推想科技创始人陈宽：人工智能帮助基层放射科医生完成三甲医院级别的诊断

5月17日，动脉网“2017中国基层医疗创新实践论坛”如期举行，推想科技创始人陈宽先生受邀，以《让基层放射科医生完成三甲医院级别的诊断——人工智能的机遇与挑战》为主题，发表了精彩演讲，以下为演讲的内容：

陈宽

在医疗影像这个领域，优质的医疗资源非常稀缺，分布不均匀。大型医院每天医生的工作都非常辛苦，所以漏诊，误诊的情况在所难免。一些偏远的地区虽然有好的医疗设备，但是由于缺乏有经验的医生，设备利用率并不高。

推想科技作为一家人工智能公司，致力于应用深度学习技术为医疗影像诊断提供快捷、准确的解决方案。我们拥有一支顶尖的数据科学团队，能够有效利用各类医疗数据（结构化，半结构化，尤其是非结构化数据）创造出具有临床价值的模型产品。

在接受动脉网采访的时候，陈宽表示，公司产品——智能医疗影像系统INFERVISION已经在数百家基层医院放射科上线，智能X线辅助筛查产品、智能CT辅助筛查产品也进入到CFDA认证的最后阶段，有望在年内拿到。

在收费模式方面，推想科技探索出来了两种模式。一种是将整套设备一次性卖给医院。另一种是将按此向患者收费。同时陈宽表示，医疗人工智能对大多人来说还是一个新事物，相关部门也没有具体的定价标准，大家都在摸着石头过河，目前的主要工作还是市场教育。

深度学习最早出现在2006年多伦多大学教授Geoffrey Hinton发表的一篇论文中，当时没有特别多的人关注这个技术，直到2011他的学生利用深度学习建立了一个模型，帮助无人驾驶车识别红绿灯，准确率达到99.44%，又在2012年的时候获得了人工智能大赛Imagenet的一个奖，这才使深度学习走进科学圈的视野。

在医疗行业，15年前就有产品将传统人工智能技术应用在了医疗影像领域，但是陈宽在和国内医生接触的过程中发现，传统人工智能方法（传统CDA技术）效率低，会发生漏诊的情况，所以无论在美国医院还是在中国医院，系统被采购回来的以后，使用率并不高。

传统的人工智能算法需要大量专家去指导计算机如何进行识别。但是深度学习情况就不一样，以肺结核为例，利用深度学习，只需要提供大量的数据，告诉模型哪些是肺结核，哪些是正常的血管断裂，哪些是正常的组织，深度学习算法会根据这些数据，慢慢的形成一个诊断的标准，自动完成这个诊断的工作。

相较于传统的人工智能算法，深度学习不需要提取特征，只需要提供大量有效数据，算法会自己学习识别。但是医学的情况十分复杂，特征并不能完全包含所有情况，比如说让一个女生扮成尼姑，传统的人工智能很难判断这个人是男是女，而深度学习就会像人一样判断出她是一名女生。

深度学习另一个优势是运算速度很快，以前三甲医院使用的传统人工智能算法运算一个人的CT数据需要30分钟，而深度学习算法只需5-10秒即可以完成诊断。

目前推想科技的产品可以提供三个方面的服务：智能影像报告检验、智能辅助筛查、智能鉴别诊断。

智能影像报告检验

基层和社区医院的医生由于缺乏经验，有时候对自己写的医学检验报告缺乏自信，特别是疑难杂症，推想科技的产品可以帮助医生对报告做进一步的检查。在临床试验中，针对一大型三甲医院的160例被判定为“正常”的报告，推想智能报告系统检测出2例恶性肺癌病例 。

智能辅助筛查

医院每天面对的疑似病人有很多，但是其中真正患病的人数是很少的，有数据显示肺癌的检出率甚至不超过1％。推想科技智能X线辅助筛查产品可自动判断图像中是否存在病灶，帮助医生合理有效地分配时间精力。

推想科技智能CT线辅助筛查产品可自动标记出CT各层面上病灶的位置，辅助医生快速准确的完成CT诊断。这样医生就不用花那么多时间在健康人群当中，减少重复性劳动，把时间用在重大疾病的诊治上，还可以减低医生的疲劳度。

在诊断速度方面，一个医生完成20个病例的诊断需要3个半小时，利用推想人工智能产品就算是最低配置的电脑也只需6分15秒。

在诊断准确率方面，人工智能针对大小结节综合灵敏度是85%左右，针对不同大小的结节，情况不同。推想科技2017年3月9日的测试数据显示，对于0-3MM的结节，推想科技模型敏感度为84.03%，3-6MM的结节模型敏感度度为88.31%，>6MM的结节模型的敏感度为100%。

在现实中，医生的识别率要低很多，尤其是对0-3MM的结节，医生是很容易漏诊的，漏诊就会导致患者错过最佳的诊疗时机。这个服务对基层医生尤为重要，基层医疗机构拥有推想的人工智能产品，就相当于一个副主任医师在帮助他一起看病。

智能鉴别诊断

第三个服务是智能鉴别诊断，简单来说就是人工智能不仅可以识别出结节并标注，还可以判断结节的良恶性。据陈宽介绍，这项技术还在研发当中，其定位还是帮助医生做判断，最后下结论的还是临床医生，推想产品不过是提供一种帮助。

在医疗影像领域，分级诊疗面临着很大的挑战，推想科技的智能影像辅助诊断解决方案可以很好地解决这些问题。

首先是基层医院的影像诊断水平的有限，尤其是CT的诊疗，与三甲医院相比差距很大，推想科技的智能辅助诊断解决方案，以副主任医师的水平，补充基层医疗机构稀缺的诊断资源 。

第二是基层医疗缺乏提升基层诊断能力的培训资源和工具 ，智能辅助诊断解决方案可以在影像上智能标记病灶位置 。在这个过程中医生可以向机器学习，提升自己的诊断能力。

第三是基层医疗机构拍片水平／诊断报告规范不统一，造成信息共享十分困难。而人工智能标准化的监督可提高技师的操作规范，保证影像质量，减少重复检查造成的资源费，并且智能报告系统也可实现报告的标准化 ，减少患者不必要的重复检查。

第四是目前医疗现状是缺乏标准化的转诊决策监督，以保证转诊指南的执行。而人工智能作为机器会严格参照转诊指南要求，给医生提供出标准化的转诊建议 。

在最后的总结中陈宽表示，推想科技的产品路径是从预防、筛查到辅助诊断，再到最后的精准医学，使用基因、影像、数据帮助医生做出更加精准的判断。