“20張胸片，讀完并做出‘結核、非結核、正常’三種判斷，醫學影像分析儀用時23秒，準確率達到87%；三位頂級結核病專家平均用時3分28秒，準確率93%，雙方可謂評分秋色。”11月15日，在遼寧省沈陽市上演的一場“人機大戰”點燃了中國結核病防治領域的熱情。

這里是全國結核病院長論壇的會議現場。見證了“人機PK”之后，首都醫科大學附屬北京胸科醫院副院長、北京結核病診療技術創新聯盟常務副理事長李亮面帶喜悅向與會專家推出了本場PK的主角——被稱為“TB小新”的人工智能結核影像輔助診斷系統。

據李亮介紹，結核影像輔助診斷系統是計算機在醫學影像的基礎上，通過深度學習完成對影像的分類、目標檢測、圖像分割和檢索工作，并協助醫生完成診斷、治療工作的一種輔助工具。

會學習的“TB小新”

李亮告訴記者，作為“不知疲倦”的影像輔助診斷系統，“TB小新”可以成為醫生的“超能量”助手。

以閱片為例。即便是資深的影像科醫生，閱讀一個病人的胸片也需要花費3分鐘時間，一天僅能閱讀160位患者的胸片。而在“TB小新”的輔助下，影像篩查的時間可以縮短到2秒鐘甚至更短，一天就能夠閱片1.5萬張以上，使得患者的篩查效率大幅度提升。

“并且，影像科醫生連續閱片10位以上的患者時，便會出現不同程度的視覺疲勞，此時就容易造成漏診。相比之下，‘TB小新’的優勢就大大凸顯出來了，它可在很短的時間內審閱所有患者的醫學影像，并把初篩結果分類成‘正常和異常’發送給醫生，根據小新提供的結果醫生只需要去查看異常的影像并最終確診。這樣就能夠大大節省醫生的時間，讓醫生把精力放在有問題的影像上，提升診斷準確率。”李亮強調。

“有趣的是，‘TB小新’就如同孩子一樣，在其成長過程中，醫生教給它的知識越多，它未來能夠完成的工作也就越多，準確率也就越高。”李亮比喻道，“隨著時間的推移，我們教給它正確的影像數量越大，未來它的能量也就越大，進而幫助醫學影像醫生節省出大量時間。”

大幅提升結核病檢出率讓防治工作關口前移

“除了輔助醫生看胸片外，‘TB小新’的更大作用是能夠讓結核病防治工作關口前移。”李亮向記者表示，結核病防治工作，僅靠治療并不能解決根本問題，只有更注重預防，盡早發現并規范化治療才能夠提高患者的治愈率，同時降低患者的傳染率。也就是說，防治工作關口前移是結核病防治工作未來的發展方向。

目前，我國醫療資源分配還不均衡，很多基層醫院或者非結核病專科醫院由于技術水平相對不高，專業性相對較低，以及醫生在影像上的經驗不足等多方面因素，致使這些醫院在結核病診斷方面還有很大欠缺，直接影響了結核病患者的早發現，以至于結核病患者在未被確診為結核病時，已經無意識地傳染過他人。李亮認為，“TB小新”投入使用后這些現象將逐步得到改善。它將幫助這些醫院大幅提升結核病的檢出率，并把結核病防治工作提前化、預防化，盡可能地從根源阻斷結核病的傳染與發生。

“實際上，人工智能與醫學影像的益處已經在多個疾病領域得到體現。隨著人工智能和醫學影像大數據在醫學影像領域的逐漸普及和應用，醫學影像所面臨的準確度和大缺口等問題便可以迎刃而解。眾多領域的醫學專家表示，兩者的融合，將成為醫學影像發展的重要方向。而‘TB小新’，也許將能夠開創結核病發現的新模式。”對于未來，李亮充滿信心。