3月28日，一场特殊的较量在中日友好医院展开。

　　对阵双方一方来自来自北京、云南、内蒙古等地的皮肤科医生，他们有的来自三甲医院，有的来自基层医院；另一方是首款黄色人种皮肤肿瘤人工智能辅助决策系统——优智AI（人工智能）系统。竞赛科目是皮肤肿瘤的诊断成功率，包括皮肤肿瘤性质及肿瘤名称。正确答案以病理诊断为金标准。

　　中国人民解放军空军总医院皮肤病医院孟如松教授是竞赛活动主持人。比赛开始前，他拿出国内多位皮肤科专家组成的出题组预先准备的60组皮肤肿瘤病例图片，现场随机抽取10组图片，由10位医师与优智AI系统同时作答。医生和AI系统之前都没有见过这些图片。比赛时间限定10分钟。

　　经济日报-中国经济网记者发现，即使由于网络不畅的原因，AI系统在比赛开始耽误了一小会儿，它也在5分钟左右就已完成全部答题，而此时10名医生都没有完成，有的仅答了三四道题。10分钟后比赛结束，结果揭晓：医生组对良性肿瘤判断平均符合率为76%，恶性肿瘤平均符合率62.5%，疾病名称平均正确率46%；而AI系统这三个数据分别为100%、75%、70%。

　　AI系统各项数据均领先医生组。

图为皮肤科医生在比赛中。经济日报—中国经济网记者朱国旺摄

　　AI系统为什么会领先

　　皮肤病专家对这个结果并不感到意外。

　　由于皮肤位于体表部分，皮肤病的临床表现多位于肌肤暴露部位，很多疾病可以通过查看临床图片、皮肤镜图片、病理切片等影像资料来进行判断。北京大学人民医院皮肤科主任张建中教授说：“皮肤科是最适合远程医疗和人工智能的医疗领域。“

　　2017年，斯坦福大学在《自然》（Nature）杂志上发表关于皮肤肿瘤机器深度学习的研究，结果显示，深度学习在良恶性3分类和疾病大类9分类任务上的符合率分别可达72.1%和55.4%，而针对同样的分类识别，专业医生平均符合率分别为65.8%和54.2%。

　　孟如松教授介绍说，此次发布的首款黄色人种皮肤肿瘤人工智能辅助决策系统，其测试结果显示，通过皮肤镜辅助诊断良恶性分类符合率可达85.2%，在疾病和大类混合分类上可达66.7%。

　　“通过皮肤摄影、皮肤镜、皮肤CT、皮肤超声等技术获得的多维度皮肤病影像资料，可以非常简便地被这款系统所读取。第一步，系统做出良性、恶性、交界性以及肿瘤还是非肿瘤的判断及其可能性；第二步，列出可能的疾病名称，这些辅助诊断结果都会即时显示在皮肤科医生的眼前。”中日友好医院皮肤科主任崔勇教授如此表示。

图为工作人员在为AI系统填写答案。经济日报—中国经济网记者朱国旺摄

　　AI是否会让医生失业

　　这是大家最为关心的问题。专家给出的答案是：不会。

　　复旦大学皮肤病研究所所长张学军教授表示，人的精力毕竟有限，而机器就不一样。目前皮肤病有2000多种，而本科教材只介绍了130多种，教师版教材中有200种左右，全国顶尖的皮肤科医生也只能记住600种左右的疾病，AI系统可以记住全部疾病。他认为，AI系统在认知水平方面将超越专科医生。

　　但张建中教授认为人工智能不会替代医生，因为不管它怎么发展，终究是人开发出来的，人还是处在最高层。

　　据崔勇介绍，皮肤科专业医生曾经有过讨论，AI系统来了之后皮肤科医生会不会失业。结论是否定的。因为AI系统目前还存在四大瓶颈：皮肤病学特点决定绝对大数据的不可及性、AI技能获取途径造成深度学习策略不完整性、AI识别维度限制造成技术路径的不成熟性、人工诊断的不确定性影响数据资源的准确性。

　　在此次竞赛中，记者也发现，AI系统并没有完胜每一位医生。在医生组中有的医生的数据就要优于AI系统。这说明有医生的水平仍然超越AI系统，况且这种特定的竞赛环境，也会影响医生对疾病的判断。

    AI系统主要价值是辅助临床医生决策

　　这次竞赛说明医生之间的水平存在较大差距。

　　皮肤肿瘤是发生在皮肤的细胞增生性疾病，包括良性肿瘤和恶性肿瘤。崔勇教授介绍说，皮肤恶性肿瘤则分为两大类，皮肤实体肿瘤与皮肤淋巴瘤。最常见的皮肤恶性肿瘤包括基底细胞癌、鳞状细胞癌、恶性黑色素瘤等。以黑色素瘤为例，虽然在我国的发病率较低，但近年来呈现快速增长趋势，每年新发病例约2万人。由于黑色素瘤在我国发病率较低，因此大众甚至部分皮肤科医生对于此类疾病并不熟悉。

　　对抗皮肤肿瘤，人工智能带来了怎样的可能？崔勇教授指出，早发现早诊断早治疗，多数皮肤肿瘤病人不会有生命危险，然而，很多皮肤恶性肿瘤早期容易与其他的皮肤疾病相混淆，导致没有及时被发现，等到确诊时已是晚期。由于皮肤肿瘤表现较为复杂，也就给了误诊、漏诊可趁之机，这样的情况在基层医疗机构更为突出。皮肤肿瘤人工智能产品作为辅助诊断工具，能够在临床上使得很多原本被误诊、漏诊的皮肤肿瘤及早地被发现。

　　值得一提的是，近年来我国皮肤影像技术的快速发展推动着皮肤肿瘤诊断效率的提升。孟如松教授表示，皮肤镜作为一种无创性的检查手段，能够用于观察肉眼难以发现的结构及其变化，从而提高医生对于皮肤肿瘤的识别。

　　“通过皮肤镜技术所获得的图片，也为人工智能的深度学习提供了有力的支撑。”崔勇教授说道。

　　数据显示，我国各类医疗机构每年的皮肤科门诊量超过2亿人次，而皮肤科医生数量仅略超过2万名。这意味着，皮肤科医生的年均接诊量数以万计。门诊量高负荷只是压力源之一。除了皮肤科医生数量严重不足，不同地域不同医疗机构医生的诊断水平也存在着显著差异。这已经成为皮肤科学面临的重大临床问题。

　　孟如松教授表示，“人机对话”的结果表明，优智AI系统已经完成了应用于临床的功能实现，对于皮肤科医生，尤其是基层皮肤科医生和低年资皮肤科医生的临床工作能够有效助力。

　　在接受经济日报-中国经济网记者采访时，崔勇表示，对于我国各级医疗机构来说，早期识别并诊断出皮肤肿瘤，都是一种挑战，特别是对于基层医院而言，皮肤肿瘤极其容易被漏诊，造成很大的临床问题。优智AI收款推出的黄色人种皮肤肿瘤人工智能辅助决策系统正是针对这一痛点而开发的。科学研究和技术发展的精髓和归宿在于临床应用。将利用大数据深度学习后的人工智能，对可疑皮损进行初步识别与分类，对于医生进行临床决策，如立即病理检查还是可以观察一段时间再复诊，是否需要转诊到上级医院，是否与其他种类皮肤肿瘤或非肿瘤进行鉴别诊断等，具有非常重要的信息支持，同时搭载的皮肤肿瘤知识库，本身也是一个非常行之有效的教育和继续教育平台。

　　皮肤病人工智能有望产业化落地

　　数据显示，截至2017年6月，全球人工智能企业总数达到2542家，其中中国企业数量居第二位，仅次于美国。业内人士指出，在深度学习、识别技术等方面，我国企业都展现出卓越实力，在人工智能领域的技术层和应用层的发展步伐都走在世界前列。

　　此次发布的AI系统是由中国人群皮肤影像资源库（CSID）项目组与优麦科技联合开发完成。优麦科技CEO常江表示，目前上线的这款系统聚焦于皮肤肿瘤，下一步即将扩展到更多皮肤病病种，适用于更多皮肤病辅助决策场景。

　　“优智AI系统的发布在人工智能应用于医疗领域有着里程碑式的意义。”国家远程医疗与互联网医学中心主任卢清君表示，基于皮肤科所具有的形态学、影像学特征，识别技术在皮肤病诊疗方面有着极高的实用价值，因此皮肤病人工智能系统在应用层面的产业化落地有望领航医疗类人工智能。

　　发布会上，国家远程医疗与互联网医学中心与优麦科技共同宣布启动战略合作计划，双方将针对基层医生（包括但不限于皮肤科）开展临床教育等工作。此外，针对疑难皮肤病诊断，优麦科技辅助国家远程医疗与互联网医学中心开展相关的推广工作，尤其是围绕皮肤科的远程诊疗及互联网相关业务展开积极探索和尝试。

　　皮肤影像数据收集正在提速

　　人工智能会“看病”依托于机器深度学习。对于皮肤病人工智能而言，就是要获得大量带有专业标注的医学影像样本，也就是大数据。

　　专家指出，医疗数据中总有部分是各家医院自我留存，彼此之间未开放、不共享。现实中还有另一种情况，就是患者资料仅存在于医生个人工作电脑中，即便在一个科室内也无法共享。种种因素造就了一个个“信息孤岛”，直接阻碍着人工智能所需要的“大数据”的形成。

　　2017年5月，中国人群皮肤影像资源库项目在中华医学会第23次全国皮肤性病学术年会上正式启动，崔勇教授是项目发起人，他认为：“基于中国人群皮肤影像资源库，把特定皮肤病的疾病特征提取出来，就能形成大数据，这些数据经机器深度学习后就能通过人工智能实现疾病决策的辅助与支持。”随着CSID项目的推进，皮肤影像的全国性协作网已经建立，目前协作医院数量已近500家，接收了近20万组高质量图片数据，这不仅为人工智能系统的建设提供了大数据，还有更多发挥路径，比如构建数据的标准化体系以及开展临床研究与应用的辅助示范作用。崔勇教授表示，“此次与国家远程医疗与互联网医学中心的战略合作，将进一步拓展CSID的辐射范围至3000家全国基层医院。”

　　事实上，在CSID为优智AI系统提供大数据的同时，也得到了“反哺”。常江表示，优智AI系统在给出决策建议的同时，还会提供判断依据和疾病介绍，信息支持一步到位。除了当好皮肤科医生的诊断助手，系统还能帮助医生更加便捷、完善地管理患者资料，利用云盘或局域网，建立“专属的皮肤病数据库”。

　　“基于皮肤影像大数据的智慧诊断时代已经到来。”卢清君主任表示，依托互联网平台、人工智能等技术的不断完善，医疗资源的使用率将不断被优化，从而实现患者、医生、医疗机构等多方共赢。（经济日报－中国经济网记者朱国旺）

文章地址：http://www.ce.cn/cysc/newmain/yc/jsxw/201803/29/t20180329_28658739.shtml?from=groupmessage