7月17日，63歲的謝先生因肺部不適，到武漢協和醫院胸外科就診。醫生建議做肺部CT平掃和增強，將謝先生肺部按照1.5毫米層厚重建出688幅斷面影像。

　　閱片室中，放射科醫師黃銳在影像生成後約3秒，就找到了謝先生左肺中下葉和右肺中下葉共6個肺結節，連4*4毫米的微小結節也沒被放過。謝先生被初步診斷為疑似肺癌。

　　688幅CT影像，仔細閱完通常需要5至8分鐘。黃銳能在數秒之內找到所有結節，並初步判斷出良惡性，篩查出早癌患者，得益於他的“小依助手”——肺癌影像智慧診斷系統。

　　這是我省引進的首套人工智能輔助診斷系統。它將肺部影像診斷壓縮至秒級，可自動識別出成百上千幀影像中肺結節，標出大小、位置、密度，並初步分辨良惡性，自動生成結構化影像報告提供醫生審查。自去年下半年投用至今，已輔助醫生完成近9萬例肺結節篩查，敏感性高達93%以上，即93%的結節它都能檢出。

　　據介紹，該系統誕生之初僅可識別85%的肺結節，投用到醫院就是希望它能在臨床中學習，提高診斷水準。

　　協和醫院放射科主任韓萍教授及其團隊評價，該系統“較聰明，一學就會”。初來乍到時，為保證其受到良好的培訓，只有高年資醫生才使用。在經過近9萬例的病例學習後，該系統逐步成長為一名合格的“醫生”。

　　目前，武漢已有協和、同濟、省人民醫院等醫療機構，採用了人工智能輔助診斷系統，用於肺癌、乳腺癌、兒童生長髮育異常等疾病。人工“智慧醫生”的使用，帶來了哪些改變？未來發展趨勢如何？

　　肺癌影像智慧診斷系統在協和醫院投用時，韓萍教授及團隊半信半疑，因醫生工作量實在繁重才決定嘗試人工智能。

　　據介紹，肺結節是肺癌的“信號燈”，能夠幫助發現肺癌。過去篩查肺結節全靠醫生的“火眼金睛”，平均一個醫生每天看上百個病人、近2萬張影像圖片，如果還需對比病人既往影像資料，工作量驚人，人眼識別難免疲憊和疏漏，影響診斷準確率。經人工智能初篩後，醫生在此基礎上再審核確認，可大大減少漏診，提高效率。

　　美國哈佛醫學院曾開展智慧診斷臨床試驗，在人工智能的輔助下，乳腺癌的誤診率從4%降至0.5%。

　　影像作為醫生診斷的重要依據，在醫療行業數據中佔比80%至90%。統計顯示，我國醫學影像數據增長率為30%，而放射科醫師增長率僅4.1%。運用人工智能技術可以有效彌補醫生的缺口。

　　依圖醫療商務總監何雲認為，醫生少，高級醫生更少，尤其是基層醫院，不同水準、不同地域的醫生解讀影像結果存在差距。曾有某人工智能系統判讀病理切片時，準確率達到92.5%。與之相比，高級醫生的準確率是97.5%，普通醫生僅為57.5%。人工智能深度學習後，可以達到高級醫生的水準，實現同質化醫療，協助提高基層醫院醫療水準。

　　眼下，人工智能在肺部篩查、糖網篩查、臟器三維成像和病理分析上表現優越，甚至參與靶向勾畫與治療方案設計。未來能否完全替代醫生？

　　韓萍認為，目前人工智能診斷系統僅限于一種或幾種疾病的輔助診斷。它雖具有學習能力，但限于教什麼，學什麼，接受非黑即白的指令，它不會主動思考。在遇到疑難病例時，人工智能則失去方向。它所做的只是幫助醫生減少了重復、機械的勞動，還需要借助醫生的經驗分析判斷。隨著科技和醫學的進步，醫生將和人工智能一起，探索人類醫學的邊界。 （湖北日報全媒記者 余瑾毅）