浙醫一院的人工智慧系統！檢出甲狀腺病灶概率高達98%

(健康時報記者毛圓圓)5秒鐘,人工智慧伺服器給出診斷結果，對超過2mm的甲狀腺結節，其病灶檢出率高達98%;60秒內, 宮頸癌篩查人工智慧系統自動出具初篩報告,遠超醫生5～10分鐘的診斷時間……

2017年，醫學人工智慧浙江省工程實驗室落戶浙江大學醫學院附屬第一醫院，到目前為止，醫院已經研發了5個智能診斷系統，並應用於臨床實踐。

5秒鐘圈出甲狀腺是惡性結節，還是良性結節

「在臨床繁重的超聲檢查工作中，一位超聲醫生每天需要檢查上百位患者，他們需要人工採集甲狀腺超聲影像，並根據甲狀腺結節影像進行實時診斷，對超聲醫生的專業素養要求較高，其中也不乏因為影像繁多而導致醫生出現視覺疲勞，或因為臨床經驗不足，發生漏診、誤診」，浙江大學附屬第一醫院超聲影像科副主任醫師趙齊羽介紹，「而甲狀腺超聲人工智慧輔助診斷系統，則可以智能識別出甲狀腺結節，並對良惡性進行判斷，極大地減少結節的漏診誤診，縮短診斷所需的時間。」

趙齊羽醫生在演示甲狀腺超聲人工智慧輔助診斷系統

在操作中，超聲醫生採集了患者的甲狀腺超聲影像後，電腦可以實時發送給人工智慧伺服器進行智能讀圖和結果分析。5秒鐘後,伺服器會給出診斷結果，勾畫結節邊界,用紅色來表示惡性結節,用綠色來表示良性結節，並語音提醒，告知是否發現結節以及結節的良惡性。

目前該系統已經學習了超過5萬份包含病理結果的甲狀腺結節影像，對超過2mm的結節，其病灶檢出率高達98%，與活檢結果比較準確率達88.1%。目前在我院超聲科應用超過300例，主要用於輔助規培生診斷甲狀腺結節。

人工智慧輔助診斷肺小結節判讀

「一位放射科醫生就胸部CT這一項檢查，每天至少需閱讀4～5萬張影像影像，」浙江大學醫學院附屬第一醫院放射科主任醫師阮凌翔說，「醫生的經驗與穩定性、知識儲備存在差異，再加上閱片視覺疲勞，都會增加肺小結節的漏診及誤診風險。」因此，浙大一院充分利用互聯網和人工智慧技術，在肺小結節判讀上應用人工智慧輔助診斷系統。

一位患者的人工閱片需要花費十分鐘，而人工智慧通過後台數據預處理後只需要幾秒鐘就可以在應用終端給予輔助診斷，降低漏診率，提高診療水準。其基本步驟是，使用影像分割演算法對肺部掃描原始數據進行處理，利用肺部分割生成的肺部區域影像，加上結節標註資訊生成結節區域圍像，得到疑似肺結節區域，並對其進行分類，得到真正肺結節的位置和置信度，再對同一患者的歷史影像進行比較和定量分析，評估良惡性概率。

此外，浙醫一院的人工智慧宮頸細胞學輔助閱片系統、醫能眼底影像輔助診斷系統、攝護腺癌超聲人工智慧輔助診斷系統等都大大提高了診斷效率。