人。
相比于法国,加拿大没有那样严格,他们指定的规则是可以妥善地保护患者的关联信息,但是这些必须加密。另外,他们的规则中也谈到了如何应对大量标注数据的需求,可以使用新的算法来帮助人们标注数据。
还有伦理和社会问题。AI在我们的工作中到底可以起到什么样的作用?它是我们的一个助手,还是可以替代我们,还是真的可以帮助我们达到精准诊疗的一个目的?其实这些问题AI公司、科研人员、专家都特别关注。
我个人的看法是这样的。 在伦理允许的情况下,评价一个AI的作用,是它能否在临床中帮助到我们。
很简单的一个例子,比如说我们医生天天在测量病变大小,那么我们是不是可以有这样的一个算法,不需要让医生天天手动去量,自动测量病灶三维体积。当患者进行随诊的时候,帮我们对病灶进行动态的、定量的评估,这样的AI可以极大地节约我们医生的时间。我觉得这些都是非常好的应用。
AI在法国未来的应用,不仅局限于在智能读片方面,在质量控制、流程优化,甚至于未来的报告解读等等诸多方面,都有很多可以应用的前景。
我们再来看一下美国。美国建立了非常完备的一个体系,建立了一个关于AI的评价框架,主要的目的就是从基础研究、人机交互、伦理和法律安全等诸多方面来推进AI的发展。
美国建立了自己的公开数据集及培养人才、评估人工智能以及如何来扩大各方面领域的合作规则。
这里特别值得我们学习的就是美国成立了Data Science Institute(数据科学研究院)。 数据科学研究院的使命是:建立行业关系以及如何建立应用算法的案例,来更好的保护患者。
还有ACR的AI-Lab,它的使命是更好的来宣传AI,建立一个网上平台,让更多的人来使用、了解AI,更好的去开拓AI。只有建立这样的一个公平公开的平台,才会有更多的人来使用它。
在国外,有很多的公开数据可供大家使用。尤其是最近DeepLesion公开了他们关于肿瘤患者的数据集。大家知道,标注是一个非常非常有挑战的事情,既要耗费人力,还要耗费财力。
我们国内也有一些竞赛的数据库,还有中检院的肺结节数据集,但是相对可惜部分没有标注,部分没有对公众开放。
在这种情况下,我们没有数据,大家怎么做?我猜很多算法团队是用网上的公开数据集,或者是和一些医院拿到的几百例数据,做一个小的算法应用或者是做一个一两家医院的外部应用而已。
我个人更鼓励团队和医生能够沉下心来做一些事情。因为在这波浪潮中,大家把钱投进去到底有没有用,只有时间才是最好的老师,有一天我们的医生真的能够在日常中用到这些AI才是最好的。
希望大家携起手来,不管是从政、产、学、研、用等诸多领域,在国家的领导下,解决数据集、伦理、风险、隐私安全以及相关法规等等一系列问题。
当然,我觉得还有一个很重要的问题,就是要向患者解释清楚,我们这些AI产品或者是算法,未来真的如何能够为他们服务。我觉得这都是在座各位能够携起手来一起做的工作,谢谢各位。
雷锋网年度评选—— 寻找19大行业的最佳AI落地实践
创立于2017年的「AI最佳掘金案例年度榜单」,是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发,寻找人工智能在各个行业的最佳落地实践。
第三届评选已正式启动,关注微信公众号“雷锋网”,回复关键词“榜单”参与报名。详情可咨询微信号:xqxq_xq
原创文章,未经授权禁止转载。详情见 转载须知 。