张逊
南开大学附属天津市胸科医院 胸外科（天津 300222）
通信作者：张逊，Email: zhangxun96@
关键词：人工智能；肺癌；诊断；治疗
引用本文：张逊. 人工智能辅助肺癌诊疗一体化解决方案的临床实践与展望. 中国胸心血管外科临床杂志, , 26(12): 1167-1170. doi: 10.7507/1007-4848.10037
正文
人工智能（artificial intelligence，AI）指智能机器依托计算机技术，模拟人类智能，以提高人类工作能力和效率。AI 核心的方法学研究集中于机器学习，而关于临床医学的机器学习则是利用医疗大数据的关键技术。肺癌的医疗大数据是由肺癌患者的临床资料、病理诊断、影像学信息、基因组学、蛋白组学、代谢组学、随访结果等构成。借助计算机技术，AI 可以有效处理肺癌医疗大数据，用于辅助肺癌的影像学诊断、病理学诊断、分子生物学诊断、诊疗决策以及肺癌单病种数据库建设及使用等多个方面，从而形成 AI 辅助肺癌诊疗一体化解决方案。
南开大学附属天津市胸科医院、厦门大学第一附属医院和零氪科技公司于 年联合承担了天津市科学技术委员会的 AI 辅助肺癌诊疗一体化解决方案的重大科研攻关项目（编号 18ZXZNSY00400），经过 1 年多的研发和临床应用，已探索出 AI 辅助肺癌诊疗一体化解决方案在临床应用的有效模式。本文将介绍其在临床的应用实践及发展前景。
1 什么是 AI 辅助肺癌诊疗一体化解决方案？
目前 AI 辅助肺癌诊疗一体化解决方案包括 4 个方面的内容：（1）AI 辅助肺癌的影像学诊断；（2）AI 辅助肺癌病理学诊断；（3）AI 辅助肺癌诊疗决策系统；（4）AI 辅助肺癌单病种数据库的建设和使用。将来会加入与 AI 辅助肺癌诊疗相关的更多内容，如分子生物学诊断、蛋白组学诊断、AI 辅助肺癌放疗的靶区设计、AI 辅助治疗肺癌药物的研发及临床试验等。
2 AI 辅助肺癌影像学诊断
肺癌是世界上发病率及致死率最高的恶性肿瘤。肺癌的早诊、早治是提高肺癌临床疗效最有效的手段。随着 CT 检查的普及，临床上发现了大量有肺小结节的人群。这既为发现早期肺癌患者提供了重点筛查对象，又由于对肺小结节性质难以确定，增加了患者的心理负担和过度的诊断及治疗。而 AI 辅助肺小结节诊断，有效地解决了这一临床难题，大大提高了肺小结节定性诊断的准确率。目前 AI 辅助肺癌影像学诊断主要集中在肺小结节的诊断，将来会进一步发展到对直径 3 cm 肺癌的诊断以及对肺门和纵隔淋巴结转移的诊断等，从而涵盖对所有肺癌的影像学诊断。
将 AI 服务器置入医院的网管系统之中，与 CT 检查的影像归档和通信系统（PACS）相连。当患者进行胸部 CT 扫描检查之后，AI 即自动通过 PACS 抓取患者的影像信息，通过 AI 计算后将辅助诊断结果传至医生的阅片终端，这一过程通常数秒钟即可完成（图 1）。AI 辅助肺部小结节诊断对 CT 的硬件要求并不高：16 排及以上的螺旋 CT、平扫、薄层（1.5 mm）即可。目前我国县级医院基本都具备这种条件。根据目前我们临床应用的结果分析，强化 CT 扫描对提高 AI 判断的准确率没有多大帮助。薄层扫描 1.5 mm 会降低 AI 判断的准确率，而 1.5 mm 对提高 AI 判断的准确率也帮助不大。这可能与我们使用 1.5 mm 薄层 CT 平扫的案例训练 AI 有关。
AI 辅助肺小结节诊断可以为我们提供以下肺小结节信息：小结节的位置、大小（包括最长径、最大截面积和体积）、性质（纯磨玻璃、亚实性、实性）和恶性概率（0%～100%）。AI 辅助诊断系统还可以对同一患者不同时期胸部 CT 检查的同一位置小结节长径、体积、平均密度及恶性概率的变化进行精确的量化对比分析，对于体积增大的结节计算出结节增大的倍增时间（图 2）。对于所有筛查出的小结节，按照恶性概率的大小，由高到低排列得出标准的“人工智能辅助肺癌诊断分析报告”供医生参考。
年 7 月至 年 9 月，南开大学附属天津市胸科医院利用 AI 辅助诊断系统分析了 19 331 例肺部 CT 检查的病例资料。影像科、胸外科、胸内科在门诊和病房的临床工作中都广泛使用了这项技术，使 AI 辅助肺小结节诊断真正用于临床实践。经过 AI 临床使用初期的磨合后，近 10 个月来，AI 辅助诊断肺小结节的病灶检出率几乎为 100%，与影像科专家诊断的符合率为 90% 左右（图 3）。
年 3 月 31 日于成都召开的中国医师协会胸外科医师分会的年会上，组织了“AI 辅助肺小结节定性诊断体验专场”。来自全国各省市的 30 余名胸外科专家亲身体验了应用 AI 辅助诊断肺小结节。由华西医院影像科提供的 500 例有病理诊断的肺小结节病例中，现场抽取了 125 例，分成 1 cm 和 1～3 cm 两组病例。现场计算机统计结果表明，对于两组病例的定性诊断，AI 诊断平均时间 4.7 s/例，诊断准确率均高于专家独立诊断组（表 1）。
胸部 CT 扫描按照放射剂量的不同分为两类：低剂量和普通剂量。前者在查体中心用于肺癌筛查（通常为 100 kV，40 mAS，相当于 1 mSv）；后者在医院用于肺癌的诊断（通常为 120 kV，200 mAS，相当于 3 mSv）。根据对南开大学附属天津市胸科医院查体中心近 2 000 例低剂量胸部 CT 的 AI 辅助诊断分析，低剂量胸部 CT 使用 AI 诊断的准确率与普通剂量胸部 CT 的准确率没有明显差异，即使用在普通剂量胸部 CT 上的 AI 分析系统同样可以用在低剂量胸部 CT 的筛查诊断上，从而为低剂量 CT 肺癌筛查提供了一个很好的辅助诊断手段。
3 AI 辅助肺癌病理学诊断
肺癌病理学诊断标本包括细胞学标本（胸腔积液、痰液、支气管镜刷检等细胞学涂片）和组织学标本（肿瘤切除、支气管镜咬检、针吸活检等病灶组织的组织学切片）。AI 辅助肺癌病理学诊断要相对应地研发出两种 AI 分析系统，分别用于辅助细胞学诊断和辅助组织学诊断。不论是哪一种辅助诊断，都要先通过 200 倍切片扫描仪将细胞涂片或组织切片转变为数字细胞涂片或数字病理切片，AI 辅助肺癌病理诊断系统提取相关数据，将计算结果传到医生显微镜诊断终端，供病理科医生诊断参考（图 4、图 5）。
由于我们开展 AI 辅助肺癌的病理学诊断时间较短，需要不断地临床磨合，以提高 AI 辅助肺癌病理诊断的准确率。
4 AI 辅助肺癌诊疗决策系统
目前我国临床治疗的肺癌病例非常多，但是肺癌治疗的同质化水平却很低。同一个肺癌患者，在不同的医院、不同的科室会得到不同的治疗方法。甚至在同一科室不同主管医生之间，治疗的方法也存在很大的差异。诊断和治疗的不规范、过度诊断和过度治疗成为我国肺癌临床治疗亟待解决的突出问题。AI 辅助肺癌诊疗决策系统可以成为解决这个难题的有效方法。置入医院信息系统（HIS）中的 AI 服务器自动抓取住院患者的各项临床数据。对于可疑肺癌患者需要进行哪些检查，AI 辅助肺癌诊疗系统会根据肺癌治疗指南的要求自动为主管医生做出提示；对于已经确诊为肺癌的患者应当采取什么样的治疗方法，AI 辅助肺癌诊疗系统也会根据肺癌治疗指南提出具体的建议。AI 不仅要提供诊疗方案，还要提供建议采取这种诊疗方案的依据。这些依据包括以下三个方面：一是针对患者的具体情况（包括患者的影像学资料、病理类型、各项化验检查结果、心肺功能检查结果等），在最新的肺癌治疗指南中这个患者应当采用什么样的检查和治疗方法；二是权威的国内外杂志近年来有哪些相关的文献报道，并提供相关的文献摘要供医生参考；三是 AI 自动从零氪数据库的大量肺癌资料中，找出同类患者采用所推荐的治疗方法的远期生存结果。因此医生不仅清楚为什么要采用这种诊疗方案，同时还知道采用这种治疗方案的远期疗效，对疗效有一个真实世界数据支持的预判。
5 AI辅助肺癌诊疗的数据库建设
置入医院网管系统的 AI 服务器，在提供辅助肺癌影像诊断、辅助肺癌病理诊断和辅助肺癌诊疗决策系统的同时，即可将肺癌患者的各项临床资料（包括影像、病理、检验、病历、出院后随访等）通过 AI 自然语言识别等功能，使之成为一个结构化和标准化的肺癌单病种数据库（图 6）。这种数据不离院的单病种肺癌数据库的建设模式，既保证了患者数据的安全性，又为开展肺癌临床研究提供了非常好的条件。
6 AI 在肺癌诊疗领域应用的展望
通过近两年的临床应用，我们可以有信心地说，将 AI 用在肺癌临床的辅助诊断和辅助治疗上是完全可行的。对 AI 在临床中的应用，我们医生既不要过度迷信，也不要盲目排斥。AI 在肺癌辅助诊疗中的应用，有一个逐渐完善的过程，急功近利则欲速不达。在提高 AI 辅助诊疗水平的过程中，需要临床医生与 AI 工程师密切合作，由医生对 AI 提出需求和改进的内容。AI 具有自我学习的优势，随着临床应用数量的增加，AI 辅助诊断的水平会不断提高。另外，即使 AI 已经比较成熟了，仍然是辅助医生诊疗肺癌的工具，最终的诊断和治疗方案的确定还是由临床医生决定。AI 的临床应用，可以大大提高临床医生的工作效率。如果推广到基层医院使用，会让基层医院诊治肺癌的水平显著提高，从而提高我国肺癌整体诊疗的同质化、标准化水平，也将促进我国政府大力倡导的分级诊疗的顺利开展，造福于更多的肺癌患者。AI 辅助肺癌诊疗必将在我国临床医学中发挥越来越大的作用。
前途是光明的，道路是曲折的。只要我们坚持不懈地努力，一定可以让 AI 在医学领域大放异彩！
利益冲突：无。
如果觉得《人工智能辅助肺癌诊疗一体化解决方案的临床实践与展望》对你有帮助，请点赞、收藏，并留下你的观点哦！
