在我国，肺癌的发病人数和死亡人数居癌症之首。每年，肺癌发病人数约83万，占全国癌症发病人数的20.5%，死亡人数约62万。20年来，患者5年生存率一直徘徊在16%到20%之间。“如何才能降低肺癌的死亡率呢？关键是早期诊断，规范治疗。”四川大学华西医院院长李为民告诉经济日报记者。

为帮助人类对抗肺癌，如今，人工智能一显身手。华西医院日前与依图科技宣布，合作研发全球首个肺癌临床科研智能病种库和全球首个肺癌多学科智能诊断系统。据悉，肺癌临床科研智能病种库收录了华西医院2009年至今收治的2.8万例肺癌患者的影像、病理、基因检测、病历文本等多维数据，并通过人工智能技术清洗、解析与重构了大量非结构化数据。肺癌多学科智能诊断系统则依托病种库，综合多学科临床信息进行综合诊断，能实现结节筛查、肺癌全类型病灶诊断覆盖等功能。作为人工智能“独角兽”公司，依图科技近期宣布刚刚完成2亿美元的C+轮融资，其计算机视觉人工智能技术目前主要应用在安防、金融以及医疗3大领域。

那么，在对抗肺癌这件事上，人工智能到底能做什么？又要解决哪些难点？

人工智能可以帮助医生们看得更准。李为民告诉记者：“早期筛查肺癌，第一是要找到结节，人工智能能够明显提高胸部CT检查的准确性，比如对5毫米以下的结节，检出率能达到98%以上。”依图医疗总裁倪浩表示，这部分技术已相当成熟，“与人类医生团队4.3%的漏检率相比，人工智能的漏检率仅为0.7%”。不过，有结节不见得就是癌症，还要能够识别它的性质。在判断结节性质上，重点是追踪病灶的变化。“它去年多大，3个月前多大，但这个判断并不容易。目前的做法是先建立肺的3D模型，然后利用深度学习技术分段，以此确定病灶的位置，最后计算它的体积，并且判断征象及其变化。”倪浩说。

与之相比，人工智能也在形成新的智慧。在传统临床科研过程中，通常是医生首先怀疑某些因素可能与某问题有关，然后再通过临床实验或者病人病历获得数据支撑。而人工智能通过汇集和整合海量病人信息，包括电子病历、基因、病理检测等多维度数据，一方面能够针对每位患者向医生提出参考诊断和建议治疗方案，另一方面，也可以通过人工智能辅助建模赋能临床科研，从而找到与治疗相关的最新因素。

“从这些方面来看，人工智能对于诊断的辅助是可复制的。我们也计划从肺癌开始，尝试将人工智能的辅助诊断拓展到肝癌、乳腺癌、胃癌、肠癌等10个病种中去。”倪浩表示。

不过，人工智能也要“翻过一山又一山”。首先是数据的结构化和标准化问题。就像患者总抱怨看不懂医生手写的病历本一样，人工智能同样要面对这一问题。“最大的难点是很多医学数据结构随意、差异大，医生写的病历格式不同，描述方式不同。这就需要人工智能的语义理解，也要参照国内外的肺癌医学指南，针对肺癌的临床要求，研究标准化字段，扩大临床信息提取的范本。在影像数据方面，则更为复杂。我们通过人工智能深度神经网络的影像结构来提取模型，包括病灶的类型、大小等。”李为民表示。

其次是解决人工智能的不透明问题。受深度学习的算法影响，人工智能虽能做出结论，人类却很难了解它的决策理由。那么，它如何才能得到医生们的信赖？“我们在产品层面加入了一些可解释的技术分析指标，用来给医生提供证据，告诉他们为何如此判断。比如，人工智能会告诉医生观察到病灶出现了分叶征、空泡征等特征，因此判断它是恶性的。”倪浩告诉记者。

此外，人工智能在应用场景的“落地”，始终要面对商业化问题。倪浩表示：“‘痒点’是没有商业化前景的，‘痛点’才有商业化前景。随着我国肺癌筛查的普及，筛查人数一定会有巨大增长，医院人力难以承受，这就是‘痛点’，必然会需要人工智能的帮助。”

“对肺癌筛查和诊疗的介入，意味着人工智能正在从科研走向临床。”在中国卫生信息与健康医疗大数据学会会长金小桃看来，人工智能的参与还有助于打破医疗资源分布不均这一“瓶颈”：“大医院人满为患而基层医疗机构诊疗能力提升困难，以人工智能技术为工具，打破信息屏障，将大医院的诊疗能力赋能基层，让基层医院医生能够更准确地进行诊断和治疗，是解决我国医疗资源短缺的重要手段。”