“在中国，有70%的诊疗需要根据医疗影像给出的信息做出诊断。而且这个系统还在不断地发展，影像图片量每年大概有40%左右的增长，但是相应的，每年影像医生数量却顶多只以3%的速度在增加，所以说现在中国非常缺乏影像科医生。”上海第二军医大学长征医院放射科主任、中华放射学会副主任委员刘士远告诉澎湃新闻（www.thepaper.cn）。
缺少影像科医生又引发了另外一个问题，即导致医生的超负荷工作。而当医生在超负荷工作时，做出错误判断的概率会上升，甚至会漏掉原本可以发现的一些早期病症。这样的恶性循环成为了医患关系紧张的推手。
目前看来，解决这个问题的关键落在了人工智能技术上。2013年，自动识别疾病，提高医院诊断的深度学习方法就被《MIT科技评论》评为当年的十大技术突破之一。目前，人工智能在金融、医疗和制造等领域的应用正在迅速增长。麦肯锡估计，到2025年，AI应用的总市场将达到1270亿美元。而另一个机构IDC预测，国内医疗信息化解决方案市场在2012年至2016年的年复合增长率达到14.3%，未来这一市场有望超300亿元。
在国内，利用深度学习技术训练模型，已经可以在临床诊疗上帮助医生识别肺部病变和癌症。上海第二军医大学长征医院成为最早拥抱这一技术的医院之一，而与他们合作的公司是一家在2016年前无人关注的初创公司——推想科技。
“2014年我回国的时候，发现国内医疗领域的痛点，很多医生其实每天都在超负荷工作。当我决心要做这件事的时候，才发现原来其实自己身边真的有很多人因为医院的漏诊或误诊错过了最佳治疗的时间。”陈宽在接受澎湃新闻（www.thepaper.cn）专访时说。
用靠谱的数据教机器识别病变
不过说说容易，做起来难。
“我们与陈宽的合作开始于2016年的10月份，说实话一开始合作的时候结果并不乐观。虽然机器能发现肺部病变，但是许多是假阳性。”刘士远主任说。
之所以先在肺部进行医疗影像识别诊断的应用，其实有一定的科学依据。因为肺本身是一个含空气的一个脏器，它的医疗影像拥有最好的天然对比。如果病人的肺里面有病灶，相当于在黑纸上面有个白点，一目了然了，对于机器来说，比较容易识别。而其他器官，比如肝脏、大脑等部位的医疗影像，如果有病灶就像在灰色的纸上，点了个白点，对比并不强烈。
那何为机器检查出来的假阳性，刘士远做了一个比喻。机器检测出的假阳性，相当于一个警察在人群中识别出了十个坏人，却发现八个是好人。另外一个问题是机器还存在漏诊的可能性。也就是说警察能识别出杀人犯等重罪犯人，却无法识别出小偷小摸的轻度罪犯。对于肺部的病变来说，许多肺里结节一开始是小且淡的，需要时间才能变大，但对于许多病人来说，这时候其实是就诊的最佳时机。
要改变上述的情况，高精准的医疗数据集成了关键。Facebook人工智能实验室主任杨乐昆曾对机器学习的图像识别技术进行过解释。对于机器来说，要识别图中有什么，首先需要人类通过大量的标记好的图片告诉它图片里是什么。刘士远和推想科技进行了合作，利用医院自己清晰标注的数据集对模型进行了训练，提高机器识别的准确率。
“这相当于请老师教一个无知的孩子识字辨是非。如果你请了不靠谱的老师，交给他错误的信息，这个孩子会越学越坏；相反，如果你请了靠谱的老师，他才能越学越聪明。”刘主任说。
借助长征医院一整套完善的肺部标准化重建和评价体系，经过6个月左右的训练和实验，目前推想科技的产品在肺部病变的识别率上已经有所提高。在识别的10个“犯人”中，机器的错误率已经降至1个或者半个。同时，与医院里年轻的医生相比，机器发现小结节的敏感度比人的肉眼要高出50%左右。人类可能肉眼会错过的小结节，目前机器已不会漏掉。
超高识别率背后的艰辛
推想科技在长征医院取得的成果令人振奋，但在国内愿意拥抱新技术的医院却还是少数，大部分的医院目前还在观望阶段。