广东省人民医院梁长虹:AI虽超越传统CAD,但医学的人文问题最难解决丨CCF-GAIR 2019

职场故事 阅读(1135)

雷锋2天前我想分享

image.php?url=0MiIupADFJ

编者按:7月12日至7月14日,第四届全球人工智能与机器人峰会(CCF-GAIR 2019)在深圳正式举行。此次峰会由中国计算机学会(CCF)主办,由雷锋网和香港中文大学(深圳)主办,由深圳人工智能与机器人研究所共同主办。它得到了深圳市政府的大力指导,是国内学术和机器人学术界和工业界。行业三大领域和投资界的顶级交流展旨在打造中国人工智能领域强大的跨境交流合作平台。

7月14日,华南理工大学医学院副院长,广东省人民医院影像医学科主任,放射科主任梁长虹发表题为《医学影像从CAD走向AI——做正确的事情》的演讲。

image.php?url=0MiIupuK4Z

梁教授在演讲中表示,基于深度学习的算法为医疗行业的发展带来了诸多益处。例如,该检测算法将解决“大海捞针”的搜索问题,并找到乳房钙化和肺结节;登记和分割工具将减轻肝转移图谱的单调测量和时间过程;解剖学测量应用将绘制器官的正常体积。范围;分类程序将有助于解决诊断问题。

因此,人工智能将放射科医师的认知领域提升到更高水平,允许医生在使用人工智能算法和患者解释图像时使用判断力,创造力和同理心。

今天的人工智能工具已经被监管机构根据他们在一些健康领域的表现得到了批准。也许这些新的人工智能方法的精确度提高将减少误报并有助于提高医生效率。算法或模型的多功能性使放射性多样性的实践仍然是一个悬而未决的问题。

借用一些新的人工智能应用案例,梁主任还建议,在人工智能真正取代医生的一些工作之前还有很长的路要走。例如,数据的结构,模型的可解释性等是大问题,这是当前面临的挑战之一。

“在进行治疗时,必须有温度,必须有情感交流。这涉及人文科学,涉及医生和病人。这也是人工智能的最终解决方案,也可能是人工智能最困难的问题。解决。“

以下是梁长虹局长的现场演讲,雷锋网在不改?湓獾那榭鱿陆辛吮嗉驼恚?

梁长虹:首先,我要感谢雷锋。我的主题是“医学成像从CAD转向AI - 做正确的事。”

image.php?url=0MiIupTS8L

机器人会想到吗?如果你读了一本书《穿行者》,这个问题在一百年前就已经说过了,说这个的人就是拜伦的女儿纳弗雷斯。为了询问机器是否能够思考,图灵奖得主说,就像询问潜水艇是否会游泳一样,所以不要问同样的问题。

image.php?url=0MiIupMpMX

我是一名医生,我非常渴望帮助我们提供人工智能。在20世纪90年代,有一篇文章支持人工智能,以帮助我们做出决策。本文介绍的时间是1994年,但1994年没有得到解决。

image.php?url=0MiIupW5gG

当然,今天科学技术的发展已经取得了很大进展。我们可以看到机器学习解决了许多科学问题。我前段时间参加了一个智能城市建设论坛,论坛上谈到了无人驾驶。

我的梦想是明年可以实现无人驾驶。他们告诉我,它可以在五到十五年后实现,然后才能在街上跑。他说,对,我们不知道,但人工智能确实在非医疗行业取得了很大的成功,我们希望在医学上取得成功。

image.php?url=0MiIupQxe2

2016年,我们在医学方面做了很多事情。机器学习可以帮助放射科医师和病理学家做很多简单的重复。深度学习的学生辛顿先生说,不要训练放射科医生!

image.php?url=0MiIupZ6Ve

最近出现了许多新的人工智能算法,促使人们反思过去人工智能的失败,以实现其目标。如今,人工智能工具已获得监管机构的批准,这些工具基于其在诊断和治疗一些健康问题方面的表现。

因此,我们已经看到这些算法的许多问题仍然悬而未决,这里的每个人都可能比我更清楚。是这样的吗?韩丁写了另一篇文章,否认自己,说他仍然不能离开医生,需要与医生一起帮助医生做事。

所以,事实上,最重要的是我们必须参与人工智能的发展,正确理解它并研究它,而不是阻止它。

image.php?url=0MiIupScTN

你可以看到这张照片,这是1865年的英国“红旗法案”。当英国人不想用汽车取代车厢时,这些汽车在郊区的运行时间不超过4英里,不超过2英里这个城市的每小时英里数。规定一个举着红旗的人跑在前面,限制了汽车的速度,最终使英国汽车工业现在比日本更落后。

image.php?url=0MiIup0rOQ

为了将人工智能与放射科医师的工作相结合,我们首先需要了解放射科医师的工作特征。放射科医师是新技术,放射科医师可以使用最新的机器,最新的设备和最新的技术。

image.php?url=0MiIup2Emd

同时,放射科医师的工作具有长尾效应,每个人都不应期望人工智能解决所有问题。我们至少有20,000个术语和5600个疾病。有些情况可能只会在一年内看到一个。它们能用机器解决吗?这被称为长尾效应。

另一个特点是新技术。使用X射线,我们有CT,然后是磁共振。从原始的宏观角度到当前的微观角度。事实上,我们知道我们可以用新技术做很多事情,甚至改变我们的工作流程和状态。

image.php?url=0MiIup2Kq6

放射科医生希望使用AI来提供类似于飞机的自动驾驶。

例如,该检测算法将解决“大海捞针”的搜索问题,并找到乳房钙化和肺结节;登记和分割工具将减轻肝转移图谱的单调测量和时间过程;解剖学测量应用将绘制器官的正常体积。范围;分类程序将有助于解决诊断问题。

因此,人工智能将放射科医师的认知领域提升到最高水平,允许他们在使用人工智能算法和患者解释图像时使用判断力,创造力和同理心。

因此,我们也希望我们能够与在座的每个人进行更多的交流。要实现这一目标,还有很长的路要走。

对于与人工智能和医学成像相关的问题,我们首先知道有CADx,CADe,CADq,CAST等。我们必须注意找到病变和诊断病变这两个不同的事实。

image.php?url=0MiIupMJZZ

人工智能在医学成像中具有类似的问题,在医学的其他领域具有人工智能,包括隐私,透明度,替代,增强,解释等。

什么是深度学习?对我来说,这是“黑匣子”理论,它是我们大规模实施人工智能应用的“阻碍者”。会议室中的数学家,统计学家和计算机科学家能否预测每层变量中发生的变化?

另一个是可解释的。放射科医生有责任了解他们使用的人工智能技术的回报和风险,提醒患者和利益相关者注意风险,并监控人工智能产品以防止受伤。

这背后是什么?这是人道和道德。道德是医学中最重要的。

image.php?url=0MiIupvCX1

例如,这个例子来自几个杂志。 2010年,74%的女性乳房检查使用CAD。 CAD给我们的最后一点是什么?你改变了我们吗?

该杂志总结了五点:它没有从中受益,降低了准确性,提高了随访率,提高了活检率并增加了工作量。

因为有很多注释,医生必须一直说这是假阳性,这导致医生不想使用这个软件。这些都需要注意。

为什么放射科医师今天感兴趣?深度学习可能与过去的CAD不同。今天,Deep Learning的算法改进和计算进展已经解决了许多实际问题。

在传统的CAD时代,计算机视觉甚至无法像幼儿那样完成一项微不足道的视觉任务,但现代人工智能正在成功完成前人类专家领域的任务。传统CAD产生的错误率大约是人为错误率的5倍。目前的DeepLearning大约是人类的0.5倍。

每个人都能感受到这种进步。在过去,开车进入停车场时总是拿着卡,现在当汽车进入展位时,相机可以知道我们的车牌。

这种深度学习能力非常强大,因为深度学习系统通常在多个类似任务上表现良好,并且可以比传统的计算机辅助设计更省力地微调新任务。

因此,深入学习取得了前所未有的“成功”,但在这里你必须引用,因为会有不成功的地方。

image.php?url=0MiIup29Ei

这是印度使用普通CT检测异常并实现危险分层的一个例子。从颅内出血和骨折的迹象来看,这里的ROC曲线,下面的面积大于0.85。

image.php?url=0MiIupucEa

这就是它的分析方法,他们发表了一篇大文章。经过这样的分析,得出了几个结论:深度学习算法分析头骨以实现风险分层并确定头部是否有出血。因为出血判断是基于CT值的变化,不需要依赖临床数据,简单鉴定即可。颅骨骨折也是如此。在图像分割之后,头骨的密度被判断为一定程度的出血。根据骨结构的连续性,已知是否存在骨折。

image.php?url=0MiIupSxTl

如果你在肺部分裂,难度会突然增加。我们经常开玩笑,肺部有99种疾病,但有常见的肺癌,肺结核,肺炎等,所以医生的日常诊断过程还是很痛苦的。

image.php?url=0MiIupDPjx

但是这篇文章也认为人工智能还需要一个多中心实验来看看它是否可以帮助医生,以及它是否有助于患者的疗效。

我引用《Radiology》编辑的文章。文章的观点是放射科医师支持的诊断算法比决策系统具有更低的风险。

image.php?url=0MiIupooGS

在诊断过程中,医生和工程师的组合风险相对较小。因为放射科医师拥有数十年来来之不易的经验来指导人工智能的设计,测试,验证,政策和监管。

因此,我们的人工智能公司必须真诚地与医院合作,不要盲目讨论我们的数据。

image.php?url=0MiIupRMkx

从1994年第四季度到20年后,同样的梦想又来了。本文还讨论了人工智能增加放射科医师的能力。这个梦非常相似。我做了一个简单的总结。我觉得这很有意思。

image.php?url=0MiIupQfdh

这里的每个人都知道图像的分割非常困难。肺结节分割是否解决了?我认为它没有完全解决。如果结节与血管或纵隔相连,您应该尝试一下。头部和肝脏也有病变,对比度差,分割难度增加。

当然,我们使用人工智能来改进它。实际上,有时分割不一定要求如此准确,可以解决问题。也就是说,您可以在不花费大量精力的情况下解决问题。

另一种应用场景是生成放射学报告。大多数放射学报告需要来自放射科医师的长期输入或语音识别输入。这些报告必须符合客观事实和语法准确性。

利用人工智能,如果我们能够实现报告的结构化,它将促进基于结构化报告的数据挖掘和语义错误检测。

语义分析和语音识别是两回事。现在我把我的湖南文华翻译成文字。这称为语音识别。我的意思是语义识别。这是两件事。

还有一些数据挖掘可以完成。我们还在进行数据挖掘,例如基于图像的数据分析,以查看其诊断和治疗决策的价值。

image.php?url=0MiIupuJln

图像分组是一种新方法。每个人都会问,2012年出现的新概念是否可行?我向大家报告,这是完全可行的。我们使用结直肠癌患者的数据作为研究对象。采用图像分析方法,仅建立了526例结直肠癌淋巴结转移预测模型,可成功预测淋巴结转移。

我们的研究结果得到了国际领先专家的认可,JCO杂志在4个月内接受并于5月2日在线发表。因此,我们使用图像基因组学来实现早期诊断,精细打字和准确的预后预测是完全可行的。

image.php?url=0MiIupfWo1

在下图中,您可以看到带圆圈的部分。这是内部的听觉大厅。里面有神经,类似于上面的行。在技术人员的扫描过程中,没有办法达到同样的效果,可以用AI方法实现,西门子,飞利浦,GE,联盈,佳能等厂商已将技术融入设备,让我们获取标准化图像。

image.php?url=0MiIupCTLo

如您所见,这是对骨龄的解释。通常,医生需要拿着地图册来确定骨龄。使用AI算法估计2年内的年龄误差,内分泌学家可以接受这种临床有用的结果。

image.php?url=0MiIupkFQq

此外,AI可以干预图像,以便将来做一些相关的事情。如混合现实,指导我们和教学和模拟手术。它还包括智能指南,个性化3D打印支架或导管。建立数据库模型以支持粒子植入的内部放射治疗。根据病变的实际情况,放射性粒子的设计和指导是多少?怎么说呢?另外,可以实现基于RECIST的智能评估系统。

image.php?url=0MiIupljwQ

这是我们自己做的一项小型研究。一次性大块肝癌将在手术后复发。如果复发很快,我们会提供预防性治疗计划,以延长患者的生存时间。如果复发的机会很低,我们可以进一步观察,减轻患者的痛苦,节省健康资源。

image.php?url=0MiIupNmhq

我们的研究结果表明,基于图像的模型,以及基于临床的病史和测试结果模型,以及结合这些方面的模型,表明组合融合模型具有更高的特异性和敏感性。因此,每个人都不能单独依靠病理学来进行病理学检查。您不能单独依靠图像来制作图像。否则,您无法制作符合临床应用的AI工具来帮助医生。

image.php?url=0MiIup1CjJ

这是一个复杂的现实,我们医院还有一个团队,可以根据CT图像进行3D重建,VR和3D打印。个性化支架印刷也是可能的。这些非常有趣。

image.php?url=0MiIupOlSJ

当然,我们可以将人工智能应用于工作流程优化,例如过程管理,病变识别,建立临床路径,智能导航,康复支持等。完全可以使用人工智能技术来实现某些功能。

image.php?url=0MiIuphT3d

如上图所示是达芬奇机器人的操作。我们知道达芬奇机器人做手术,效果不一定好,但也需要观察。最近的一篇文章说,达芬奇的手术并不比手术更有效,即使在某些场景中,效果也不如手动手术。

image.php?url=0MiIuplB1a

我们可以使用一些传感器来帮助我们恢复,这可能比医生基于现有设备和经验的经验更好。这是基于传感器数据分析模型来预测康复的结果和指导康复。

现在可以基于诸如CT和磁共振的图像信息来执行功效的评估和预测。也可以将病理学甚至遗传信息结合起来,这可能更有效。因此,刚才我与姚建华博士讨论过,我们也在探索“形象+病理学”的方式,当然,我们现在做了很多。

image.php?url=0MiIupDXlg

在谈到上述应用之后,我们发现人工智能存在很多挑战。

FDA批准的软件ContaCT由Viz.AI提供。 CT用于判断脑血管梗塞,并且对CT图像进行AI处理。该算法将自动通知神经血管疾病治疗专家。 Radiology的编辑对这个软件系统给予了“强烈的”批评。为什么?

image.php?url=0MiIupA6hv

由于该软件系统到目前为止发布的数据很少,唯一可用的结果来自美国心脏协会2018年国际卒中大会的海报。系统培训和验证数据来自埃默里大学医生建立的ALADIN非公开数据集。

此外,还提供了两名神经放射学家的名字。通过检查FDA的文件,只发现了一个人的背景,并且该人也去了公司。另一个人仍然不知道它在哪里。

最重要的是它的特异性只有52%,类似于甩硬币。提醒我们的AI公司注意数据的完整性和可用性。

image.php?url=0MiIupdg81

人工智能医疗的发展存在一个很大的问题,即数据结构性差,这也是我们面临的挑战。

当我们做医疗时,我们必须有温度,即情绪交流。这涉及人文科学,它涉及医生和患者。它也是AI的最终解决方案,它可能是AI最困难的解决方案。

image.php?url=0MiIupTacE

我今天告诉大家,基于深度学习的人工智能超越了传统的CAD。人工智能可以帮助我们做出准确的诊断,但我们的医疗数据很复杂,我们必须要有生命的虔诚,我们不能说人工智能可以解决所有问题。

image.php?url=0MiIuplihW

医学伦理学的基础是“不伤害第一”。在医疗领域开发和部署人工智能系统也具有相同的道德义务:我们必须努力识别和减轻使用人工智能可能伤害患者或医护人员的任何可能性。

image.php?url=0MiIup9Afh

如果有问题,请批评和纠正。谢谢你们。

问:你好梁主任。你认为如果人工智能部分取代医疗工作而且只是纯粹的辅助医疗工作,你认为人性和商业目的的两种平衡之间有什么好处?

梁长虹:首先,人工智能应该按照我的专业方向分为两部分,一部分基于数据应用,另一部分基于设备应用。

我所说的人文是未来。设备制造商完全可以,并且已经使用人工智能技术来帮助我们做很多事情,例如使用深度学习来提高图像信噪比,减少辐射剂量以提高图像质量,标准采集等等,基于设备。本部分中有许多可以实现的方案,但这些业务实践可能与进行数据分析不同。

其次,它基于数据应用程序。这种困难比基于设备应用程序困难得多。一个是模型的共性和概括。例如,它在中山大学得到了很好的应用。可以在省人民医院同样使用吗?例如,糖网,在不同的医院是否相同?对于另一家公司的相机,它会是一样的吗?这些都是需要探索的事情。

雷锋网原创文章,禁止擅自复制。有关详细信息,请参阅重印说明。

收集报告投诉