李承旭 沈長兵 崔勇

我國人口數(shù)量龐大而醫(yī)療資源有限，如何讓所有人都能享受到優(yōu)質(zhì)的醫(yī)療服務(wù)成為擺在社會面前的一道難題。幸運的是，隨著以人工智能為代表的新興技術(shù)的快速發(fā)展，這一難題有望得到解決。近年來，中日友好醫(yī)院在皮膚病的診斷、鑒別方面展開技術(shù)實踐，取得了豐碩成果，這為縮小不同地區(qū)之間的醫(yī)療水平差距帶來了希望。

人工智能（Artificial Intelligence，AI），是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)[1， 2]。在世界范圍內(nèi)，人工智能已成為一個熱門話題，在包括醫(yī)療和衛(wèi)生等眾多領(lǐng)域被廣泛應(yīng)用。近年來，人工智能在醫(yī)療領(lǐng)域取得了長足進步，包括智能診斷和治療、智能影像識別、智能穿戴設(shè)備、智能健康管理及智能醫(yī)療機器人等多個方面[3]。圖像識別、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等關(guān)鍵技術(shù)推動人工智能快速發(fā)展，AI在對傳統(tǒng)醫(yī)療行業(yè)（包括皮膚科）形成挑戰(zhàn)的同時，也給臨床學(xué)科的整體發(fā)展帶來了新契機。2016年以來，AI已經(jīng)在皮膚科開展了諸多應(yīng)用研究，發(fā)表于權(quán)威學(xué)術(shù)期刊《自然》的《采用深度神經(jīng)網(wǎng)絡(luò)的皮膚科醫(yī)師級皮膚癌分類》（Dermatologist- level classification of skin cancer with deep neural networks）一文證實，借助深度卷積神經(jīng)網(wǎng)絡(luò)（Deep convolutional neural networks， CNNs）進行海量信息學(xué)習(xí)，AI對色素性皮膚腫瘤的診斷水平可達到或超過認證皮膚科醫(yī)生的水平[4]。該研究充分展現(xiàn)了AI在皮膚科學(xué)中的廣闊應(yīng)用前景，即AI不但可顯著提升皮膚科醫(yī)生的照護和研究水平，也將徹底改變皮膚科醫(yī)生的行為模式。

皮膚病學(xué)是一門直觀性很強的形態(tài)科學(xué)，主要通過皮損形態(tài)、大小、顏色等圖像化的信息對疾病進行診斷和鑒別。隨著皮膚影像技術(shù)的發(fā)展，越來越多的皮膚科醫(yī)生借助皮膚影像設(shè)備（皮膚鏡、皮膚高頻超聲、反射式共聚焦顯微鏡等）對皮膚疾病進行輔助診斷，極大地提高了疾病診斷的準(zhǔn)確率。皮膚影像資料具備天然的大數(shù)據(jù)屬性，國內(nèi)一些研究團隊已經(jīng)開始對皮膚影像數(shù)據(jù)展開深入挖掘，并嘗試開發(fā)皮膚科人工智能相關(guān)產(chǎn)品。中日友好醫(yī)院皮膚病與性病科在崔勇教授的帶領(lǐng)下，經(jīng)過不斷探索和實踐，開發(fā)出了多款皮膚病人工智能產(chǎn)品，并應(yīng)用于了臨床工作中，取得了良好的經(jīng)濟效益和社會效應(yīng)。

中日友好醫(yī)院皮膚病與性病科皮膚影像中心

目前，皮膚影像診斷技術(shù)在國際上被廣泛接受和應(yīng)用，已出版大量專業(yè)書籍，各級專業(yè)學(xué)會組織紛紛建立，形成了相對完整的理論體系，這已成為皮膚科臨床、教學(xué)及轉(zhuǎn)化醫(yī)學(xué)研究中不可或缺的重要組成部分。皮膚影像診斷技術(shù)在我國的發(fā)展時間較短，但近年來發(fā)展迅猛。中日友好醫(yī)院皮膚病與性病科在全國范圍內(nèi)率先成立皮膚影像中心，擁有先進的皮膚影像設(shè)備，主要包括：

（1）皮膚鏡（Medicam 800HD， FotoFinder Systems GmbH， Birbach， Germany）：可起到輔助診斷的作用，對于疾病療效的轉(zhuǎn)歸，皮膚鏡能及早發(fā)現(xiàn)肉眼難以觀察到的改變。

（2）反射式共聚焦掃描顯微鏡（型號：VivaScope?1500）：又稱皮膚CT，被廣泛應(yīng)用于臨床輔助診斷及臨床研究，已成為科室輔助診斷系統(tǒng)中不可或缺的一部分。

（3）皮膚B超（德國TPM超聲皮膚影像儀）：在臨床輔助診斷、術(shù)前評估、疾病療效評估及臨床科研等方面得到廣泛應(yīng)用。

皮膚影像中心具有一支實力強大的專業(yè)人才隊伍，皮膚影像技術(shù)水平在國內(nèi)名列前茅（在國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學(xué)中心組織的皮膚影像技術(shù)認證考試中，皮膚影像中心人員在皮膚鏡和反射式共聚焦掃描顯微鏡兩個單項考試中均獲得第一名成績）。皮膚影像中心現(xiàn)日均接診患者百余人，積累了大量的皮膚影像資料。

海量數(shù)據(jù)來源——中國人群皮膚影像資源庫

數(shù)據(jù)是人工智能產(chǎn)品研發(fā)過程中的重要元素，只有符合一定規(guī)范的大數(shù)據(jù)才能發(fā)揮效能，因而對數(shù)據(jù)進行收集和整理是一項非常重要的工作。每個醫(yī)院的皮膚科所產(chǎn)生的皮膚影像資料數(shù)據(jù)量相對有限，并且分散式地分布在全國各地，因此盡快建立皮膚影像數(shù)據(jù)資源庫已成為業(yè)內(nèi)共識。在中日友好醫(yī)院皮膚病與性病科主任崔勇教授等專家的共同倡議下，聯(lián)合國內(nèi)多家皮膚影像技術(shù)優(yōu)勢單位（中日友好醫(yī)院、中國人民解放軍空軍總醫(yī)院、北京協(xié)和醫(yī)院、復(fù)旦大學(xué)附屬華山醫(yī)院、安徽醫(yī)科大學(xué)第一附屬醫(yī)院等），于2017年5月啟動了中國人群皮膚影像資源庫項目（Chinese Skin Image Database， CSID），通過建立全國性醫(yī)院協(xié)作網(wǎng)進行數(shù)據(jù)互通，以單病種數(shù)據(jù)庫為橋梁對數(shù)據(jù)進行有機整合，構(gòu)建數(shù)據(jù)的標(biāo)準(zhǔn)化體系，立足人群優(yōu)勢推動科研發(fā)展[5]。依托中日友好醫(yī)院的國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學(xué)中心，CSID建立了覆蓋2000多家醫(yī)院的體系和網(wǎng)絡(luò)，梳理各類皮膚病（超過400種）的多維度皮膚影像資料（皮膚攝影、皮膚鏡、皮膚CT、皮膚超聲、皮膚病理照片）30余萬份，并展開了統(tǒng)一標(biāo)準(zhǔn)的標(biāo)注工作。CSID建立了一個基于皮膚影像大數(shù)據(jù)資源的共享式、開放式、協(xié)作式工作平臺，積累了海量數(shù)據(jù)資源，逐漸成為開展皮膚病人工智能產(chǎn)品研發(fā)的基礎(chǔ)和絕對優(yōu)勢。

皮膚病專家團隊——國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學(xué)中心皮膚科專委會

1998年，中日友好醫(yī)院作為國家首批試點單位，建成遠程醫(yī)療平臺。2018年，遠程醫(yī)療平臺升級為國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學(xué)中心，并在全國范圍內(nèi)構(gòu)建遠程醫(yī)療協(xié)作網(wǎng)絡(luò)，利用互聯(lián)網(wǎng)開展面向全國基層醫(yī)療機構(gòu)的技術(shù)輻射和學(xué)科幫扶。2018年3月，國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學(xué)中心正式成立皮膚科專委會，崔勇教授擔(dān)任主任委員，目前已在全國范圍內(nèi)遴選了300余位專家擔(dān)任委員。專委會將主要負責(zé)：

（1）皮膚科遠程醫(yī)療相關(guān)標(biāo)準(zhǔn)和體系構(gòu)建，建成覆蓋2000多家醫(yī)院皮膚科的遠程醫(yī)療體系。

（2）建立皮膚病人工智能相關(guān)標(biāo)準(zhǔn)，與中國人群皮膚影像資源庫（CSID）項目對接，完成適用于我國人群的皮膚病人工智能研發(fā)與推廣應(yīng)用。

（3） 探索和實施皮膚病互聯(lián)網(wǎng)醫(yī)療模式，目前專委會已經(jīng)與優(yōu)麥科技簽訂戰(zhàn)略合作伙伴協(xié)議，未來將利用在皮膚科醫(yī)生群體中覆蓋率較高的互聯(lián)網(wǎng)平臺，建立和完善適用于皮膚病的互聯(lián)網(wǎng)診療模式和流程。

中日友好醫(yī)院皮膚病與性病科作為國家遠程醫(yī)療與互聯(lián)網(wǎng)醫(yī)學(xué)中心皮膚科專委會主任委員所在單位，在開展人工智能產(chǎn)品研發(fā)的過程中，得到了專委會專家的大力支持和指導(dǎo)，保證了源頭數(shù)據(jù)的質(zhì)量，為開發(fā)出性能更高的人工智能產(chǎn)品打下了堅實的基礎(chǔ)。

人工智能專家團隊——中國醫(yī)學(xué)裝備人工智能聯(lián)盟皮膚科委員會

在工業(yè)和信息化部與國家衛(wèi)生健康委員會的指導(dǎo)下，中國醫(yī)學(xué)裝備協(xié)會聯(lián)合北京協(xié)和醫(yī)院、中日友好醫(yī)院等11家單位，共同發(fā)起成立了中國醫(yī)學(xué)裝備人工智能聯(lián)盟，中國醫(yī)學(xué)裝備協(xié)會理事長趙自林受聘擔(dān)任中國醫(yī)學(xué)裝備人工智能聯(lián)盟理事長。該聯(lián)盟旨在聯(lián)合相關(guān)單位開展人工智能技術(shù)、標(biāo)準(zhǔn)和產(chǎn)業(yè)化研究，共同探索人工智能在醫(yī)學(xué)裝備領(lǐng)域的新模式和新機制，推進技術(shù)和產(chǎn)業(yè)的研發(fā)與應(yīng)用。中國醫(yī)學(xué)裝備人工智能聯(lián)盟成立了皮膚科委員會，崔勇教授擔(dān)任主任委員，目前已在全國范圍內(nèi)遴選了300余位專家擔(dān)任委員，委員會的目標(biāo)是建立可用于皮膚病AI研發(fā)、應(yīng)用和推廣的企業(yè)與醫(yī)生聯(lián)盟。中日友好醫(yī)院皮膚病與性病科作為中國醫(yī)學(xué)裝備人工智能聯(lián)盟皮膚科委員會主任委員所在單位，為中日友好醫(yī)院皮膚病人工智能產(chǎn)品研發(fā)提供了技術(shù)支持。

中日友好醫(yī)院皮膚病與性病科人工智能產(chǎn)品的研發(fā)和應(yīng)用

近年來，中日友好醫(yī)院皮膚病與性病科牽頭全國多家單位，聚焦皮膚科人工智能產(chǎn)品的研發(fā)，陸續(xù)開展了臨床實踐和應(yīng)用工作。

黃色人種皮膚腫瘤人工智能輔助決策系統(tǒng)—優(yōu)智皮膚AI

基于CSID的大量高質(zhì)量影像數(shù)據(jù)，借助深度學(xué)習(xí)算法策略，CSID項目組與優(yōu)麥科技聯(lián)合研發(fā)了首款黃色人種皮膚腫瘤人工智能輔助決策系統(tǒng)——優(yōu)智皮膚AI。從研究測試來看，優(yōu)智皮膚AI系統(tǒng)在識別準(zhǔn)確度方面位居國際領(lǐng)先水平。此外，由于優(yōu)智皮膚AI采用CSID的20余萬張皮膚影像資料數(shù)據(jù)進行訓(xùn)練，且專門針對黃色人種展開研發(fā)，因此具有重要的臨床指導(dǎo)意義和應(yīng)用價值。測試結(jié)果顯示，優(yōu)智皮膚AI通過皮膚鏡輔助診斷良惡性分類符合率可達85.2%，疾病和大類混合分類準(zhǔn)確率可達66.7%。該系統(tǒng)的發(fā)布對于人工智能應(yīng)用于醫(yī)療領(lǐng)域而言，具有里程碑式的意義，依托互聯(lián)網(wǎng)平臺和人工智能技術(shù)，醫(yī)療資源的使用率將被不斷優(yōu)化，有助于實現(xiàn)患者、醫(yī)生、醫(yī)療機構(gòu)的多方共贏。

優(yōu)智皮膚AI具有使用方便、操作簡單等特點，在日常診療工作中，皮膚科醫(yī)生將便攜式皮膚鏡與智能手機攝像頭相匹配，能夠?qū)ζp進行高倍放大，更清晰地顯示皮損的形態(tài)細節(jié)（圖1 A）。在采集圖像前應(yīng)去除干擾，如較厚的鱗屑、血痂等。拍攝皮損圖像后，只需對圖像進行簡單處理，保證圖像采集倍數(shù)在10-20之間，圖像明亮清晰，皮損位于圖片中心，皮損周圍暴露10%-20%（圖1 B）。然后點擊AI輔助診斷進行分析，軟件會給出良惡性的可信度百分比，以及可能的三種皮膚疾病診斷和相應(yīng)的可能性百分比（圖1 C）。

2018年10月13日，在“首屆全國皮膚病人工智能臨床應(yīng)用研究高峰論壇”上， CSID攜手優(yōu)麥科技共同開發(fā)的優(yōu)智皮膚AI系統(tǒng)發(fā)布迭代產(chǎn)品——優(yōu)智皮膚AI 2.0。其中，皮膚腫瘤良惡性識別率達到91.2%，疾病類型識別率達到81.4%。優(yōu)智皮膚AI 2.0在識別準(zhǔn)確率方面較之前有了顯著提升，在覆蓋的疾病種類方面也有所增加。目前，中日友好醫(yī)院皮膚科通過優(yōu)智皮膚AI 2.0對皮膚科就診的病人進行輔助診斷，取得了良好的效果。同時，優(yōu)智皮膚AI在基層醫(yī)院中輔助皮膚科醫(yī)生對皮膚疾病進行診斷，提升了基層醫(yī)生的診療水平，降低了皮膚疾病的誤診率及漏診率，受到了廣泛歡迎。

多維度皮膚影像分析管理系統(tǒng)（云MIIS系統(tǒng)）

中日友好醫(yī)院皮膚病與性病科聯(lián)合中國人民解放軍空軍總醫(yī)院和優(yōu)麥科技共同研發(fā)的優(yōu)智?多維度皮膚影像分析管理系統(tǒng)（云MIIS系統(tǒng)）是一套針對皮膚影像專門設(shè)計的圖像傳輸歸檔系統(tǒng)。系統(tǒng)具有如下特點：

（1）集成多種皮膚影像硬件設(shè)備，實現(xiàn)對多種設(shè)備的皮膚圖像信息進行集中采集，統(tǒng)一存儲、管理、傳輸和歸檔皮膚影像。

（2）實現(xiàn)多維度影像整合集成，形成以病人為中心的多時空數(shù)據(jù)整合，便于病情分析和隨訪。

（3）基于云平臺，實現(xiàn)1+N運行模式，實現(xiàn)“基層檢查，上級診斷”。

（4）提供基于規(guī)范化知識模板的報告系統(tǒng)，數(shù)百條規(guī)范化報告描述可供使用。

（5）提供專業(yè)的高端圖像分析處理功能：具有分割等功能的基礎(chǔ)圖像分析處理子系統(tǒng)、毛發(fā)專項分析子系統(tǒng)、AI輔助診斷子系統(tǒng)、大皮損的圖像拼接融合子系統(tǒng)等。

目前，該系統(tǒng)得到了國內(nèi)眾多皮膚科醫(yī)生的歡迎，具有較高的覆蓋率和使用率。

聯(lián)合華山醫(yī)院皮膚科共同研發(fā)老年皮膚腫瘤人工智能遠程診療工具

隨著人口老齡化現(xiàn)象的加劇，“老年病”的數(shù)量逐漸增長，老年皮膚腫瘤就是其中之一（例如：脂溢性角化病，俗稱“老年斑”，在60歲以上的人群中發(fā)病率為100%）。如果做到早發(fā)現(xiàn)、早診斷、早治療，多數(shù)皮膚腫瘤病人不會有生命危險。然而，很多皮膚惡性腫瘤在早期容易與其他皮膚疾病相混淆，導(dǎo)致難以被及時發(fā)現(xiàn)，待到確診時已進入晚期。2018年6月，復(fù)旦大學(xué)附屬華山醫(yī)院皮膚科聯(lián)合中日友好醫(yī)院皮膚病與性病科和安徽醫(yī)科大學(xué)第一附屬醫(yī)院，共同發(fā)布了一款老年皮膚腫瘤人工智能遠程診療工具（基于CSID的皮膚鏡數(shù)據(jù)和底層技術(shù)構(gòu)架），賦能基層醫(yī)療機構(gòu)，助力全科醫(yī)生進行皮膚病診斷。老年皮膚腫瘤人工智能遠程診療工具在復(fù)旦大學(xué)附屬華山醫(yī)院皮膚科醫(yī)聯(lián)體內(nèi)的200多家基層醫(yī)療機構(gòu)逐步推廣使用，皮膚病的診療逐步跨入“智能時代”。

聯(lián)合中國人民解放軍空軍總醫(yī)院共同研發(fā)優(yōu)智皮膚—黑甲AI

黑甲是一類發(fā)病率較高，且診斷和治療均比較困難的疾病。中國人民解放軍空軍總醫(yī)院聯(lián)合中日友好醫(yī)院、安徽醫(yī)科大學(xué)、優(yōu)麥科技和CSID項目組共同研發(fā)“黑甲AI”，并在2018年10月13日召開的“首屆全國皮膚病人工智能臨床應(yīng)用研究高峰論壇”上正式發(fā)布?！昂诩譇I”主要針對甲板色素性損害（皮膚鏡）進行診斷和鑒別。測試結(jié)果顯示，“黑甲AI”對以黑甲為主要表現(xiàn)的疾病的平均識別率達到87%，其中甲母質(zhì)痣識別率91%，甲惡黑識別率93%，甲下出血識別率88%，甲營養(yǎng)不良識別率85%，甲真菌病識別率83%，甲活化識別率89%，甲色素條帶識別率79%?！昂诩譇I”的診斷能力超過了80%的皮膚科專業(yè)醫(yī)生，非常適用于基層醫(yī)院，可幫助醫(yī)生進行疾病的診斷與鑒別。

皮膚科領(lǐng)域人工智能產(chǎn)品臨床應(yīng)用展望

人工智能正在改變?nèi)祟惖纳a(chǎn)生活及思維方式，人工智能技術(shù)的飛速發(fā)展使得AI在醫(yī)學(xué)領(lǐng)域的開發(fā)與應(yīng)用成為現(xiàn)實。如今，人工智能在醫(yī)用機器人、智能藥物研發(fā)、精準(zhǔn)醫(yī)療、影像識別、可穿戴設(shè)備、遠程醫(yī)療、養(yǎng)老與健康管理等領(lǐng)域都得到了廣泛應(yīng)用，皮膚影像識別只是其中的一個縮影。皮膚病的診斷不僅需要臨床圖像及皮膚影像，還需要綜合考慮患者病史、性別、年齡等信息才能得出準(zhǔn)確診斷。因此未來需要將皮膚影像數(shù)據(jù)與患者信息相互融合，利用人工智能對這些數(shù)據(jù)進行綜合分析，從而在疾病診斷、治療決策及預(yù)后判斷中發(fā)揮更大作用。人工智能在醫(yī)療領(lǐng)域的應(yīng)用潛能還有很多，未來還需要從多個角度去認知它、改良它、發(fā)展它，使得人工智能能夠真正走向臨床，服務(wù)于廣大人民。

參考文獻：

[1] 李潛. 專家系統(tǒng)在醫(yī)學(xué)領(lǐng)域的應(yīng)用[J]. 天津中醫(yī)學(xué)院學(xué)報， 2004，23（2）：101.

[2] 鐘義信. 人工智能：概念·方法·機遇[J]. 科學(xué)通報， 2017（22）.

[3] 李志勇， 李鵬偉， 高小燕等. 人工智能醫(yī)學(xué)技術(shù)發(fā)展的聚焦領(lǐng)域與趨勢分析[J]. 中國醫(yī)學(xué)裝備， 2018（07）：136-145.

[4] Esteva A， Kuprel B， Novoa R A， et al. Dermatologist-level classification of skin cancer with deep neural networks[J]. Nature， 2017，542（7639）：115-118.

[5] 沈長兵， 薛珂， 于瑞星等. 推動我國皮膚影像研究、教育與應(yīng)用的系統(tǒng)平臺——中國皮膚影像資源庫項目（CSID）[J]. 皮膚科學(xué)通報， 2018（02）：125-130.