新冠AI诊断效果如何？怎样改进？长征医院影像科主任解答

原标题：新冠AI诊断效果如何？怎样改进？长征医院影像科主任解答

医学影像人工智能自2016年发展至今，已在图像重建、辅助诊断、勾画靶区、病理细胞诊断等任务中进行许多尝试，部分企业步入商业化阶段。

在众多医疗人工智能产品中，数肺部疾病智能辅助诊断系统最为成熟。新冠肺炎疫情期间，不少AI企业推出新冠肺炎人工智能辅助诊断系统，其中部分还被应用到疫情严重地区的医院。

这些系统的使用效果如何？有哪些可改进之处？9月18日，第二届中国医学影像AI大会前夕，上海长征医院影像医学与核医学科主任、中华医学会放射学分会候任主任委员、中国医学影像AI产学研用创新联盟理事长刘士远在接受澎湃新闻（www.thepaper.cn）记者采访时解答了这些问题。

新冠AI系统减少交叉感染，稳定性差强人意

刘士远表示，新冠肺炎人工智能辅助诊断系统在使用过程中确实解决了一些问题。例如，通过设备自动扫描减少医患交叉感染；对病情危重且配合度低的病人，深度学习算法可以让医学图像更符合诊断要求；在检测肺部是否有毛玻璃病变、是否出现炎症以及炎症的分类和分级等方面都有很好的使用。此外，还有一些企业推出了新冠肺炎预后模型。

他透露，疫情期间，国家药品监督管理局医疗器械审评中心为新冠肺炎人工智能辅助诊断系统临时开辟绿色通道，还单独出台了新冠肺炎AI产品审评要点。

为什么至今没有任何企业获得新冠肺炎产品注册证？他分析原因称，这些AI诊断系统基本都是用新冠肺炎病例训练的模型，病种单一，疫情过后不符合临床场景的需求，“真正有前途、符合临床场景需求的是肺炎的鉴别诊断模型”。

相较于深度学习人工智能系统较为擅长的肺结节诊断任务，肺炎的表现复杂多样，需要多任务模型才能完成病变的检测，如果没有算法层面的突破，模型的表现很难理想。

另一个原因是，多数厂商在疫情早期“出于情怀”等原因临时构建算法模型、临时标注数据，整个过程“仓促上马”，数据标注环节缺乏权威标准，建模环节使用的数据不理想，造成诊断系统的“表现稳定性可能差强人意，在推广阶段暴露出一些问题。”

刘士远认为，肺炎人工智能辅助诊断系统是一个非常值得耕耘的领域，建议未来在三方面继续努力以提高模型表现：纳入更多病种、使用更大的样本量；在标注环节达成共识，使用高标准标注的数据；在多任务模型算法和系统架构上取得突破。

肺结节AI软件成常态，评价标准待建立

2018年，首届中国医学影像AI大会在上海举行，时隔两年，医疗AI行业悄然发生了很多变化。

刘士远在采访中谈到，医院层面，肺结节AI软件在一线医生中的点击率已达80%以上，已经作为常态使用。产业领域，数家企业的AI辅助影像诊断产品获批三类医疗器械产品注册证。

目前已获批的有用于糖尿病视网膜病变眼底图像的辅助诊断软件，由深圳硅基智能科技有限公司和上海鹰瞳医疗科技有限公司分别开发，还有北京安德医智研发的颅内肿瘤MRI诊断分类软件和深圳科亚研发的冠脉血流储备分数软件。

刘士远预计，肺结节、冠状动脉和骨折等影像AI产品也会陆续取得产品注册证，进入下一阶段的商业化流程。

有观点认为，目前的医疗AI资本圈进入寒冬期，不少企业难以为继。但刘士远表示，虽然企业数量减少，质量却有提高。对活下来的几家头部企业而言，其产品已经接近临床常规使用，不少有望不久后获得医疗器械产品注册证，也有部分实现盈利。如果能在二级市场上市，则可以解决企业发展资金持续注入问题， 让企业更加集中精力研发产品，而不是为生存奔波。

另一个变化趋势体现在医疗AI产品的种类日益多元化，覆盖智能扫描、流程改造、诊断分类和疗效评价等环节，病种上则涉及几乎人体所有器官等。

刘士远预测，未来的医疗AI产品将向全流程、全病种方向发展，并平台化一站式使用。在医疗AI产品发展的早期，时常出现一家医院引入多个肺结节辅助诊断系统的情况。他认为，应该将各个AI产品整合到同一个平台，使用统一的出入口，以此提升工作效率，让人工智能的产品互补，减少无效操作，提升临床医生、影像医生的使用获得感。

当前，医疗AI产品仍缺少完善的评价标准，亟需在政府相关主管部门、行业协会和专业医生的共同努力下建立起一套评价体系。“进入真实医疗场景后能否达到同样的效果？在临床中使用会不会带来风险？会不会漏诊？会不会对病人带来伤害？安全性怎么样？用什么参数以及如何评价，这些还是空白的。”

责任编辑：薛永玮