劉阿姨最近碰到一件煩心事。

最近體檢結果顯示她肺上有一個8mm的小結節，劉阿姨知道肺結節有良惡之分，良性的話通過服藥可控甚至無需治療，但若為惡性則需立即切除，可能形成肺癌危及生命。

令她糾結的是，既怕錯把肺癌當良性疾病，耽誤最佳治療時機；也怕貿然手術可能白挨一刀，影響肺功能，降低生活質量。整日憂心忡忡的劉阿姨，寢食難安。

困擾1億中國人的“肺結節” 要不要切？

隨著醫學發展及體檢的不斷普及，劉阿姨這樣的患者并不在少數。據東南大學附屬中大醫院呼吸內科負責人朱曉莉介紹，目前中國有1億肺結節患者，其中8000萬患者都是小于8mm的小結節，在此其中只有2%-3.6%是惡性肺結節。

面對民眾對于肺結節早期確診的迫切需求，醫療技術正經歷著嚴峻考驗。

如何判斷肺結節的惡性概率以及治療方式？不光患者感到糾結，大部分的臨床醫生也常常感到“兩難”，他們既希望能幫助患者消除隱患，也不愿“矯枉過正”造成過度醫療。

天津市胸科醫院胸外科醫生李鑫表示：“醫學有很多不確定性，并非每個檢查都能給出明確的結果，我們醫生每天都在治療和患者生存質量之間，爭取最大的利益。”

通常情況下，醫生會依據臨床經驗通過觀察肺結節大小、密度（即實性成分）、倍增時間以及影像學特異征象等推斷惡性概率。對于10mm以下的小結節，一般有一個觀察期，通過體積和密度的時間變化來明確診斷。

這個過程中，醫療行為更像一把“尺子”，將醫學、技術、倫理、人文等多方因素糅合起來，“丈量”出最優建議推薦給患者，再由患者評估決定治療方式。除特殊情況，醫生不會主動要求患者進行手術。

避免肺結節造成生命的“悲劇”，破局醫患雙方的“兩難”抉擇，我們還需要“尺子”的刻度更加精細。

診斷早期肺原位癌  AI帶來新驚喜

在天津市胸科醫院影像科辦公室里，呂軍醫生正專注地查閱每份影像資料并及時作出判斷。面對肺結節的診斷評估時，他會不時地反復查看兩臺顯示器界面，參閱AI標注的肺結節病灶，以免遺漏極微小的病灶。

與此同時，一份通過AI分析的診斷報告會在電腦桌面上顯示，具體包括結節的位置、大小、性質、邊緣、CT值、惡性概率、定性診斷等內容。如今，呂軍已經喜歡上了這個“AI助手”，它分析的數據更全面，速度更快，輔助醫生確保肺結節診斷的準確性，于患者而言，可以降低多次診斷的麻煩，減輕醫療負擔。

有這樣一個病例，患者在PET-CT檢查后提示肺部3個小結節均為炎癥，而通過AI系統得出的結論卻為惡性。據接診醫生介紹，“這位患者的3個結節，有兩個都靠近左肺中央處，無法進行診析，而切除全肺要十分慎重。所以，我們先通過微創手術對邊緣處的結節進行活檢，病理診斷為惡性。”因此，天津胸科醫院的胸外科團隊選擇對患者行一側肺全部摘除手術，在對摘除的病灶進行病理診斷后發現，3個病灶均為惡性，這也證實了AI檢測在臨床應用的準確性，在某些方面取得了喜人的成績。

這樣的“驚喜”并非少數。胸外科主任張遜教授介紹，目前AI標注的惡性結節，同病理結果一致的現象越來越多（病理結果一般為腫瘤診斷的金標準），這也令臨床團隊為患者制定下一步治療方案時，多了一分自信與從容。要論幕后功臣，當屬2018年開始投入使用的京津冀肺癌AI輔助診療平臺。因為這樣的醫療AI的輔助，使丈量肺結節的“尺子”相比以往更加精準了。

自醫院采用該平臺以來，原本對AI接受程度不高的醫生，逐漸認可了AI，輔助診斷病例量逐月遞增。“AI基本不漏診，診斷速度更快，患者回訪遺漏率更低，對于患者早期確診意義重大，”在天津市胸科醫院胸外科醫生程世釗看來，AI還方便醫生復盤總結，提高閱片能力，在醫患之間都能起到“拐杖”效應。

張遜教授同樣對AI在提升醫生工作效率方面的表現予以肯定，同時，他對肺部癌前病變和原位癌的AI早期診斷，持較高期待，認為“這有利于推動行業標準化”。

肺癌AI輔助診療平臺，就是結合大數據病歷庫通過人工智能比照進行分析，最后出具患者影像診斷信息，輔助醫生進行臨床診斷。截至目前，肺癌AI輔助診療平臺在天津市胸科醫院累計使用超過20000例次，其中有病理金標準的數據達數千例，AI肺結節檢出率從82%提升到99%，良惡性預測準確率從51%提升到90%，等效于PET-CT對肺結節良惡性預測的準確率，且對小結節良惡性預測的準確率明顯高于PET-CT。

AI助力肺癌早篩 還需破局臨床“痛點”

從2017年至今，AI技術在醫學領域拓展的目光，大部分都聚焦在AI輔助診斷肺結節項目。公開數據多、數據獲取相對便利，以及肺結節影像直觀、便于觀察診斷的特性，造成AI進入門檻不高。同時，胸部CT放射影像技術是肺癌早期篩查最重要的手段之一，AI輔助診斷肺結節存在較為迫切的市場需求。

復旦大學附屬中山醫院白春學教授在解讀《肺結節診治中國專家共識(2018年版)》時強調，關于不同類型肺結節的處理原則需“進行AI分析或者請有經驗的專家會診”，也說明AI技術在醫療領域不斷被接受認可。

因此，近年來市場上提供AI識別肺結節服務的平臺不斷涌現，但據公開數據顯示，各平臺披露出的AI監測準確率等數值并無太大差距，從某種意義上講，這反映出領域內很多平臺創新能力不夠，同時受到數據來源、算法和監管因素等限制，紛紛選擇了相似的領域，但缺乏落地實踐經驗。

在外出參會學習與同行交流時，李鑫感到，目前很多AI產品在比賽、演示中的數據足夠亮眼，但有些“自娛自樂”，在臨床應用場景上欠缺醫學能力，應用于真實診療似乎有點 “不接地氣”。

醫療AI整體目前還處于初級探索期，未來還需大幅提升。“利用AI輔助診療平臺更像‘如虎添翼’，但臨床診斷需要邏輯推理能力，AI尚無法模擬臨床上的因果關系，同時在兼容性方面，AI的學習也會出現偏移。”呂軍說。

作為天津市胸科醫院AI技術支持方，零氪科技AI團隊產品經理張建華認為，醫療AI目前像“還沒有做出太多成績的小學生”，涉足醫學診療的“深水區”，產品還需要不斷地在真實世界研究的場景下，進行迭代升級。

事實上，為了推進AI在醫療場景中的真正落地，零氪AI團隊與天津市胸科醫院緊密合作，通過建立微信群，實時與臨床醫生進行充分交流。“我們十分看重醫生的臨床使用反饋，這有助于我們不斷打磨產品，讓AI真正融入到醫生的工作場景中。”據張建華介紹，對于一些小的修改，一般當天就會有技術人員前往醫院解決；而對于一些較大調整，團隊會依據解決方案，對平臺進行迭代升級。

人工智能和大數據就像一枚硬幣的正反面那樣密不可分，零氪基于高質量的數據，使AI產品的設計不盲目追求規模化，而是聚焦單病種全流程平臺的研發，讓AI走出實驗室，讓算法在臨床場景進一步驗證和提升。在不斷對AI進行優化升級的同時，團隊也在積極探索一項多中心、前瞻性、隨機對照的臨床試驗研究，希望進一步推動醫療AI功能落地，為臨床應用提供更多證據。

敬畏生命，科技向善。醫學AI的應用不僅能一定程度上解決肺小結節原位癌的診斷“難題”，未來在臨床診療、醫學科研等方面都將發揮巨大價值。實現這一愿景的關鍵在于醫療AI的應用，需要始終緊盯臨床落地價值，重點關注實際應用而非停留在技術提升實驗室結果層面，在不斷解鎖生命密碼的過程中，創造務實而有溫度的醫學人工智能。