系统性红斑狼疮（SLE）是一种多器官、多系统受累的自身免疫性疾病，死亡率高，难以治愈，且临床表现复杂多样，极易造成误诊和漏诊。人工智能（AI）作为医疗领域被多次热议的辅助诊断工具，未来是否可以用来辅助医生进行疾病的诊断呢？
在第十三届中国皮肤科医师年会暨全国美容皮肤科学大会上，中南大学湘雅二医院皮肤科尹恒博士对 SLE 资源收集、AI 辅助诊断系统的研发以及应用前景等问题，为我们进行了经验分享。
图 1 尹恒博士在本次会议中发表精彩演讲
二十载耕耘，致力于 SLE 资源采集
二十多年来，中南大学湘雅二医院皮肤科陆前进教授团队一直致力于 SLE 的临床与基础研究。他们最早于 2004 年开始建立了比较完善的 SLE 随访档案库，当时采用纸质表格，且只有文本数据，临床数据分析存在诸多不便。
为了推进 SLE 的临床研究，2009 年该团队自主研发了 SLE 临床与基础研究数据库。该数据库涵盖了患者的基本信息、临床资料、病理照片以及生物样本等基本数据，以及非常重要的流行病学调查数据。
2010 年，医学表观基因组学湖南省重点实验室成立，该实验室建设了一套较为完善的生物样本资源库，包括全血、血清、细胞、DNA、RNA、蛋白、组织等各类生物样本，红斑狼疮数据采集数近 3000 例。
2014 年，中南大学启动了临床大数据建设，陆前进教授团队承担了自身免疫性皮肤病临床大数据的建设工作。经过几年的建设，逐步形成了临床数据、科研数据、影像数据一体化的综合数据平台。
近年来，该团队还牵头进行了中国人群红斑狼疮多中心病例对照研究（LEMCSC），阐述了中国人群 1006 例红斑狼疮的临床特征。目前，医院仍在进一步完善皮肤镜、超声、皮肤 CT 等多维度数据的采集，以期更好的为临床应用研究服务。
AI 或可辅助医生诊断 SLE，成为皮肤科医生的好帮手
SLE 虽然临床表现复杂多样，但也并不是毫无特征可寻，如果可以找到某些特征，是否可以通过一些技术方法来帮助临床医生诊断疾病呢？湘雅二院皮肤团队在探索的过程中，受到了 AI 的启发。
人们逛公园时，会发现各种各样漂亮的鲜花，但是可能并不知道这些花的名称，那么「形色」软件（大拿科技研发的一款 AI 辅助诊断工具）可以解决这个问题，只要拍一张花的照片上传，系统便会告诉你花的名称以及纲目科属。如果可以做到拍图识花，那么同样是以形态学为识别基础的皮肤病诊断是否也可以做到「拍图识病」呢？
中南大学湘雅二医院的皮肤性病科在过去数年中收集了大量临床病例数据。为了进一步挖掘这些图像资源之中蕴藏的海量数据信息和疾病特定的内在规律，中南大学湘雅二医院、丁香园和大拿科技开展皮肤疾病智能辅助诊断系统的合作研究，帮助更多的皮肤科医生提高临床诊疗效率，并且为患者提供皮肤相关的疾病教育和服务。
在合作中，湘雅二医院拥有海量皮肤科临床数据资源，并以陆前进教授领衔的专家团队为皮肤病疾病特征的归纳和疾病诊断模型的建立提供专业支持。大拿科技作为一家人工智能公司，通过图像识别模型和对海量病例的学习，实现对皮肤病的人工智能辅助诊断。丁香园则整合医疗行业多方位的资源，连接医生、患者与医疗机构，在此次合作中参与系统的设计、开发与运营。
2017 年 5 月，作为阶段性研发成果，「皮肤病人工智能辅助诊断系统」第一期主要实现以红斑狼疮为代表的皮肤病人工智能辅助诊断。医生可通过手机把图像传到系统，系统会给出最有可能的是哪种皮肤病的识别结果，随后系统会建立皮肤病电子百科全书。这对于年轻医生而言，他们可通过电子百科全书去学习皮肤诊断的相关知识，并在临床工作方面起到了非常好的辅助作用。此套系统在红斑狼疮上的诊断已较为成熟，可区分红斑狼疮的不同种类，区别其他类似疾病的准确率也可达到 85% 以上。
截至目前，SLE 辅助诊断软件已经有了升级和迭代，上传一张图片，系统便会给出一个可能诊断的范围，随后会提供每种疾病相应的知识库。目前正在进行疾病典型性图像的汇入工作。将来系统不仅可自动识别，还能提供每种疾病的典型图片供使用者比对，进一步修正诊断和提高诊断的精确性。除此之外，系统还会链接到相应的知识库，除了能够辅助诊断疾病，还能够通过软件去学习此种疾病。
目前软件可支持 85 种左右疾病的诊断，整体的敏感性接近 84%，特异性为 97.44%。敏感性越高，疾病的漏诊率越低，更容易被识别；而特异性越高，疾病的误诊率将越低。且随着时间的推移，影像资源的发展越来越多，诊断的准确率会越来越高。
未来 AI 辅助诊断皮肤疾病发展何去何从？
皮肤病具有发病率高、病种繁多的特点。仅记载在册的皮肤疾病就多达 3000 余种，且皮损形态多种多样，部分皮损又极其相似。这给皮肤科医生、特别是基层皮肤科医生的临床诊断造成巨大挑战。AI 作为临床诊断决策辅助系统，对于医生和患者在一定程度上均起到了帮助作用。
（1）对于临床医生的辅助诊断价值
由于我国医疗资源的分布不均衡，特别是基层医生在一些复杂性疾病的诊断上还有待提高。AI 辅助诊断软件能够辅助医生，提高诊断效率和准确率。另外，还能够帮助医生进行疾病的学习，一定程度上提高了临床医生的学习效率。AI 辅助诊断软件还提供了图像管理的功能，可在系统中保存需要的图片，并可随时查询和导出。
（2）对于患者的价值
未来将有可能推出患者版本，患者可以拍照进行皮肤病的自测，第一时间获取所患疾病的基本信息，比如严重与否，是否需要紧急处理。一些疑难复杂病症还可推荐擅长的专家等。另一方面，系统还将精确地推送相关的疾病科普知识，帮助患者正确认识疾病，避免误入医疗陷阱。自我初诊还可根据疾病的严重性进行分级导诊，辅助推动医改的发展。
目前，AI 在各个领域飞速发展，给人们的生活带来了很大的影响，引发了社会的广泛关注。很多临床医生担心将来会被 AI 辅助诊断系统所取代。其实，AI 更多的是辅助医生的诊疗，而并非替代。
BBC 的研究者对 365 种工作数据进行分析得出结论：如果你的工作需要有社交能力、协商能力、人情变通的艺术、同情心，创新性等，那么被取代的可能性会很小；如果你的工作不需要任何天赋，只需要训练就可以掌握，而且是大量重复性的劳动，或者是不需要做一些创造性的工作，被替代的可能性会很大。
医学除了科学的理论，需要人文的关怀，更需要医生不断地探索未知、破解疾病之谜，而这些都是临床医生所无法被替代的重要工作。因此，在科技飞速发展的今天，AI 会给医学带来一定的帮助，但 AI 并不会取代医生。