放眼全球，人工智能（AI）方興未艾，醫(yī)療健康成為AI開發(fā)炙手可熱的重要領(lǐng)域。自2018年起，我國皮膚病學領(lǐng)域陸續(xù)發(fā)布了多款AI產(chǎn)品，在醫(yī)療AI研發(fā)的競技場上大放異彩。

醫(yī)療AI研發(fā)，我們有哪些既有經(jīng)驗和路徑可循？近日，記者專訪了中日友好醫(yī)院副院長崔勇教授，他是中國人群多維度皮膚影像資源庫項目（CSID）項目發(fā)起人兼專家組組長，同時參與了皮膚AI應(yīng)用的研發(fā)，從皮膚病學專業(yè)這個小切口進入，以其為樣本，探討醫(yī)療AI研發(fā)的個中奧妙。為什么要研發(fā)一款AI產(chǎn)品？研發(fā)成功后能否落地推廣？崔勇認為，AI很火，但在一片火熱中更要對這些問題保持理性思考。

“我們來看看它可能是什么?！贝抻履贸?a target="_blank">智能手機，打開他參與研發(fā)的AI皮膚應(yīng)用，用連接在手機上的便攜式皮膚鏡，對著記者手部的一顆深色丘疹拍了一張照片，圖像上傳至云端后，這款AI產(chǎn)品很快給出輔助診斷結(jié)果：良性，可信度98%；前3位最可能疾病包括，色素痣（可信度43%）、血管瘤（可信度43%）、皮膚纖維瘤（可信度14%）。點開每一項可能疾病，都有詳細的疾病特征及診斷介紹。

2018年，我國皮膚疾病門診量約2.4億人次，但皮膚病?？漆t(yī)生僅有2.8萬人，與巨大就診需求相比，皮膚科醫(yī)療資源嚴重不足。同年，崔勇聯(lián)手互聯(lián)網(wǎng)公司完成的一項針對1000名各級醫(yī)院皮膚科醫(yī)生的在線調(diào)查顯示，三甲醫(yī)院醫(yī)生對皮膚腫瘤良惡性診斷的正確率平均約為70%，而基層醫(yī)院僅約為30%。崔勇說，常見病易誤診，皮膚腫瘤易漏診，罕見病不認識，這就是我國基層皮膚病診斷面對的嚴峻現(xiàn)實。

“我國皮膚腫瘤的發(fā)病率以每年3%~5%的速度增長，其中黑色素瘤的5年生存率僅48%，而美國、日本分別達到93%和67%。除治療藥物療效存在種族和遺傳背景差異外，我國對于黑色素瘤的早期診斷不足是主要原因。同時，我國有銀屑病患者700萬人，白癜風患者1400萬人，對這些疾病的病程評估手段不足，缺乏科學的防控指導，嚴重影響患者身心健康?！贝抻抡f，CSID專家組研發(fā)皮膚AI的初心，就是從高死亡率的疾病、高發(fā)病率的慢病入手，切實賦能基層醫(yī)生，提高他們對于這些皮膚病的診療水平。

算法和數(shù)據(jù)是AI研發(fā)的兩大要素。可靠算法價值千金，優(yōu)質(zhì)數(shù)據(jù)更是千金難買。皮膚病學是依賴形態(tài)學直觀特征建立的學科，皮膚影像已經(jīng)成為皮膚病輔助診斷和動態(tài)評估的重要手段。海量且高質(zhì)量的皮膚影像數(shù)據(jù)是AI研發(fā)的基礎(chǔ)，但長期以來，我國皮膚影像數(shù)據(jù)一直處于“孤島林立”的狀態(tài)。任何一家醫(yī)院積累的數(shù)據(jù)，其廣度、豐度、深度都遠遠不足以支撐AI開發(fā)。

“數(shù)據(jù)標注是AI研發(fā)的另一個關(guān)鍵環(huán)節(jié)?！贝抻抡f。針對皮膚影像數(shù)據(jù)的深度學習會受到非皮損區(qū)域信息的影響，干擾核心信息的讀取，因此需要專業(yè)人員（主要是專業(yè)醫(yī)生）對目標區(qū)域進行標注，更好地建立特定區(qū)域影像信息與疾病之間的對應(yīng)關(guān)系?！皩俗^(qū)域的診斷結(jié)果告訴AI，AI在大量重復學習圖像共性特點的基礎(chǔ)上，通過算法建立自己的診斷思路，這個過程就相當于將專家的診斷經(jīng)驗傳授給AI?！?/p>

據(jù)悉，為了實現(xiàn)數(shù)據(jù)標注的規(guī)范化，項目組制定了皮膚病分類分級標準并申請專利，將皮膚病分為皮膚腫瘤和非皮膚腫瘤，將皮膚腫瘤分為良性、惡性、交界性3類，每一類又分為多個不同層級?！坝辛朔诸惙旨墭藴什拍軐τ跋駭?shù)據(jù)進行規(guī)范標注，基于神經(jīng)網(wǎng)絡(luò)模式對標準化皮膚影像大數(shù)據(jù)進行深度學習，才能使AI具備對特定皮膚病作出分級分類判斷的能力。”崔勇說。

2018年，國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學中心皮膚科專委會、中國醫(yī)學裝備人工智能聯(lián)盟皮膚科專委會聯(lián)合牽頭，建立了包括全國400家各級醫(yī)院的皮膚影像中心網(wǎng)絡(luò)?！斑@為AI的應(yīng)用推廣打下了組織基礎(chǔ)?！贝抻抡f，通過多維度皮膚影像分析管理系統(tǒng)上傳皮膚影像，基層醫(yī)生可以在AI的協(xié)助下出具影像檢查報告，實現(xiàn)基層檢查、上級診斷。

“依托復旦大學附屬華山醫(yī)院醫(yī)聯(lián)體，皮膚AI應(yīng)用跑了一圈數(shù)據(jù)，3個月時間里，基層醫(yī)生共調(diào)用了3000多次AI，輔助做出了1萬多份影像報告。”崔勇表示，對于構(gòu)建新型遠程皮膚病學模式而言，培養(yǎng)具備熟練使用皮膚影像設(shè)備能力的基層醫(yī)務(wù)人員是必由之路。CSID依托全國皮膚影像中心網(wǎng)絡(luò)已經(jīng)構(gòu)建了教育和能力認證平臺，已培訓并認證基層醫(yī)院皮膚科醫(yī)生3000多人。

回顧皮膚AI應(yīng)用的研發(fā)歷程，崔勇認為，專家主導、技術(shù)協(xié)同、資本融入，應(yīng)該是醫(yī)療AI研發(fā)的可循模式。AI研發(fā)的方向和規(guī)劃，產(chǎn)品的推廣體系建設(shè)，都應(yīng)由醫(yī)學專家從臨床需求的角度出發(fā)來把握，影像數(shù)據(jù)庫和影像標注的質(zhì)量控制，也必須依靠專家的指導來完成，“專家團隊的缺乏是目前國內(nèi)不少AI公司的共同短板”。

不久前，崔勇參與研發(fā)的皮膚AI應(yīng)用成為國家衛(wèi)生健康委統(tǒng)計信息中心評出的“醫(yī)療健康人工智能應(yīng)用落地最佳案例”之一。崔勇說，CSID正在為其他醫(yī)學AI的研發(fā)提供可參考的協(xié)同模式。