到医院做身体检查，总会收到一大堆X-光片、超声波图、CT扫描等。这些记录着大家身体重要数据，医生赖以判断健康状况的医疗影像，每一张都蕴含大量与健康状态息息相关的讯息，医生经验愈丰富，读过的片愈多，诊断就愈快愈精准。只是无论多出色的医生一天就只得24小时，在医疗科技不断进步的今天，如何能把这些宝贵经验汇聚入一个精准易用的系统，让医生能帮助更多病人?

去年夏天笔者投资了北京一家专注做AI医疗影像辅助诊断系统的公司，看到AI医疗影像辅助诊断筛查，如何大大降低人力成本，提升医生诊疗效率与治疗效果，让笔者深信加强AI在医疗领域的应用是答案之一。简要来说，AI医疗影像辅助诊断主要是利用深度学习，对大量医学影像进行训练，让AI学懂阅读各种医疗影像图片，自动识别图像中是否隐藏不同疾病的病征，发现后可自动标记出来，并生成初步报告，医生再参考报告做深入分析，判断病人健康状况。

放射影像科是近年快速成长的领域，随着医疗影像技术不断提升，愈来愈多医院和医生会借助各种医疗影像来辅助诊断，加上大众健康意识提高，定期做身体检查的人多了，每年产生的医疗影像数目大幅上升，平均每年增长率高达30%。然而，熟悉内地医疗的人均清楚，内地医生严重短缺，负责医疗影像的放射科医生就更稀缺，每年增长率只约4.1%，增速远远追不上医疗影像增长，结果是不少大医院或医生工作量大升，每人每天的阅片量达到百多份，很多时间都花了在繁琐的、重复的读片工作上。

AI医疗影像辅助诊断就像一个助手，代医生去检视大量医疗影像，完成初步报告后，转交医生进一步分析。由于AI助手已标注出异常状况，减少医生翻阅大量医疗影像的时间，腾出时间细看有异常的地方，诊断自然更快、更准确;对于经验较浅的医生，这些标注更是一个重要提示，减少他们漏诊的机会。目前，比较成熟的AI医疗影像辅助诊断产品，主要是用于肺部CT扫描筛查，已投入较多医院应用，在辅助诊断上表现不俗，提升了AI在医疗领域应用的认受性。

以中国患者比较多的肺癌为例，如果可以在病变早期就发现，及早进行治疗，治愈率很高。CT扫描是检测肺癌的主要方法，图像清晰度高，并可提供三维立体影像，小至一毫米、二毫米的阴影都能找到，当中比较小的称为肺结节，比较大的称为肺肿瘤。医生一般按阴影大小来判断患上肺癌机率，肺部出现小结节并不等同于肺癌，大部分小结节都是良性病变，即使小部分为恶性或转化为恶性，也属于早期病变。

节省时间提高精度

胸部CT扫描能够看到肺结节的多项特征，如结节的形态、轮廓、内部特性，特别是其中出现的一种叫“磨玻璃结节”(Ground-glass nodule，GGN)，可能是癌前期表现，持续监察更可看到结节的增长速率，以及实性成分是否有改变，从而判断是否发生癌病变，对提早治疗有很大帮助。只是，近年来愈来愈多人在体检中发现肺部结节，按传统模式的话，医生每天要看上百张电脑图像，费时之馀，不排除会因为疲劳发生漏诊。

去年投资的AI医疗影像辅助诊断曾测试，两名放射治疗医生读二十名肺结节病人的CT图像，每人都需花超过3.5小时才完成，换上AI只需2.05分钟，是人手检视的1/15时间。除此以外，AI对微小结节敏感度较高，在辨识六毫米或以上的结节时，人手检视和AI辨识率同样是100%;但在辨识零至三毫米的结节时，AI辨识率达84%，比人手的53%，辨识率高31%。用AI分担初步分析工作，尽早找出一些小结节并密切追踪，将能有效提升医生服务效率和质量，把肺癌诊断和治疗的关口前移，对提升病人存活率也有很大影响。

当然，以目前技术AI医疗影像辅助诊断绝对无法取代医生，未来还需累积更多真实病例的原始资料，不断提高准确率，以帮助医生减少漏诊、误诊。未来发展方向是积极把应用范围扩阔，如研发中的脑中风辅助筛查、心脏辅助筛查、骨折辅助筛查、乳腺辅助筛查等产品，市场前景十分巨大。

（创业投资者联盟召集人）