人工智能在塵肺病診斷預(yù)防的應(yīng)用路徑

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能在塵肺病診斷預(yù)防的應(yīng)用路徑范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

【摘要】人工智能診斷塵肺病技術(shù)的出現(xiàn)，為解決一直困擾職業(yè)健康檢查和塵肺病診斷的焦點(diǎn)“DR讀片問題”帶來了新的手段與方法。通過人工智能算法分析，從粉塵作業(yè)人員中早期發(fā)現(xiàn)潛在的塵肺病疑似患者，對(duì)減少塵肺病的新發(fā)病數(shù)，令工傷保險(xiǎn)的作用前移，從而達(dá)到早預(yù)防、少發(fā)病、預(yù)防未病，具有重要作用。

【關(guān)鍵詞】塵肺?。蝗斯ぶ悄茉\斷；預(yù)防

塵肺病是我國(guó)發(fā)病人數(shù)最多的職業(yè)病。由于塵肺病診斷的復(fù)雜性和特殊性，曾出現(xiàn)如“開胸驗(yàn)肺”等傷害塵肺病患者的事件，還在某些地區(qū)發(fā)生因塵肺診斷結(jié)果誤差大而引發(fā)的職業(yè)病診斷法律責(zé)任問題。如何精確地診斷塵肺病，既不漏過任何一個(gè)需要保障的塵肺病患者，又可控制工傷保險(xiǎn)基金的流失，是當(dāng)前工傷保險(xiǎn)面臨的任務(wù)之一。人工智能診斷塵肺病技術(shù)的出現(xiàn)，為解決職業(yè)健康檢查和塵肺病診斷的焦點(diǎn)“DR①讀片問題”帶來了新的手段與方法。人工智能技術(shù)在塵肺病篩查和質(zhì)量控制中的運(yùn)用取得了良好的效果。

1研究焦點(diǎn)

提及塵肺病，首先應(yīng)明確幾個(gè)基本概念。塵肺病的臨床表現(xiàn)是粉塵作業(yè)人員長(zhǎng)期在接塵環(huán)境中工作而導(dǎo)致的肺部纖維化（特發(fā)性肺纖維化）。肺纖維化是一個(gè)長(zhǎng)期漸變的過程，因此塵肺病屬于慢性病。塵肺病是可預(yù)防的，當(dāng)下就塵肺病而言，工傷保險(xiǎn)如何強(qiáng)化塵肺病預(yù)防是值得系統(tǒng)研究的重要課題。

2工傷保險(xiǎn)機(jī)構(gòu)面臨的問題

2.1職業(yè)健康體檢質(zhì)量監(jiān)督難度大，職業(yè)病發(fā)病數(shù)據(jù)失真

作為二級(jí)預(yù)防的職業(yè)健康檢查一直存在缺乏有經(jīng)驗(yàn)的職業(yè)病診斷醫(yī)生的問題。近兩年，很多省市原有的公立職業(yè)健康體檢機(jī)構(gòu)逐漸退出體檢行業(yè)，同期，眾多新備案的民營(yíng)體檢中心開始承接業(yè)務(wù)。但由于新成立的體檢機(jī)構(gòu)缺乏能力建設(shè)，職業(yè)健康檢查的整體質(zhì)量面臨巨大挑戰(zhàn)。同時(shí)，各省職業(yè)病防治院作為職業(yè)健康檢查的質(zhì)量監(jiān)督機(jī)構(gòu)，要面對(duì)全省的職業(yè)健康體檢機(jī)構(gòu)，很難做到全面有效的監(jiān)督檢查，可能導(dǎo)致職業(yè)病發(fā)病數(shù)據(jù)失真。

2.2診斷一致性導(dǎo)致的診斷結(jié)論爭(zhēng)議

2.2.1塵肺病診斷中除職業(yè)史、接塵史、既往病史外，最為重要的就是X光胸片的結(jié)論。X光片屬于醫(yī)學(xué)影像范疇，從技術(shù)上就很難去除“讀片誤差”。這種誤差具體體現(xiàn)在：（1）讀片者讀片能力和經(jīng)驗(yàn)導(dǎo)致的差異；（2）讀片者個(gè)人狀態(tài)和環(huán)境導(dǎo)致的差異；（3）X光片拍攝質(zhì)量導(dǎo)致的讀片差異；（4）疑難問題，區(qū)分塵肺初期或者復(fù)雜病情鑒別診斷所導(dǎo)致的讀片差異。據(jù)全國(guó)職業(yè)病醫(yī)師指定教材《塵肺病》統(tǒng)計(jì)的數(shù)據(jù)顯示，在一組專家的讀片中，塵肺病的讀片差異率在18.8%-33.2%，平均為22.5%；而經(jīng)驗(yàn)不多的醫(yī)生和經(jīng)驗(yàn)豐富的醫(yī)生之間讀片差異率可達(dá)到75.6%。這是制約塵肺診斷一致性提高的關(guān)鍵因素。

2.2.2塵肺病作為法定職業(yè)病，診斷和認(rèn)定會(huì)涉及到經(jīng)濟(jì)利益。這就導(dǎo)致了其中一些按照國(guó)家標(biāo)準(zhǔn)原本不應(yīng)該被診斷為塵肺病的人會(huì)希望醫(yī)生幫助他們?cè)\斷為塵肺病。同時(shí)，某些醫(yī)生出于同情而在診斷中偏向把原本應(yīng)診斷為塵肺0期的疑似人員診斷為塵肺1期。與之相反，企業(yè)作為塵肺病患者的責(zé)任人，往往要承擔(dān)代價(jià)不菲的賠償。因此，有些企業(yè)會(huì)要求體檢機(jī)構(gòu)在例行的職業(yè)健康檢查中少報(bào)甚者不報(bào)塵肺病發(fā)病情況，質(zhì)疑甚至希望改變某些塵肺檢查為陽(yáng)性的診斷結(jié)果。以上，前者傷害了國(guó)家和企業(yè)的利益，造成了工傷保險(xiǎn)基金的損失；后者傷害了以農(nóng)民工為主體的弱勢(shì)接塵勞動(dòng)者的權(quán)益。

3科技創(chuàng)新在塵肺病篩查方面的應(yīng)用

3.1人工智能技術(shù)的發(fā)展及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用

隨著新一代人工智能（AI）技術(shù)的突破，使計(jì)算機(jī)在原來必須由醫(yī)生完成的醫(yī)學(xué)影像讀片工作上取得了突破。在肺結(jié)節(jié)篩查、糖尿病視網(wǎng)膜病變篩查、乳腺癌篩查、冠心病影像解讀等多方面產(chǎn)生了有代表性的應(yīng)用。同樣，在塵肺病陰陽(yáng)性篩查方面，經(jīng)過數(shù)年來的發(fā)展，業(yè)界在作為塵肺病診斷標(biāo)準(zhǔn)的數(shù)字化X線胸片的AI識(shí)別算法上取得了重大突破。

3.2人工智能塵肺病算法的難點(diǎn)和獨(dú)特性

由于數(shù)據(jù)量有限、標(biāo)注困難、單張片子尺寸大、信息量多等專有的特點(diǎn)，塵肺病人工智能算法需要采用特別的算法和網(wǎng)絡(luò)結(jié)構(gòu)。塵肺病的診斷樣本標(biāo)注非常困難，對(duì)于一個(gè)權(quán)威專家，標(biāo)注一張X光圖片都需要幾分鐘甚至更多時(shí)間，這嚴(yán)重限制了數(shù)據(jù)集的規(guī)模。而在訓(xùn)練樣本不足的情況下，隨機(jī)梯度下降很容易在小數(shù)據(jù)集上過度匹配，從而嚴(yán)重影響訓(xùn)練效果。針對(duì)這些問題，業(yè)界專家提出新的算法，如TMinit。在此算法下，通過樣本的全局統(tǒng)計(jì)分布特性對(duì)網(wǎng)絡(luò)進(jìn)行初始化。這種算法極大增強(qiáng)了模型在測(cè)試集上的魯棒性②。實(shí)驗(yàn)表面，采用TMinit算法，訓(xùn)練時(shí)間降低了5—10倍，而模型訓(xùn)練精度提高了5個(gè)百分點(diǎn)以上。

3.3塵肺病人工智能篩查系統(tǒng)應(yīng)用現(xiàn)狀

塵肺病人工智能篩查系統(tǒng)已經(jīng)部署并應(yīng)用到國(guó)內(nèi)多家職業(yè)病防治機(jī)構(gòu)和職業(yè)健康體檢機(jī)構(gòu)中，正在成為幫助職業(yè)病醫(yī)生診斷的得力幫手和有效手段。以某省級(jí)職防院的應(yīng)用為例。該院自2018年12月開始使用人工智能塵肺病篩查系統(tǒng)，經(jīng)過一年多的試用，效果良好。現(xiàn)已部署到院內(nèi)放射科和體檢車中，幫助職業(yè)病醫(yī)師和放射醫(yī)師進(jìn)行粉塵作業(yè)人員健康檢查的X光篩查。應(yīng)用說明如下：（1）體檢篩查①應(yīng)用時(shí)間：2018年12月-2019年12月；②篩查總數(shù)：11225例；③篩查結(jié)果為疑似陽(yáng)性總數(shù)：935例；④篩查結(jié)果為陰性總數(shù)：10290例；⑤每病例分析時(shí)間：<0.5秒。與人工讀片相比，速度提升了兩個(gè)數(shù)量級(jí)。（2）診斷一致性分析①驗(yàn)證人工智能系統(tǒng)的準(zhǔn)確性、敏感性和特異性（見表1）準(zhǔn)確性在此驗(yàn)證集上達(dá)到了98%。②分析某省級(jí)職防院診斷專家的一致性，在此組X光病例集中，院方專家的一致性是93.9%。在此測(cè)試中，塵肺病人工智能模型在區(qū)分是否塵肺陽(yáng)性的讀片一致性上，達(dá)到了不低于省級(jí)職防院有經(jīng)驗(yàn)塵肺診斷醫(yī)師的水平。

4適用場(chǎng)景及意義

4.1塵肺病早期預(yù)防監(jiān)測(cè)

通過人工智能算法分析，從粉塵作業(yè)人員中早期發(fā)現(xiàn)潛在的塵肺病疑似患者，可用于提醒督促企業(yè)改善生產(chǎn)環(huán)境、讓高概率患?jí)m肺病的粉塵作業(yè)人員及時(shí)轉(zhuǎn)崗，以阻止或延后該接塵職工成為塵肺病患者。減少塵肺病的新發(fā)病數(shù)，令工傷保險(xiǎn)的作用前移，達(dá)到早預(yù)防、少發(fā)病、預(yù)防未病的目的。

4.2監(jiān)管部門大規(guī)模摸底篩查

針對(duì)原來全國(guó)塵肺病發(fā)病情況摸底難的問題，智能平臺(tái)可以幫助監(jiān)管部門進(jìn)行準(zhǔn)確有效的大規(guī)模普查，最大程度還原真實(shí)發(fā)病情況。通過實(shí)時(shí)監(jiān)測(cè)，對(duì)風(fēng)險(xiǎn)進(jìn)行控制，在問題暴發(fā)前可及時(shí)預(yù)警，從而避免先前大規(guī)模流調(diào)時(shí)存在的人力不足、成本過高、抽樣誤差大、數(shù)據(jù)質(zhì)量差等問題。真正幫助監(jiān)管部門做到情況（數(shù)據(jù)）了然于胸。

4.3公立職業(yè)病醫(yī)療機(jī)構(gòu)的診斷一致性分析

塵肺病人工智能篩查系統(tǒng)可以準(zhǔn)確匯總分析職業(yè)病醫(yī)師診斷的一致性，可以得出每一張X光片針對(duì)不同職業(yè)病醫(yī)師讀片的相對(duì)“一致性”數(shù)據(jù)。大量讀片分析后可以得到職業(yè)病醫(yī)生的基本一致性數(shù)據(jù)。

4.4公立職業(yè)病醫(yī)療機(jī)構(gòu)的體檢篩查

全國(guó)各地職業(yè)病防治院每年都面臨著不定期大量集中體檢的巨大壓力。體檢人員中超過90%的被檢者屬正常人群，而職防院需要消耗大量的人力、時(shí)間用于接塵職工的篩查。應(yīng)用智能輔助篩查系統(tǒng)能篩掉90%以上沒有問題的片子，醫(yī)生只需對(duì)剩余陽(yáng)性的檢查結(jié)果做進(jìn)一步的診斷，效率最多可以提升一個(gè)量級(jí)，單位時(shí)間可以完成更多、更高質(zhì)量的體檢任務(wù)。

4.5區(qū)域質(zhì)控中心的質(zhì)量復(fù)核

塵肺病診斷和職業(yè)健康檢查的質(zhì)控監(jiān)督工作人員少、壓力大、難以有效覆蓋。應(yīng)用智能輔助篩查系統(tǒng)可以分析報(bào)告的一致性，找到問題，對(duì)體檢機(jī)構(gòu)進(jìn)行有效監(jiān)督。

4.6民營(yíng)體檢機(jī)構(gòu)的能力問題

引入塵肺病智能輔助篩查系統(tǒng)后，將解決民營(yíng)機(jī)構(gòu)合格醫(yī)師不足、外送讀片成本高、篩查時(shí)間長(zhǎng)的問題。體檢速度、質(zhì)量將大幅提升，有助降低成本。

5建議

5.1流程中加入人工智能塵肺病手段評(píng)估診斷一致性來保證診斷的客觀性

通過在診斷階段或者工傷認(rèn)定階段部署塵肺病人工智能系統(tǒng)，作為第三方手段衡量塵肺診斷的一致性，避免出現(xiàn)某些省市曾經(jīng)出現(xiàn)的“用一些醫(yī)生的診斷結(jié)論去衡量另外一些醫(yī)生的診斷結(jié)果”。此處人工智能應(yīng)用并不是作為“金標(biāo)準(zhǔn)”來替代醫(yī)生診斷，而是從計(jì)算機(jī)的角度更為客觀地衡量醫(yī)生診斷的一致性。

5.2將工傷預(yù)防費(fèi)用于企業(yè)的塵肺病預(yù)防控制管理

根據(jù)2017年8月人社部、財(cái)政部、原衛(wèi)計(jì)委、安監(jiān)總局聯(lián)合印發(fā)的《工傷預(yù)防費(fèi)使用管理暫行辦法》，規(guī)定每年可以用不超過統(tǒng)籌地區(qū)上年度工傷保險(xiǎn)基金征繳收入3%的資金用于開展工傷預(yù)防工作的費(fèi)用。人工智能手段可以幫助企業(yè)做好健康管理、監(jiān)護(hù)和預(yù)防工作，讓企業(yè)對(duì)員工的健康情況有長(zhǎng)期、準(zhǔn)確的了解?？稍趩T工發(fā)病之前通過轉(zhuǎn)崗、重新培訓(xùn)等手段避免、減輕或延遲員工的發(fā)病。建議工傷保險(xiǎn)基金可在宣傳和教育外增加一項(xiàng)工傷預(yù)防費(fèi)分類，以積極主動(dòng)的預(yù)防監(jiān)控，從源頭上控制塵肺病的發(fā)病可能，達(dá)到控源頭、減發(fā)病、降支出的目標(biāo)。

【參考文獻(xiàn)】

[1]朱秋鴻,王煥強(qiáng),余晨,等.塵肺病影像學(xué)診斷技術(shù)研究進(jìn)展[J].環(huán)境與職業(yè)醫(yī)學(xué)，2011.

[2]毛翎,彭莉君,王煥強(qiáng).塵肺病治療中國(guó)專家共識(shí)（2018年版）[J].環(huán)境與職業(yè)醫(yī)學(xué),2018,35(8):677-688.

[3]毛翎，黃建安，周韶?zé)?，?直讀數(shù)字式攝影應(yīng)用于塵肺病診斷的可行性研究[J].環(huán)境與職業(yè)醫(yī)學(xué)，2011.

[4]GBZ70-2015，國(guó)家衛(wèi)生計(jì)生委.職業(yè)性塵肺病的診斷[S].北京:中國(guó)標(biāo)準(zhǔn)出版社，2016.

[5]國(guó)家藥品監(jiān)督管理局醫(yī)療器械技術(shù)審評(píng)中心官網(wǎng).深度學(xué)習(xí)輔助決策醫(yī)療器械軟件審評(píng)要點(diǎn)[EB/OL].2019-07-03.

[6]毛翎.塵肺病診斷中差異率是客觀存在的[N].醫(yī)師報(bào)，2018-3-22(2).

[7]李巖,孫大為,張毅南,等.直接數(shù)字化X射線攝影在塵肺病診斷中應(yīng)用研究[J].中國(guó)職業(yè)醫(yī)學(xué),2012，39(6).

作者：徐明 單位：中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)醫(yī)學(xué)人工智能分會(huì)