人机较量 AI完胜皮肤科医生

3月28日，一场特殊的较量在中日友好医院展开。

一方是来自北京、云南、内蒙古等地的皮肤科医生；另一方是首款黄色人种皮肤肿瘤人工智能辅助决策系统——优智AI（人工智能）系统。双方较量的科目是皮肤肿瘤的诊断成功率，包括皮肤肿瘤性质以及肿瘤名称。

中国人民解放军空军总医院皮肤病医院孟如松教授是竞赛主持人。他拿出了国内多位皮肤科专家预先准备的60组皮肤肿瘤病例图片，现场随机抽取10组图片，由10位医师与优智AI系统同时作答。无论是医生还是AI系统，之前都没有见过这些图片。比赛时间限定10分钟。

记者在现场看到，AI系统耗时5分钟左右完成全部答题，而此时10名医生都没有完成，有的仅答了三四道题。10分钟后比赛结束，结果揭晓：优智AI系统良性分类符合率达100%，恶性符合率为75%，平均符合率可达90%；医生组对应分别为76%、62.5%和63%。

AI系统领先 人工智能助力皮肤科医生

用“压力山大”描述皮肤科医生的日常丝毫不夸张。

数据显示，我国各类医疗机构每年的皮肤科门诊量超过2亿，而皮肤科医生数量仅略超过2万，这意味着，皮肤科医生的年均接诊量数以万计。

门诊量高负荷只是压力源之一。“皮肤科还是涉及病种最多的临床二级学科。”崔勇教授表示，根据皮肤科经典教科书记载，不同皮肤病诊断名称超过2000种。

病种多，门诊量大，是天平的一边。在天平的另一边，除了皮肤科医生数量严重不足，不同地域不同医疗机构医生的诊断水平也存在着显著差异。这已经成为皮肤科学面临的重大临床问题。

究竟该如何破解这道难题？人工智能的出现把曙光迎了进来。其实，对于此次较量中，人类医生逊于AI系统的结果，皮肤病专家并不感到意外。2017年，斯坦福大学在《自然》（Nature）杂志上发表了一份关于皮肤肿瘤机器深度学习的研究。结果显示，深度学习在良恶性3分类和疾病大类9分类任务上的符合率，分别可达72.1%和55.4%，而针对同样的分类识别，专业医生平均符合率分别为65.8%和54.2%。

由于皮肤病的临床表现多位于肌肤暴露部位，很多疾病可以通过查看临床图片、皮肤镜图片、病理切片等影像资料来进行判断。北京大学人民医院皮肤科主任张建中教授说：“通过海量图片的学习，皮肤科是最适合远程医疗和人工智能的医疗领域。“

人工智能会“看病”依托于机器深度学习。对于皮肤病人工智能而言，就是要获得大量带有专业标注的医学影像样本，也就是大数据。

2016年6月，国务院办公厅发布《关于促进和规范健康医疗大数据应用发展的指导意见》，首次把生物学资源和医疗大数据作为国家的基础战略资源，也把它纳入了国家大数据战略的布局。公开数据显示，每年超过70亿的诊疗人次数据以及7.5亿网民的日常健康数据，让中国坐拥最海量的医疗数据库。

2017年5月，中国人群皮肤影像资源库项目启动。中日友好医院皮肤科主任崔勇教授是项目发起人，他认为：“基于中国人群皮肤影像资源库，把特定皮肤病的疾病特征提取出来，就能形成大数据，这些数据经机器深度学习后就能通过人工智能实现疾病决策的辅助与支持。”随着CSID项目的推进，皮肤影像的全国性协作网已经建立，目前协作医院数量已近500家，接收了近20万组高质量图片数据，这不仅为人工智能系统的建设提供了大数据，还有更多发挥路径，比如构建数据的标准化体系以及开展临床研究与应用的辅助示范作用。

皮肤病人工智能有望产业化落地

2018年政府工作报告提出，加强新一代人工智能研发应用，发展智能产业，拓展智能生活。这是继2017年“人工智能”首次被写入政府工作报告之后的又一次出现。

数据显示，截至2017年6月，全球人工智能企业总数达到2542家，其中中国企业数量居第二位，仅次于美国。业内人士指出，在深度学习、识别技术等方面，我国企业都展现出卓越实力，在人工智能领域的技术层和应用层的发展步伐都走在世界前列。

首款黄色人种皮肤肿瘤人工智能辅助决策系统由中国人群皮肤影像资源库（Chinese Skin ImangesDetabace, CSID）项目组与优麦科技联合开发完成。优麦科技CEO常江告诉记者，目前上线的这款系统聚焦于皮肤肿瘤，下一步会扩展到更多皮肤病病种，适用于更多皮肤病辅助决策场景，为国内百万数量级的基层医疗机构提供决策辅助。