7月17日，63岁的谢先生因肺部不适，到武汉协和医院胸外科就诊。医生建议做肺部CT平扫和增强，将谢先生肺部按照1.5毫米层厚重建出688幅断面影像。

　　阅片室中，放射科医师黄锐在影像生成后约3秒，就找到了谢先生左肺中下叶和右肺中下叶共6个肺结节，连4*4毫米的微小结节也没被放过。谢先生被初步诊断为疑似肺癌。

　　688幅CT影像，仔细阅完通常需要5至8分钟。黄锐能在数秒之内找到所有结节，并初步判断出良恶性，筛查出早癌患者，得益于他的“小依助手”——肺癌影像智能诊断系统。

　　这是我省引进的首套人工智能辅助诊断系统。它将肺部影像诊断压缩至秒级，可自动识别出成百上千帧影像中肺结节，标出大小、位置、密度，并初步分辨良恶性，自动生成结构化影像报告提供医生审查。自去年下半年投用至今，已辅助医生完成近9万例肺结节筛查，敏感性高达93%以上，即93%的结节它都能检出。

　　据介绍，该系统诞生之初仅可识别85%的肺结节，投用到医院就是希望它能在临床中学习，提高诊断水平。

　　协和医院放射科主任韩萍教授及其团队评价，该系统“较聪明，一学就会”。初来乍到时，为保证其受到良好的培训，只有高年资医生才使用。在经过近9万例的病例学习后，该系统逐步成长为一名合格的“医生”。

　　目前，武汉已有协和、同济、省人民医院等医疗机构，采用了人工智能辅助诊断系统，用于肺癌、乳腺癌、儿童生长发育异常等疾病。人工“智能医生”的使用，带来了哪些改变？未来发展趋势如何？

　　肺癌影像智能诊断系统在协和医院投用时，韩萍教授及团队半信半疑，因医生工作量实在繁重才决定尝试人工智能。

　　据介绍，肺结节是肺癌的“信号灯”，能够帮助发现肺癌。过去筛查肺结节全靠医生的“火眼金睛”，平均一个医生每天看上百个病人、近2万张影像图片，如果还需对比病人既往影像资料，工作量惊人，人眼识别难免疲惫和疏漏，影响诊断准确率。经人工智能初筛后，医生在此基础上再审核确认，可大大减少漏诊，提高效率。

　　美国哈佛医学院曾开展智能诊断临床试验，在人工智能的辅助下，乳腺癌的误诊率从4%降至0.5%。

　　影像作为医生诊断的重要依据，在医疗行业数据中占比80%至90%。统计显示，我国医学影像数据增长率为30%，而放射科医师增长率仅4.1%。运用人工智能技术可以有效弥补医生的缺口。

　　依图医疗商务总监何云认为，医生少，高级医生更少，尤其是基层医院，不同水平、不同地域的医生解读影像结果存在差距。曾有某人工智能系统判读病理切片时，准确率达到92.5%。与之相比，高级医生的准确率是97.5%，普通医生仅为57.5%。人工智能深度学习后，可以达到高级医生的水平，实现同质化医疗，协助提高基层医院医疗水平。

　　眼下，人工智能在肺部筛查、糖网筛查、脏器三维成像和病理分析上表现优越，甚至参与靶向勾画与治疗方案设计。未来能否完全替代医生？

　　韩萍认为，目前人工智能诊断系统仅限于一种或几种疾病的辅助诊断。它虽具有学习能力，但限于教什么，学什么，接受非黑即白的指令，它不会主动思考。在遇到疑难病例时，人工智能则失去方向。它所做的只是帮助医生减少了重复、机械的劳动，还需要借助医生的经验分析判断。随着科技和医学的进步，医生将和人工智能一起，探索人类医学的边界。 （湖北日报全媒记者 余瑾毅）