湘雅醫院：自主研發皮膚病智能診斷系統 助力醫生看診

2004年，去中南大學湘雅醫院（下稱湘雅醫院）看皮膚腫瘤的陳女士發現流程不太一樣了。以往的流程是：看診-化驗-開藥，這次在進行皮膚活檢術術前，醫生給她的臉拍了照，她有些奇怪，拍照乾什麼？她更沒想到的是，2019年，一位16歲的女孩拍了一張照片上傳到「雅膚平台」，系統調動了她的照片數據，把當時為她看診的醫生推薦給了這個女孩。

而這些都是通過湘雅醫院自主研發的Skin-Net智能診斷系統實現的。2004年時任湘雅醫院皮膚科副研究員、副主任醫師現任中南大學副校長的陳翔，出於規範皮膚科臨床數據管理的目的，購買了一套數據信息系統，以進行皮膚影像臨床數據的精細化採集。正是這個「無心」舉動，使湘雅醫院皮膚科如今擁有一個40多萬張圖片的臨床圖片庫，給湘雅醫院之後開發人工智慧輔助診斷系統、建設皮膚科的專科醫聯體、互聯網醫院建設帶來諸多益處。

緩解互聯網醫院醫師時間不足

「中國每7萬人共享一個皮膚科醫生。」皮膚病學涵蓋2 000多種不同皮膚病，皮膚健康和皮膚疾病是發生率最高的醫學問題。我國皮膚科年門診量超過100萬的醫院有5家，需求量極大。然而，全國皮膚科醫患比例卻僅1:70000，加上基層醫療機構幾乎沒有皮膚科醫生，優質醫療資源分布嚴重失衡，這就需要人工智慧等新的技術革命形成醫療資源相對增量和供需各方價值鏈重構。

2018年9月14日，國家衛生健康委發布了3個有關互聯網診療的文件，分別是《互聯網診療管理辦法（試行）》、《互聯網醫院管理辦法（試行）》、《遠程醫療服務管理規範（試行）》，鼓勵醫療機構應用互聯網等信息技術拓展醫療服務空間和內容，構建覆蓋診前、診中、診後的線上線下一體化醫療服務模式，允許依託醫療機構發展互聯網醫院。據國家衛生健康委2019年5月發布的數據統計，全國已有158家互聯網醫院，「互聯網+醫療健康」的政策體系基本建立。然而目前互聯網醫院依舊存在「患者問診回復速率低」「醫生網上診斷時間不足」等問題。互聯網醫院未來發展的瓶頸仍是「醫生」和「醫生時間」的問題。

湘雅醫院利用智能診斷系統，第一時間給予患者或者基層醫師反饋，患者或基層醫師只需輸入癥狀，上傳皮損照片，該系統就可對每張圖片得出最有可能的三個診斷，並推薦相關醫生，進行線上會診。為保證醫師回復效率，湘雅醫院配備人員專門負責平台諮詢處理分發，在第一時間根據人工智慧的推薦，提醒相關的皮膚疾病專家會診團隊。湘雅醫院目前成立了疑難雜症與皮膚病理疾病團隊、黑素瘤等皮膚腫瘤團隊、蕁麻疹等過敏反應性疾病團隊、銀屑疾病等紅斑鱗屑疾病團隊、皮膚外科團隊和玫瑰痤瘡等損容性疾病團隊等6大團隊，實現普通圖文、遠程視頻、床旁實時等會診模式。

海量規範化皮膚臨床圖片數據極具價值

近幾年，人工智慧演算法在醫學圖像識別、定位、分類等領域不斷成熟，原始臨床數據質量成為開發智能診斷系統的核心競爭力。湘雅醫院自2004年起規範皮膚科看診流程和操作，讓醫師有意識保留臨床初始圖片數據，並按照一定格式、大小、編碼上傳系統。統一標準的皮膚臨床圖片使得湘雅醫院開發Skin-Net智能診斷系統數據時，在數據清洗整合環節節省了大量的時間和人力成本。

在基本信息採集上，湘雅醫院前期建立了一個具有結構化病歷的皮膚病數據採集系統，包含6大類常見的疾病。系統結構化的病歷採用「1+X」的形式，即1代表通用的模板，包含患者的基本信息（個人姓名、年齡、住址、電話）、疾病信息（主訴、發病進程、皮損描述、檢驗檢查、患處圖片）以及關注的其他信息（患者生活質量量表、本次治療費用、醫保使用、是否接受科研入組）等；X是指針對不同疾病，可添加該疾病特有的板塊信息，如銀屑病模塊中設置了患者的PASI評分、皮膚腫瘤中的後續治療情況等。該系統可進行簡單的統計分析，還可以將數據導出作進一步的數據挖掘。

皮膚專科數據採集保證了醫院醫療大數據數據密度，具有極大醫療數據變現價值。

保證數據質量是關鍵

「皮膚科病種龐雜，目前人工智慧可以診斷的病種依舊有限，」湘雅醫院醫師李芳芳說，「特別患者端，由於新規定互聯網醫院不能進行初次診斷，為降低風險，我們將患者端人工智慧診斷服務暫時停止了，升級改版讓服務更符合政策要求。」

而在基層醫師端，目前平台合作醫院823家，2019年新加合作80餘家，註冊開通帳戶2000餘個，遠程會診和雙向轉診3000餘例，平台瀏覽量1000萬。「月活量三百左右，每次諮詢處理時間不超過一天。」

人工智慧輔助診斷技術還需要更多高質的圖像數據進行升級優化，為醫師分擔龐大的醫療需求，這也才能真正解決互聯網醫院醫師時間不足問題，實現互聯網醫療作為醫療行業新興的發展力量的真正價值——解決傳統醫院「看病難」的痛點和堵點，讓患者需求得到最大程度的滿足。

「其他事情都可以緩一緩，唯獨數據採集和數據質量這件事情不能緩。」李芳芳說。數據資源是衛生信息化最大的成果、最寶貴的資源。大數據、人工智慧的應用前景良好，但最關鍵的還需紮實做好保證數據質量這一基礎工作，儘管短期內看不到效果，但這一步是跨不過去的。