1ffb8
泉源:《中国新闻》报 在医疗数字化浪潮中,人工智能(AI)正加速进入临床实践。从影像识别、磨练报告到辅助决议,AI正在重塑医生的事情方法,也在悄然改变着患者的就诊体验。AI能取代医生吗?面临这位“智能医生”,患者该怎样明确它、使用它?它又怎样成为医生的“眼睛”与“大脑”? 克日,本报记者专访中国医学科学院阜外医院心律失常中心原主任、民盟中央卫生与康健委员会主任张澍,中国医学科学院肿瘤医院胸外科主任医师、民盟中央卫生与康健委员会副主任邵康,首都医科大学隶属北京向阳医院超声医学科副主任、农工党北京市委会联络事情委员会委员于泽兴,从心脏、肺部、超声诊断三个差别领域,探讨AI在临床中的角色与界线。 张澍:AI是“标准谜底”而人的康健是主观题 当深度学习算法仅用0.8秒便可完成冠脉的三维重修,当神经网络在2000万份心电图中精准捕获到异常波动,人工智能正在深刻改变心血管诊疗的基础逻辑。 “AI的实质是一套算法,它建设在海量的医学知识和临床数据之上。”张澍介绍,在临床应用中,配备AI手艺的影像装备能够在极短的时间内,从成千上万张图像中精准定位异常病变点,协助医生识别早期心脏结构的异常、冠状动脉的钙化以及心肌的肥厚。“这种高效的判断,甚至能够逾越人眼。” 在他看来,这正是人工智能的优势——速率快、处置惩罚量大、剖析深入,最终目的是精准。然而,现在保存两种极端看法:一种以为AI已经能够取代医生,另一种则以为AI在医疗领域的应用并不可靠。张澍以为,通过大宗案例和指南的“喂养”,AI能够迅速提供针对常见疾病和稍微病症的标准化诊断和建议。“你无法期望一个初出茅庐的年轻医生连忙自力继续重任,然而,一个新入行的AI却能够整合众多资深医生的富厚履历,迅速提供标准化的解决计划。这使得AI成为辅助诊疗历程中的得力助手,尤其在处置惩罚常见疾病或那些已有标准化治疗计划的病例时,AI可充当‘虚拟医生’的角色。” 然而,张澍强调,这种能力并不可无限制地扩展。人工智能在识别“共性”疾病方面体现精彩,但人类的康健问题往往是一道“主观题”,其中包括着重大且难以量化的“个性”因素。在处置惩罚重大的心血管疾病,如心律失常时,AI手艺能够协助医生快速识别潜在危害和心电图异常。然而,要深入明确疾病生长的全身性缘故原由和动态转变历程,医生的临床履历和对患者个体状态的精准评估则显得尤为主要。“心脏并非自力运作的器官,其康健状态及功效体现受到心理状态、整体情形、生涯习惯等多种因素的配相助用。”张澍指出。 例如,焦虑的个体可能会履历胸闷和心悸等症状,这些不适感源于情绪对心脏功效的影响,而非心脏保存任何器质性问题。“即便AI手艺再先进,现在它仍无法准确判断一小我私家是否正遭受心理压力、睡眠障碍,或是家庭与情形的变换。现在我们所提供的训练数据远远缺乏,由于与‘心’相关的人的整体状态,往往不是仅凭临床‘指标+图像’就能完全阐释的。”张澍进一步增补道。 现在,随着AI手艺从后台支持走向前台效劳,它不再局限于为医生提供辅助决议,而是最先直接与患者互动,加入起源的问诊历程,问题也最先逐渐展现。“部分患者对‘AI问诊’平台抱有太过的信托,以为通过回覆几个问题、获取一份报告便能替换与医生的面扑面咨询”,张澍提醒,只管AI平台能够使用算法模子起源识别患病危害并提供标准化建议,但由于它缺乏对“人心”的真正明确,有时反而可能导致病情延误。 “AI可以是一个优异的‘起点’,但绝非‘最终诊断’系统。”张澍强调,特殊是在心血管领域,许多疾病的早期迹象微弱到险些难以察觉,例如无意的心悸、稍微的乏力,患者经常漠不关心。然而,这些看似通俗的症状背后,可能隐藏着严重的心律失常危害。这类重大且隐藏的病情,单凭一台AI、一次线上咨询,是无法实现准确识别的。 怎样掌握AI在现代临床实践中的应用?张澍生动地形貌道:“从古板的水银血压计到现代电子血压监测器,从听诊器到先进的可衣着心电监测装备,医学领域一直在前进和演变。AI的融入,正是这逐一连生长历程中的一个环节,并且它代表了一次真正的革命。” 而关于患者而言,未来的医疗不是“人退AI进”,而是“人机共治”,将科技的速率与人性的温度融为一体,用AI的“理性判断”与医生的“履历推理”实现更精准的诊疗。医学AI的最终形态,并非取代人类在希波克拉底誓言下的深思,而是将机械数据简直定性转化为临床历程的潜在可能性,加速并优化诊疗流程。在这小我私家机共存的诊疗新时代,每一次心跳既是生物电信号,也是生命故事的奇异旋律。 邵康:AI是个“勤学生”但还不是“好医生” 作为深耕一线的资深胸外科专家,邵康对人工智能在医疗领域的应用有着深刻洞察:“AI就像个过目成诵的超等学霸,堪称医生的‘超等大脑’,是极具潜力的临床助手。” 从最基础的病历誊写、病情录入,到门诊中的影像识别、辅助诊断,再到起源治疗计划的建议,AI险些可以笼罩医生事情的各个环节,邵康介绍:“它的最大优势是稳固、周全、不疲劳,能肩负大宗重复性事情。尤其在图像处置惩罚方面,AI的体现已经凌驾了许多履历尚浅的医生。” 以肺结节筛查为例,古板阅片模式下,医生每看一个病人,需要手动翻阅300至400张 CT断层图像,不但耗时耗力,还易泛起视觉疲劳导致漏诊。而 AI依附深度学习算法,可在数秒内完玉成肺扫描,不但能精准标注病灶位置,还能量化剖析结节巨细、密度、边沿特征等参数,并基于大数据模子给出起源良恶性概率评估。 “以往对一位患者的影像判读需5至10分钟,现在 AI辅助下仅需数秒即可完成初筛。”邵康提到,这种效率的提升,显著优化了诊疗流程,让医生得以将更多精神投入到重大病情研判与个体化治疗计划制订中。 关于肺癌影像诊断的准确率,AI已能与履历富厚的主治医师比肩。临床实践中,医生只要输入准确的疾病相关信息,AI就可以凭证指南、共识给出周全、准确的疾病诊疗计划供医生参考。 邵康直言:“关于知识更新滞后的从业者而言,部分成熟的AI系统确实展现出更强的知识储备与剖析能力。”然而,在一定手艺优势的同时,邵康重复强调 AI的临床应用界线:“医学的实质是针对‘生病之人’,而非仅仅是‘疾病’。” 临床实践中,患者的基础状态、心理状态、生涯情形等信息,往往是左右诊疗决议的要害变量。这些难以量化的“隐藏参数”,恰是 AI目今的手艺盲区。 于泽兴:超声不是“看图语言”那么简朴 当人们谈论人工智能对医疗行业的影响时,影像科经常被视为“最容易被AI替换”的领域,甚至有人断言,AI时代最先“下岗”的,将是影像科医生。 “确实,从很早最先,就有团队实验将AI引入影像诊断,尤其在放射科领域应用较多。”于泽兴介绍,像X光片、CT片这类标准化的平面图像,很是适合深度学习算法举行训练与识别,因此AI在这些领域的生长起步较快。 不过,作为医学影像中的主要分支,超声科的情形却远比想象中重大。于泽兴指出,虽然超声也是较早引入人工智能手艺的科室之一,并积累了一定的探索履历,但要让AI真正饰演临床“决议者”的角色,还面临诸多挑战。 在甲状腺、乳腺等结构清晰、图像稳固的部位,有的软件已经具备起源的辅助诊断能力,可以在医生操作历程中自动识别结节并评估其危害品级,其体现相当于一位年轻的主治医生。 然而,这种应用现在仍局限于少数场景。“由于超声检查实质上是一个动态探查的历程,它不但是‘看图语言’,医生需要一边操控探头,一边视察屏幕上一直转变的图像,在瞬息之间捕获要害线索。”于泽兴体现,这一历程中,医生的感知、操作和认知能力缺一不可,履历远比图像自己更为要害。 “胖的人、瘦的人,器官的位置和形态纷歧样,超声医生扫查时的角度、规模、按压的力度都差别,需要实时调解、因人而异。”于泽兴说。“这些操作细节,都是AI现在难以胜任的。” 那么,若是仅从图像剖析来说,患者是否可以上传报告,在AI上获取“诊断建议”? 于泽兴提醒,这种做法保存不小的清静隐患,好比甲状腺的某些结节,从图像上看与恶性肿瘤极为相似,AI可能会直接标红提醒危害,“但若是团结患者既往的检查纪录,可能会发明这些结节原本较大,随着时间逐渐缩小,是一种良性的退变结节。而这种需要综合病史、遗传史以致病程转变作出的判断,是目今AI尚不具备的能力。” 不过,应该看到的是,在现在超声医生资源主要的配景下,无论是三甲医院照旧下层机构,合理引入AI,将在一定水平上缓解人力压力。“手艺无法取代医生的履历和判断,但它可以成为医生的工具,为他们加一双‘眼’、多一双‘手’,把专业实力用在更需要的地方。”于泽兴说。(完)(《中国新闻》报刘益伶报道)