人工智能真的战胜影像医生了吗？

管理者和影像医生都希望借助人工智能突破影像学的瓶颈，构建影像工作新模式。

人工智能时代不断逼近，国内影像学科技术正处于大发展时期。国内医院影像学科同时也处于大发展阶段。设备配置数量、科室占地面积从过去到现在，大多都实现了快速倍增。

随着医学发展，疾病诊断证据愈发依赖影像资料，医院数据库里积累了大量图形图像信息。

无论从哪个方面讲，影像科从业者都希望人工智能时代能够尽快到来。不过，当下人工智能存在不可忽视的问题，比如虚火旺、企业不正当宣传、安全隐患等。目前，从算法、数据来说，人工辅助诊断研发似乎是低门槛，三五个人一合计就可以弄个公司。于是，企业如雨后春笋般冒出来。

面对这种状况，医院需要甄别，企业需要健康发展。现在经常会有各种人工智能比赛，涉及影像科的也有不少。最近的一次学术会议上，一家新加坡公司遴选15位放射科医生与人工智能比赛，然后宣称“人工智能战胜15位放射科医生”。这种结论非常不客观，因为比赛有很多条件限制，并不是真实的临床工作。成熟的人工智能产品应该很“强壮”，兼容性很好，易用、安全，目前没有完全成熟的产品适用于临床。

我们医院目前在使用三家公司的产品，但都是科研产品。就肺部结节来说，2万多例患者，人工智能几乎没有漏诊，但是假阳性率偏高，可达50%。

为了与之比较，我们抽检200个肺结节病例让年轻医生读片，漏诊能够达到21%。这也很正常。如今一个CT检查可以达到300帧图像，小的肺结节很容易漏掉，因为很多支气管、肺动脉干扰医生判断。

两相比较，人工智能漏诊率非常低。人的注意力确实无法时时高度集中于300帧图像，其实特别需要人工智能辅助。因此，经人工智能先筛查一遍，再由医生有针对性地分析，这样可以避免漏诊。

尽管如此，影像医生的日常工作绝不仅仅是简单筛查，更多的是鉴别正常和异常情况。异常情况下还可能需要分别出几十种甚至上百种疾病。因此，人工智能离临床的实际工作流程还有距离。

当然，这种辅助工具接受度也在逐渐升高，医院全部肺部结节影像图片都会用人工智能筛查，然后再进行人工分析。但是，这绝不是说，它战胜了多少位放射科大夫。

当前，北京大型医院影像医生人力成本一年在25万～30万元不等，还会越来越高；影像科人力依然不足，常年加班；患者也总在等待中。在这种情况下，控制成本，提升效率，减少重复低级劳动，显得尤为重要。医院管理者和影像科医生都希望借助人工智能突破影像学的瓶颈，构建影像医生工作新模式。