Research|AI能看胸片了？人工智能辅助诊断未来已来—阜外医院、北大人民医院合作新突破

近日，中国医学科学院阜外医院潘湘斌教授团队等与北大人民医院史艺教授团队等在国际知名期刊Research上合作发表了一篇题为“Development and external validation of an artificial intelligence-based method for scalable chest radiograph diagnosis:a multi-country cross-sectional study”的研究论文，介绍了基于胸片的大型人工智能辅助诊断模型，这一研究为疾病快速诊断及优化临床流程提供了新的策略和方向。

(Research.2024;7:0426.DOI:10.34133/research.0426)。

Citation:Zeye Liu,Jing Xu,Chengliang Yin, Guojing Han,Yue Che,Ge Fan,Xiaofei Li,Lixin Xie,Lei Bao,Zimin Peng,et al.Development and External Validation of an Artificial Intelligence-Based Method for Scalable Chest Radiograph Diagnosis:A Multi-Country Cross-Sectional Study.Research.2024;7:0426.DOI:10.34133/research.0426

胸部X光片是评估肺实质、气道、心脏和纵隔疾病的重要影像工具。其便携性、广泛的可用性和相对较低的成本使其在全球范围内广泛使用，尤其是在COVID-19大流行期间。然而，胸部X光片的诊断准确性面临几个挑战。首先，解读胸部X光片需要放射科医生具备高度的实践技能和分析能力，即便如此，错误的解读仍是不可避免的，可能导致误诊和治疗延误。其次，放射科医生的短缺问题日益严重，无法满足日益增加的检查需求，导致报告延误。为了解决这些问题，本研究提出利用卷积神经网络（CNN）开发一个多分类人工智能（AI）工具，旨在提高胸部X光片的诊断准确性，减轻放射科医生的工作负担，加快患者的治疗过程。

近年来，人工智能在医疗领域的应用研究激增，涵盖了肿瘤学、心血管疾病和自身免疫疾病等多个临床领域。这些领域的AI模型已经展示了专家级的诊断准确性。本研究开发了一个基于ResNet50的CNN模型，能够区分26种常见的胸部疾病。如图1所示，模型的训练和外部验证使用了来自中国、美国、巴西和越南的13个数据集，近80万张胸部X光片。

图1 实验流程图

如图2所示，模型在测试集中的所有26种诊断中平均AUC达到0.961。COVID-19检测的AUC值达到了1.000，而积液或胸腔积液的检测表现最低，AUC为0.8453。在外部验证中，模型在本地数据集中的再现性和普适性表现出色，肺不透明度检测的AUC达到0.9634。

图2 AI模型在不同数据集中的检测效能

我们还对比了AI模型与临床医师的阅读效力，值得注意的是：AI模型的阅读效力显著优于放射科医生和非放射科医生（图3），特别是在跨设备图像识别方面（图4）。此外，本研究还证明该AI模型的读片性能在男性和女性患者中的表现没有显著差异，消除了性别偏见的可能性（图5）。

图3 AI模型与临床医生的阅读效力对比

图4 AI模型的多场景-跨设备识别效能对比

图5 AI模型的公平性分析

模型不仅在标准的胸部X光片上表现优异，还展示了其在复杂实际场景中的适应性（图4）。例如，模型能够准确分析通过智能手机拍摄的胸部X光片，这一特性使其在远程医疗和资源有限的地区具有重要应用价值。此外本研究为了提升模型的解释性，采用了Gradient-weighted Class Activation Mapping（Grad-CAM）技术，生成粗略定位的热力图，帮助医生更快速地确认和诊断病变部位。

未来的研究将进一步探索多模态方法，整合其他类型的数据（如临床信息、基因数据等）进行综合诊断，以期提供更加全面和准确的诊断结果。此外，计划应用联邦学习（Federated Learning）技术，以在保护用户隐私的同时提升模型性能。持续的模型改进和实际应用将是研究重点，以确保模型在不同患者群体中保持高水平的诊断准确性。

在远程医疗和资源有限的地区，AI辅助胸部X光片诊断有望发挥越来越重要的作用，不仅可以减轻放射科医生的工作负担，还能提高诊断效率和准确性。未来，随着技术的不断进步，AI辅助诊断工具将成为医疗服务中不可或缺的一部分，特别是在流行病暴发等紧急情况下，能够及时筛查和诊断患者，减少误诊和漏诊，提高患者的治疗效果和生活质量。

总之，本研究开发的AI模型在多种实际应用场景中展示了优异的性能和广泛的适用性。未来的研究将继续优化和扩展这一模型，为医疗领域带来更多的创新和突破，推动医疗服务的智能化发展。

潘湘斌，通讯作者，中国医学科学院阜外医院副院长，结构性心脏病中心主任，云南省阜外心血管病医院执行院长，华中阜外医院总院长助理，国家卫健委结构性心脏病介入质控中心主任。国家级“突出贡献”专家，全国优秀科技工作者，复合型心血管病专家，发明16项世界首创技术，获得41项国内外专利，多项产品在国内外上市，以中国技术、中国产品构建了具有完全自主知识产权的中国方案。其发明成果得到国际同行的广泛认可，受聘担任美国胸外科医生协会（STS）、心血管介入协会（SCAI）及美国心脏病学院（ACC）外籍资深专家，多次受邀赴法国、英国、俄罗斯、加拿大、土耳其、肯尼亚等二十多个国家和地区现场演示手术，多次出色完成国家医疗外交任务，其主编的教材被欧美专家翻译成英文，培养了来自美国、德国、日本、土耳其等三十余个国家的学员，成规模、成体系地向世界输出中国方案。

黄源，通讯作者，中国医学科学院阜外医院心脏外科医师。主要研究方向为心血管疾病相关的肠道菌群研究、医工结合研究、人工智能研究、心血管疾病负担研究等。以通讯/第一作者在The innovation、iMeta（Cover Story）、Microbiome、Research、Arteriosclerosis，Thrombosis，and Vascular Biology（Cover Story）、iScience（Cover Story）等国际知名杂志发表多篇高水平SCI论文，其中封面文章3篇，单篇最高IF 33.2，累计影响因子IF＞150+。同时担任iMeta执行副主编、National Science Review编委、The innovation青年编委、Research青年编委、Genomics，Proteomics&Bioinformatics青年编委等。担任Nature Medicine、Nature Electronics、The Innovation、Advanced Materials、National Science Review、Advanced Functional Materials、Med等国际知名杂志特邀审稿人，北京科技人才研究会会员，主持国家自然科学基金1项，主持中央高水平医院临床科研业务费基金1项。

史艺，通讯作者，北京大学人民医院心脏外科主任，主任医师。北京协和医学院心血管外科博士，硕士研究生导师。中国医师协会心血管外科分会委员。中国麻醉协会心血管外科分会委员。中国康复医学会心血管介入及康复分会常务委员。国家卫健委心血管慢病专家国家药监局医疗器械技术评审专家。北京神经科学学会脑心分会常务委员。北京市科委评为“北京市科技新星”。北京市委组织部评为“北京市优秀人才”。中国医师协会心血管外科分会获“中国十佳优秀青年心脏外科医师奖”

刘珏，通讯作者，北京大学公共卫生学院流行病与卫生统计学系副主任、北京大学环境医学研究所副所长，北大博雅青年学者，国家优青。主要研究方向为流行病学与卫生统计、健康大数据研究及应用。主持国自然基金项目、科技部国家重大专项课题、国家重点研发计划课题、北自然重点项目等30余项，近年来以通讯作者在Lancet、BMJ等权威期刊发表论文100余篇。担任Cell子刊Med专家咨询委员会委员、Lancet Commissioner、ADB高级顾问、WHO专家等。获北京市优秀青年人才、北京青年五四奖章、中华预防医学会科技奖一等奖、公共安全科技奖一等奖等。

杨跃进，通讯作者，主任医师，北京协和医学院长聘教授，博士生导师，卫生部有突出贡献中青年专家。曾任中国医学科学院阜外医院副院长、国家心血管病中心副主任。北京医学会心血管病分会主任委员、海峡两岸医药卫生交流协会心血管专业委员会主任委员、中国老年医学会心血管病分会主任委员、美国心脏病学院委员（FACC）、欧洲心脏病学会专家委员（FESC）。已主持国家973、863、自然科学基金、教育部和卫生部等基金项目二十多项，发表论文380余篇，其中SCI文章160多篇，主编和参编著作多部。荣获国家科技进步一等奖、二等奖各1项，省部级科技进步奖10项，中国医学科学院科技进步奖等。