敖显奎

中国医学科学院国家癌症中心统计，2015年中国肝癌新发病例46.6万例，而根据2017年的相关数据，早期肝癌的漏诊率高达40%。截至2019年数据，我国医学影像数据的年增长率约为30%，而放射科医生的年增长率仅为4.2%，这意味着未来影像科医生处理数据的压力会越来也大。无独有偶，美国疾控中心（CDC）2018年数据显示，14%的美国成年人患有糖尿病，这一慢性健康问题困扰了约3000万人。其中，每年有超过2.4万人因糖网而失明（糖网是糖尿病的严重并发症，也是主要致盲的眼病之一）。AI诊断的呼声越来越高。

不过，在越来越多的机构公布自己AI诊断准确率不断创新的同时，拥有打败人类的AlphaGo的公司谷歌却在AI诊断的实践上“翻车”了。

美国FDA不批准，项目在泰国医院实施

Google Health是谷歌于2018年成立的健康部门。2020年初，他们分享了一个AI诊断乳腺癌的模型测试，该模型测试在训练了9万多张乳房X光片后，取得了比人类放射学专家更好的效果。而让他们碰壁的这个项目同样也出自Google Health之手，是他们的另一个核心研究——AI糖网筛查系统。

在巨大的需求背景下，Google Health建立了一个由12.8万幅图片组成的数据集，每张图片均记录着3-7名眼科医生的诊断结果。这些数据在经过算法的统计，再经过临床验证，测试结果评估为已达到人类专家的水平，准确率超过90%。不过，美国食品药品监督管理局（FDA）暂时没有通过这一项目，该项目不能在美国境内进入实际应用。

而在地球另一侧的泰国，其糖尿病人糖网筛查有着巨大的缺口。在泰国的筛查体系中，护士先为患者拍摄眼底照片，然后将照片发送给专家进行诊断，这一过程往往需要5～6周、甚至10周的时间。而泰国有450万糖尿病人，视网膜专家仅有200位，以这个速度，他们需要二千一百多年才能将所有人筛查完，而且在这期间没有任何增长。在如此急迫的情况下，泰国选择与手握CE认证的Google Health打成合作，谷歌为泰国的11家政所安装筛查系统，依照谷歌公布的数据，筛查的时间可以从几周缩短至几分钟，然而事实却并非如此，谷歌的这套系统给筛查流程增加了不少麻烦。

第一，这套AI系统“认”的照片需要用免散瞳眼底相机拍摄，而且需要进入专门的暗室拍摄。在11家诊所中，只有2家有条件进行这样的拍摄。于是，为患者拍摄的眼底照片，有五分之一被AI系统拒绝，而在这些被拒绝的照片中，某些已经有了明显的糖网迹象。第二，泰国的网速限制让照片的上传变得非常缓慢。第三，即便AI系统检查顺利，谷歌还配套了后续的治疗方案，然而，对患者来很不友好的是，一个患者如果同意AI筛查，但是他的图像被系统拒绝，那么这些患者就不得不另寻时间就诊。“患者并不关心准确性，而是更关心体验如何”，护士告诉谷歌研究人员，“40%～50%的人不会加入研究，因为他们认为必须要去医院”。处于某些原因，这些患者并不认为这套AI系统是管用的。

需求巨大，AI筛查在多类检测中出现

生活中，我们可以看到AI筛查的需求量非常大。Google Health除了在糖网上的筛查研究，他们着手了其他的项目，其中就有女性乳腺癌的筛查。数据显示，每10万女性中，就有超过42位患有乳腺癌。跟其他很多癌症一样，乳腺癌的一大治疗难点也是早期的筛查问题，如果能在早期就查出患病的话，治疗就能打大大降低风险。谷歌分享的筛查系统训练了9万多张乳房X光片后，取得了比人类放射学专家更好的效果。

另一方面，国内联想研究院也在尝试用人工智能来帮助诊断肝癌，提升肝癌的诊疗效果，目前，这套系统的肝脏八段分割准确率达到了90%以上，但还没有进入临床阶段。此外，在新冠疫情下，阿里达摩院联合阿里云共同研发了一套针对新冠肺炎的AI诊断技术。这套技术可以在20秒内对新冠肺炎疑似病例的CT影像做出研判，从而为临床医生提供辅助诊断依据大大提升诊断效率，目前，这种AI诊断技术的准确率可以达到96%以上。

AI筛查仍离开人工诊断

就当下情况而言，无论AI筛查的诊断准确率有多高，诊断结果的判定都不能离开人工核验。也就是说，AI筛查只能成为一个辅助性的工具。有业内人士表示，谷歌的这套AI筛查系统的问题其他很多AI研究项目很可能也存在——科研与临床的结合并不紧密。从流程上看，AI筛查系统最终都必将走到临床这一阶段，然而临床有其特殊性。筛查系统要求相关开发人员不仅要懂技术，还得懂得检测流程、医生的需求、病患的接受度和关心的事情。只有这样才能打造出真正解决问题的系统。

此外，还有相关人士表示，在筛查疾病的时候，医生与患者关心的不止是“是否患病”，对于病症处于哪个阶段、是良心还是恶性、需要什么治疗方案等同樣是双方都非常看重的问题。AI筛查任重而道远。