系統性紅斑狼瘡（SLE）是一種多器官、多系統受累的自身免疫性疾病，死亡率高，難以治癒，且臨床表現複雜多樣，極易造成誤診和漏診。人工智慧（AI）作為醫療領域被多次熱議的輔助診斷工具，未來是否可以用來輔助醫生進行疾病的診斷呢？

在第十三屆中國皮膚科醫師年會暨全國美容皮膚科學大會上，中南大學湘雅二醫院皮膚科尹恆博士對 SLE 資源收集、AI 輔助診斷系統的研發以及應用前景等問題，為我們進行了經驗分享。

二十載耕耘，致力於 SLE 資源採集

二十多年來，中南大學湘雅二醫院皮膚科陸前進教授團隊一直致力於 SLE 的臨床與基礎研究。他們最早於 2004 年開始建立了比較完善的 SLE 隨訪檔案庫，當時採用紙質表格，且只有文本數據，臨床數據分析存在諸多不便。

為了推進 SLE 的臨床研究，2009 年該團隊自主研發了 SLE 臨床與基礎研究資料庫。該資料庫涵蓋了患者的基本信息、臨床資料、病理照片以及生物樣本等基本數據，以及非常重要的流行病學調查數據。

2010 年，醫學表觀基因組學湖南省重點實驗室成立，該實驗室建設了一套較為完善的生物樣本資源庫，包括全血、血清、細胞、DNA、RNA、蛋白、組織等各類生物樣本，紅斑狼瘡數據採集數近 3000 例。

2014 年，中南大學啟動了臨床大數據建設，陸前進教授團隊承擔了自身免疫性皮膚病臨床大數據的建設工作。經過幾年的建設，逐步形成了臨床數據、科研數據、影像數據一體化的綜合數據平台。

近年來，該團隊還牽頭進行了中國人群紅斑狼瘡多中心病例對照研究（LEMCSC），闡述了中國人群 1006 例紅斑狼瘡的臨床特徵。目前，醫院仍在進一步完善皮膚鏡、超聲、皮膚 CT 等多維度數據的採集，以期待更好的為臨床應用研究服務。

尹恆博士在本次會議中發表精彩演講

AI 或可輔助醫生診斷 SLE，成為皮膚科醫生的好幫手

SLE 雖然臨床表現複雜多樣，但也並不是毫無特徵可尋，如果可以找到某些特徵，是否可以通過一些技術方法來幫助臨床醫生診斷疾病呢？湘雅二院皮膚團隊在探索的過程中，受到了 AI 的啟發。

人們逛公園時，會發現各種各樣漂亮的鮮花，但是可能並不知道這些花的名稱，那麼「形色」軟體（大拿科技研發的一款 AI 輔助診斷工具）可以解決這個問題，只要拍一張花的照片上傳，系統便會告訴你花的名稱以及綱目科屬。如果可以做到拍圖識花，那麼同樣是以形態學為識別基礎的皮膚病診斷是否也可以做到「拍圖識病」呢？

中南大學湘雅二醫院的皮膚性病科在過去數年中收集了大量臨床病例數據。為了進一步挖掘這些圖像資源之中蘊藏的海量數據信息和疾病特定的內在規律，中南大學湘雅二醫院、丁香園和大拿科技開展皮膚疾病智能輔助診斷系統的合作研究，幫助更多的皮膚科醫生提高臨床診療效率，並且為患者提供皮膚相關的疾病教育和服務。

在合作中，湘雅二醫院擁有海量皮膚科臨床數據資源，並以陸前進教授領銜的專家團隊為皮膚病疾病特徵的歸納和疾病診斷模型的建立提供專業支持。大拿科技作為一家人工智慧公司，通過圖像識別模型和對海量病例的學習，實現對皮膚病的人工智慧輔助診斷。丁香園則整合醫療行業多方位的資源，連接醫生、患者與醫療機構，在此次合作中參與系統的設計、開發與運營。

2017 年 5 月，作為階段性研發成果，「皮膚病人工智慧輔助診斷系統」第一期主要實現以紅斑狼瘡為代表的皮膚病人工智慧輔助診斷。醫生可通過手機把圖像傳到系統，系統會給出最有可能的是哪種皮膚病的識別結果，隨後系統會建立皮膚病電子百科全書。這對於年輕醫生而言，他們可通過電子百科全書去學習皮膚診斷的相關知識，並在臨床工作方面起到了非常好的輔助作用。此套系統在紅斑狼瘡上的診斷已較為成熟，可區分紅斑狼瘡的不同種類，區別其他類似疾病的準確率也可達到 85% 以上。

截至目前，SLE 輔助診斷軟體已經有了升級和迭代，上傳一張圖片，系統便會給出一個可能診斷的範圍，隨後會提供每種疾病相應的知識庫。目前正在進行疾病典型性圖像的匯入工作。將來系統不僅可自動識別，還能提供每種疾病的典型圖片供使用者比對，進一步修正診斷和提高診斷的精確性。除此之外，系統還會鏈接到相應的知識庫，除了能夠輔助診斷疾病，還能夠通過軟體去學習此種疾病。

目前軟體可支持 85 種左右疾病的診斷，整體的敏感性接近 84%，特異性為 97.44%。敏感性越高，疾病的漏診率越低，更容易被識別；而特異性越高，疾病的誤診率將越低。且隨著時間的推移，影像資源的發展越來越多，診斷的準確率會越來越高。

未來 AI 輔助診斷皮膚疾病發展何去何從？

皮膚病具有發病率高、病種繁多的特點。僅記載在冊的皮膚疾病就多達 3000 余種，且皮損形態多種多樣，部分皮損又極其相似。這給皮膚科醫生、特別是基層皮膚科醫生的臨床診斷造成巨大挑戰。AI 作為臨床診斷決策輔助系統，對於醫生和患者在一定程度上均起到了幫助作用。

（1）對於臨床醫生的輔助診斷價值

由於我國醫療資源的分布不均衡，特別是基層醫生在一些複雜性疾病的診斷上還有待提高。AI 輔助診斷軟體能夠輔助醫生，提高診斷效率和準確率。

另外，還能夠幫助醫生進行疾病的學習，一定程度上提高了臨床醫生的學習效率。AI 輔助診斷軟體還提供了圖像管理的功能，可在系統中保存需要的圖片，並可隨時查詢和導出。

（2）對於患者的價值

未來將有可能推出患者版本，患者可以拍照進行皮膚病的自測，第一時間獲取所患疾病的基本信息，比如嚴重與否，是否需要緊急處理。一些疑難複雜病症還可推薦擅長的專家等。

另一方面，系統還將精確地推送相關的疾病科普知識，幫助患者正確認識疾病，避免誤入醫療陷阱。自我初診還可根據疾病的嚴重性進行分級導診，輔助推動醫改的發展。

目前，AI 在各個領域飛速發展，給人們的生活帶來了很大的影響，引發了社會的廣泛關注。很多臨床醫生擔心將來會被 AI 輔助診斷系統所取代。其實，AI 更多的是輔助醫生的診療，而並非替代。

BBC 的研究者對 365 種工作數據進行分析得出結論：如果你的工作需要有社交能力、協商能力、人情變通的藝術、同情心，創新性等，那麼被取代的可能性會很小；如果你的工作不需要任何天賦，只需要訓練就可以掌握，而且是大量重複性的勞動，或者是不需要做一些創造性的工作，被替代的可能性會很大。

醫學除了科學的理論，需要人文的關懷，更需要醫生不斷地探索未知、破解疾病之謎，而這些都是臨床醫生所無法被替代的重要工作。

因此，在科技飛速發展的今天，AI 會給醫學帶來一定的幫助，但 AI 並不會取代醫生。

* 以上文字內容整理自中南大學湘雅二醫院皮膚科尹恆博士在第十三屆中國皮膚科醫師年會暨全國美容皮膚科學大會上的發言。

復旦大學醫院管理研究所發布最新醫院排行版！各學科哪家強？看看最新榜單……????

推薦閱讀：

相关文章