做「AI」的老师？北京天坛医院神经影像学中心主任高培毅教授一开始是拒绝的。
神经放射学专家高培毅
作为国内著名的神经放射学专家，高培毅教授做了一辈子影像学诊断。他深知，人脑是人体内最复杂的结构之一，拥有数以千亿计的神经元，神经影像学经历了漫长的发展和探索，仍然有数不清的谜团等待揭开。这样严谨细致的工作容不得一丝一毫的判断失误。AI，值得信赖吗？
2018 年 6 月，由中国卒中学会、国家神经系统疾病临床医学研究中心和首度医科大学人脑保护高精尖创新中心共同主办的全球首个神经影像人工智能「人机大战」决赛即将开战。目前已有来自全国 385 家医院及各类医疗机构，700 余名医生报名参赛，其中 6 人顺利通过预赛入围决赛，期待与 AI 酣战一场。
那么，去年年底正式「拜师」高培毅教授的神经影像诊断 AI 系统目前的成绩究竟如何？高培毅教授又是如何看待这个新学生的呢？
AI 学习速度惊人 不受情绪状态影响
谈起电脑编程辅助医学诊断，高培毅并不陌生。上世纪 90 年代初，他前往美国犹他大学医学院求学。在那里，他陆续接触并学习到代码编程、数据库等技术，并以「肺部球形病灶的计算机辅助诊断」为主题完成了计算机课的结业论文。回国后，工作之余学有所用，一台 386 电脑，一套 DOS 系统，他不仅为科室设计出医用功能软件，甚至还为合作的医学杂志社编辑了一整套收稿系统。
高培毅教授提到，「这方面我感兴趣，也相对比较了解和关注。所以当领导第一次把我们几个叫到办公室，提起 AI 神经影像诊断是未来的发展趋势，我内心是认同的。不过你问它能不能替代我，目前还是门儿都没有!」
高培毅教授决定先给希望踏足神经系统影像诊断领域的 AI 出一道考题，试试它的实力。通过给出神经鞘瘤表皮样囊肿、脑膜瘤等几百例常见肿瘤的影像病例，不到一周的时间内，AI 在诊断测试中，正确率就几乎达到 95% 以上，这一结果，让院方和技术团队都非常兴奋。
工作人员正在调试完善 AI 系统，备战即将到来的「人机大战」
随即，AI 团队与院方达成正式合作协议，开始大规模系统学习北京天坛医院近十年来接诊的数万余神经系统相关疾病病历，特别是在脑膜瘤、垂体瘤、胶质瘤等常见病领域的图像识别，AI 系统显示出卓越的「学霸」气质。「拜师「学艺半年左右的时间，它在一些神经系统常见病的判断上已游刃有余，在部分脑瘤的磁共振影像诊断上，准确率已达到 90% 以上，相当于一个高级职称医师级别的水平。
在近期的「人机大战」决赛备战中，高培毅教授为提升 AI 系统的应战能力展开了「集训」，「陪练」的医生们要完成 300 多个病例大概需要 10 小时以上的时间，耗费的时间和脑力让医生们直呼「崩溃」，而 AI 则只需要不超过半个小时就能完成。
高培毅教授指出，「除了学习速度外，它的稳定性也是明显超越人类的。不知道累，也不受外界干扰因素的影响。不像医生会被情绪、状态、时间地点等外界因素打扰，从而影响描述的准确性。它永远保持冷静，水平稳定。」
影像科医生并非「看片匠」 人类的优势 AI 永远无法取代
尽管高培毅教授承认 AI 在大数据深度学习方面是个「学霸」，也了解人工智能正在「取代」医生的说法，给不少青年医生带来的恐慌，但他仍然坚定的认为，放射科医生在实际工作中有很强的不可替代性。
「觉得它轻易就能取代医生的人，把医生的工作看的太简单了。「虽然每周只出 2 个半天的门诊，但慕名而来的患者总是抱着片子踏破了高培毅教授的门槛。在患者中口口相传的」神医慧眼「背后，是他几十年从医之路中对各类基础学科临床知识和经验的积累。
高培毅，「除了影像检查，一个合格的放射科医生还需要看化验单、要看体检单、要问家族史，问个人的病史、做过什么治疗，用过什么药物，有什么反应……都了解后，才能做出一个医生的诊断。AI 也许可以取代看片匠的角色，但它永远不可能成为一个真正的医生，这是完全不同的两个概念。」
大数据深度学习既是 AI 发展中的机遇，也是受限条件和缺陷，目前 AI 在神经系统影像诊断方面 ，仍完全依赖于数据真实性和质量的支撑。在北京天坛医院，AI 正在学习的脑血管病研究大数据完全按照科研方法收集，是目前中国最有价值的医学数据之一，但在缺乏大数据支持的疑难病、罕见病诊断领域，AI 和高培毅教授中间，隔着几十年从医之路的经验和判断，这一点上，AI 显然无从复制和超越。
高培毅，「我对 AI 的希望，首先是希望他能做一些医生觉得『烦』的、低附加值的、重复性的工作、可以把医生的一部分精力解放出来。在这个学习的过程中，我也会把我的经验加入 AI 的学习系统，比如说某种病只有男性会得、某种病 90% 都发病于儿童等等，来进一步提升它的学习效果。」
在这点上，高培毅的想法和北京天坛医院常务副院长王拥军的理念不谋而合。在今年 4 月份召开 2018·GMIC 全球移动互联网大会上，王拥军在与北京大学光华管理学院张炜教授的对话中提及，「人工智能对医院和医院管理的改变，首当其冲的就是 AI 将取代很多医生在做的枯燥的重复性的工作，AI 的应用，将节约出医生阅片的时间，可以让医生腾出时间攻下更多的开发性的工作。」
人工智能赋能读片诊断 弥补影像人才巨大缺口
有统计数据表明，国内医疗影像数据每年增长超过 30%，但放射科医生的增长仅为 4.3%，人员的增长趋势远远跟不上实际需要，矛盾愈演愈烈。多数患者一定有这样的经验，去医院初诊，最常听到的一句话一定是「拍张片子看看」，而随着各级医院影像设备的大规模引入，能为患者「拍片子」和「看片子」的医生缺口逐年增大。
在北京天坛医院，近年来，伴随着门诊量和外地患者数量的提升，高培毅教授带领的影像科医师队伍不到三十人，每天分两班，工作 16 个小时以上，仍然无法完全满足患者的需要，存在严重人力不足，特别是从事操作工作的一线技师，工作压力更是成倍骤增。
此外，从全国范围来看，影像科人才资源地域性分配不均衡的问题也十分突出。以脑肿瘤为例，北京天坛医院每年手术量约为一万余例，而在大部分基层医院，这个数字可能只停留在两位数。大多数患者即使在基层做了检查，还是会选择携带片子到三甲大医院来看。「实际上，患者从基层到大医院，经历了层层渠道，片子也往往是拍了又拍。」这样的过程，不仅给基层带来了患者的流失。对患者而言，也造成了经济上的巨大浪费和损失。
今年一月，由国家神经系统疾病临床医学研究中心、首都医科大学附属北京天坛医院联合发起成立的天坛神经系统疾病专科联盟 (以下简称专科联盟)，囊括了全国近 300 家具有神经学科优势的三级医院加盟。未来，包括神经系统 AI 影像判别技术在内，联盟内部将实现专家、临床、科研、教学等资源共享。
在基层医院，利用 AI 技术为诊断赋能，让基层医生在读片诊断上与大医院具备同等水准，提升诊疗效率，减少患者不必要的诊疗环节和经济损失。在北京天坛医院，借助 AI 有效挖掘信息与疾病的潜在联系的能力，还可辅助医生对疾病做出更为精准的预测，如预测患者出血后是否会脑血肿的准确度，可从人为判断的 60% 提升至 90%，辅助医疗团队提前为患者可能遇到的危险提供解决方案。
高培毅，「理想状态下，这套系统正式应用后，至少可以替代医生 20% 的工作时间，让医生有更多的精力专注于科研和人文，给病人更多温度。」
