未来一定是属于狗的，卑微的人类颤抖吧。
这样的成绩，也许在北京上海还差点，在三线城市绝对可以实用化了。
 
      2017年4月19日下午，以“甲状腺结节超声图像的性质判定”为主题的首届人机读片竞技大赛在我院成功举办。本次人机大赛由中国医学装备协会超声装备技术分会和北京市计算中心联合主办，我院承办。国家卫生计生委能力建设和继续教育中心继续教育处处长宋仙保、北京计算中心常务副主任刘彤研究员分别致辞，并为获奖选手和团体颁奖。

　　次人机大赛旨在通过与领域专家沟通交流，测试“视诊通”系统的实战能力，探讨人工智能在医学图像诊断方面的应用。本次大赛共邀请了来自友谊医院、协和医院、北医三院、北京肿瘤医院等数十家三甲医院的200位影像科的专业医生参赛。承办单位北京友谊医院为大赛提供了100套已有病理“金标准”的甲状腺结节超声图像，用于人机读片竞技。医生们通过手机回答问卷的形式，依据结节超声图像特点对100套超声图像做出良恶性判定，每答对一次得1分，全部答对得100分。“视诊通”和医生同台竞技，会务组按照同样的评分标准为“视诊通”打分。最后，按照正确率进行竞技排名。这是人工智能在医疗领域应用的一次创新性尝试，是即将到来的医疗AI时代的又一力证。

　　在我院的大力支持和专业指导下，计算中心“起宏图”人工智能研发团队历时两年，基于深度学习和图像处理算法推出了“视诊通—医学图像辅助诊断工具”，辅助医生进行医学图像诊断。这得益于北京友谊医院提供的丰富详实的甲状腺结节超声图像数据，以及医生专家团队在研发和临床应用方面的指导，目前，“视诊通”在B超影像内测诊断方面准确率达到76%，可与5年经验主治医师诊断水平相媲美。

-----------

其实就在上个月，北京友谊医院就牵出自己一手喂大的 AI 孩子：一个甲状腺结节超声图像诊断 AI。它跟北京协和医院、北京大学第三医院、北京肿瘤医院、解放军总医院等 7 家三甲医院组团来战的影像医生战了一场。

「其实，我们很早就在微信群里看到过『AI 要代替医生』这种说法了。」北京友谊医院超声科副主任胡向东说。

这种代替威胁论的重灾区，尤其集中在图像分析领域，涉及超声科、放射科、病理科等科室。因为对 AI 而言，影像数据相对结构化，相比疾病的诊断和治疗，更容易些，技术也更成熟些。

「你可以说，AI 对医生造成了一定的威胁，但也可以说，AI 能对医生提供很大帮助。」胡向东辩证了一把。

她所在的超声科，其实很早之前就考虑过，想借助 AI 提高诊断率，也跟某家公司接触过，但没走下去。

两年前，因为医院放射科在跟北京市计算中心合作肺结节的 AI，而后者还有过结肠癌病理的 AI 基础，双方一拍即合，超声科就这样跟北京市计算中心开始了甲状腺结节超声图像诊断 AI 的合作。

「我们科的人，基本都参与进来了，大家态度还是很认真的，」胡向东说，大家并不是图新鲜玩一把的心态，「科里大多数人都参与了采图，最后选图的人也有三四个。」

对医院而言，养 AI 这个孩子的第一步，就是喂它图，也就是胡向东说的采图、选图。

超声图像本来存储在医院的工作站上，医生要先选择那些图像采集清晰的、病理结果明确的，拷出来，这个挑选过程，找到一份合适的病例，大概就需要四五分钟。

然后还需要医生手动把图像上的结节框选出来，这个框图选图的过程，也需要一两分钟。超声科就如此操作，喂了过千病例的超声图像和病理结果。而且，喂图的食材还要保证均衡和质量。

由于需要做穿刺的都是有恶性可疑点的结节，所以良性病例就需要医生额外补充给 AI 进行学习。而良性病例，需要同时满足穿刺结果为良、基因检测为阴性、随访时间超过半年 3 个条件。

至于恶性病例，则以穿刺或术后病理检测确诊为恶性做标准。以此，保证 AI 学习的每张片子，都是经过「金标准」检验的。

但是，食精脍细条件下，仔细养大的 AI ，其实还面临要丰富「食材」的挑战。

首先，这与超声本身的特质有关。超声不同于 CT 的客观成图，而是一种医生主观参与较多的检查方式，「面对同一个结节，可能我采集下来的图像，和你采集下来的图像，想表达的点是不太一样的。」胡向东解释，这首先就是一个可能影响到结果的因素。

此外，超声仪器品牌众多，不同公司、不同款型、甚至不是同一个的仪器，成像特征都是有差异的。在图像质量合格的前提下， AI 如何消化掉这些来源不同的「食材」，也是一个挑战。

「未来，AI 也许不需要人工框选结节，可以直接识别图像；也许，AI 甚至不需要人工采集图像，可以从头到尾全包。」胡向东说，目前只是起步阶段，未来发展空间还很大。

而在 AI 学习了数百张图后，科室进行内测，诊断准确率接近于 5 年经验主治医师的诊断水平。

这时，超声科主任钱林学提议，干脆搞个公开比赛，拉北京各家医院都来体验一下。于是，这就有了前面提到的人机对抗，而这也是国内首届人机读片竞赛。

比赛现场，左边两台计算机就是AI，相比于普通计算机，只是主机略大；右边是北京友谊医院超声科主任钱林学

AI 在读片比赛进程中的状态比赛现场（以上 3 张照片由北京友谊医院供图）

比赛一共 100 道题，根据图像做出「良性」或「恶性」的选择判断。

题目大多包含恶性可疑点，有一定难度。分上下半场，每半场限时 20 分钟。共 84 名医生现场参赛，他们除了按医院组成了 7 个团体，还有个人参赛的。

同时，线上还有近万名医生观赛，如果愿意，也可线上比赛。

在第一部分答题过程中，准确率排名前 25 名的医生，平均耗时 1000 秒左右，而 AI 耗时 191.669 秒，正确率为 68%，而初级医师正确率 60.8%，中级医师为 62.4%，高级医师 66%。

在第二部分答题中， AI 准确率达 76%，仅有 5 名医生得分超过了它。

最终，在团体赛比赛结果里， AI 以 73.0% 的综合正确率获胜，用时 514 秒，领先第二名航天中心医院 0.3%。

而在个人成绩里，冠军属于解放军总医院超声科的张明博医生，她已有 8 年的读片经验，综合正确率为 76%，平均用时 909 秒。 而 AI 则名列第 6。

对 AI 取得的这个结果，北京友谊医院超声科的医生们，还是比较满意的，最终 AI 的成绩是，敏感性为 83.3%，特异性为 57.5%。

其实，胡向东自己也参加了这个比赛，「我答得不好，」她笑着说，「感觉在现场比较容易受影响，比如第一部分结束后，会给出医生答错最高的五道题，我一看：啊？这一题不对吗？唉！这一题也没对！下半场的时候，我就想，还能按照这个思维来答吗？就受影响了。」

不过她也说，有的医生表现得就很好，上半场过后，反而下半场更适应了，总体成绩更好了。

其实，这就是人类的诊断率可能存在的波动，不如 AI 更稳定。

三. AI 对医生到底是不是威胁？

于是，问题又回到了 AI 是否威胁到了医生的上面。

「目前这个程度的 AI，已经让初中级医生感到很挫败了，」胡向东说，「搞完这个比赛，科里的同事有时都会说，是不是自己给自己挖了个坑，教会徒弟饿死师父，我们就快失业了？」

不过，胡向东和钱林学主任对此其实也是乐观的，「即使 AI 真有一天有能力代替医生了，也不见得就不好，医生可以去做属于人类的更高级的事情，而且这种事情还有很多。」

目前，他们还是更关注于 AI 的进一步优化，完善它的诊断技能，推向临床，服务于更多疑难病例和需要进一步学习的医院与医生。

他们的合作方，北京市计算中心的季红经理也认为：目前开发 AI ，目的还是希望辅助医师，比如提高部分医师的诊断能力，还不能取代医师的决策。毕竟在实际临床工作中，对疾病的诊断，需要更广阔的知识背景。

事实上，医疗界对 AI 是否能代替医生，态度总是更悲观一些。大家从技术角度出发，认为不论是耗时还是准确率，AI 都完胜，将取代大量医生，甚至，给出了取代 50% 这一比例。

而人工智能界对此倒是更乐观一些，他们更愿意从宏观角度出发：现在的 AI 再强，也是弱人工智能范畴的，医生的直觉、整体认知、法律和人文方面的统筹，是 AI 力所不及的。