人工智能在塵肺病診斷預防的應用路徑

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防的應用路徑范文，希望能給你帶來靈感和參考，敬請閱讀。

【摘要】人工智能診斷塵肺病技術的出現，為解決一直困擾職業健康檢查和塵肺病診斷的焦點“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，從粉塵作業人員中早期發現潛在的塵肺病疑似患者，對減少塵肺病的新發病數，令工傷保險的作用前移，從而達到早預防、少發病、預防未病，具有重要作用。

【關鍵詞】塵肺病；人工智能診斷；預防

塵肺病是我國發病人數最多的職業病。由于塵肺病診斷的復雜性和特殊性，曾出現如“開胸驗肺”等傷害塵肺病患者的事件，還在某些地區發生因塵肺診斷結果誤差大而引發的職業病診斷法律責任問題。如何精確地診斷塵肺病，既不漏過任何一個需要保障的塵肺病患者，又可控制工傷保險基金的流失，是當前工傷保險面臨的任務之一。人工智能診斷塵肺病技術的出現，為解決職業健康檢查和塵肺病診斷的焦點“DR①讀片問題”帶來了新的手段與方法。人工智能技術在塵肺病篩查和質量控制中的運用取得了良好的效果。

1研究焦點

提及塵肺病，首先應明確幾個基本概念。塵肺病的臨床表現是粉塵作業人員長期在接塵環境中工作而導致的肺部纖維化（特發性肺纖維化）。肺纖維化是一個長期漸變的過程，因此塵肺病屬于慢性病。塵肺病是可預防的，當下就塵肺病而言，工傷保險如何強化塵肺病預防是值得系統研究的重要課題。

2工傷保險機構面臨的問題

2.1職業健康體檢質量監督難度大，職業病發病數據失真

作為二級預防的職業健康檢查一直存在缺乏有經驗的職業病診斷醫生的問題。近兩年，很多省市原有的公立職業健康體檢機構逐漸退出體檢行業，同期，眾多新備案的民營體檢中心開始承接業務。但由于新成立的體檢機構缺乏能力建設，職業健康檢查的整體質量面臨巨大挑戰。同時，各省職業病防治院作為職業健康檢查的質量監督機構，要面對全省的職業健康體檢機構，很難做到全面有效的監督檢查，可能導致職業病發病數據失真。

2.2診斷一致性導致的診斷結論爭議

2.2.1塵肺病診斷中除職業史、接塵史、既往病史外，最為重要的就是X光胸片的結論。X光片屬于醫學影像范疇，從技術上就很難去除“讀片誤差”。這種誤差具體體現在：（1）讀片者讀片能力和經驗導致的差異；（2）讀片者個人狀態和環境導致的差異；（3）X光片拍攝質量導致的讀片差異；（4）疑難問題，區分塵肺初期或者復雜病情鑒別診斷所導致的讀片差異。據全國職業病醫師指定教材《塵肺病》統計的數據顯示，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%；而經驗不多的醫生和經驗豐富的醫生之間讀片差異率可達到75.6%。這是制約塵肺診斷一致性提高的關鍵因素。

2.2.2塵肺病作為法定職業病，診斷和認定會涉及到經濟利益。這就導致了其中一些按照國家標準原本不應該被診斷為塵肺病的人會希望醫生幫助他們診斷為塵肺病。同時，某些醫生出于同情而在診斷中偏向把原本應診斷為塵肺0期的疑似人員診斷為塵肺1期。與之相反，企業作為塵肺病患者的責任人，往往要承擔代價不菲的賠償。因此，有些企業會要求體檢機構在例行的職業健康檢查中少報甚者不報塵肺病發病情況，質疑甚至希望改變某些塵肺檢查為陽性的診斷結果。以上，前者傷害了國家和企業的利益，造成了工傷保險基金的損失；后者傷害了以農民工為主體的弱勢接塵勞動者的權益。

3科技創新在塵肺病篩查方面的應用

3.1人工智能技術的發展及其在醫學領域的應用

隨著新一代人工智能（AI）技術的突破，使計算機在原來必須由醫生完成的醫學影像讀片工作上取得了突破。在肺結節篩查、糖尿病視網膜病變篩查、乳腺癌篩查、冠心病影像解讀等多方面產生了有代表性的應用。同樣，在塵肺病陰陽性篩查方面，經過數年來的發展，業界在作為塵肺病診斷標準的數字化X線胸片的AI識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和獨特性

由于數據量有限、標注困難、單張片子尺寸大、信息量多等專有的特點，塵肺病人工智能算法需要采用特別的算法和網絡結構。塵肺病的診斷樣本標注非常困難，對于一個權威專家，標注一張X光圖片都需要幾分鐘甚至更多時間，這嚴重限制了數據集的規模。而在訓練樣本不足的情況下，隨機梯度下降很容易在小數據集上過度匹配，從而嚴重影響訓練效果。針對這些問題，業界專家提出新的算法，如TMinit。在此算法下，通過樣本的全局統計分布特性對網絡進行初始化。這種算法極大增強了模型在測試集上的魯棒性②。實驗表面，采用TMinit算法，訓練時間降低了5—10倍，而模型訓練精度提高了5個百分點以上。

3.3塵肺病人工智能篩查系統應用現狀

塵肺病人工智能篩查系統已經部署并應用到國內多家職業病防治機構和職業健康體檢機構中，正在成為幫助職業病醫生診斷的得力幫手和有效手段。以某省級職防院的應用為例。該院自2018年12月開始使用人工智能塵肺病篩查系統，經過一年多的試用，效果良好。現已部署到院內放射科和體檢車中，幫助職業病醫師和放射醫師進行粉塵作業人員健康檢查的X光篩查。應用說明如下：（1）體檢篩查①應用時間：2018年12月-2019年12月；②篩查總數：11225例；③篩查結果為疑似陽性總數：935例；④篩查結果為陰性總數：10290例；⑤每病例分析時間：<0.5秒。與人工讀片相比，速度提升了兩個數量級。（2）診斷一致性分析①驗證人工智能系統的準確性、敏感性和特異性（見表1）準確性在此驗證集上達到了98%。②分析某省級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%。在此測試中，塵肺病人工智能模型在區分是否塵肺陽性的讀片一致性上，達到了不低于省級職防院有經驗塵肺診斷醫師的水平。

4適用場景及意義

4.1塵肺病早期預防監測

通過人工智能算法分析，從粉塵作業人員中早期發現潛在的塵肺病疑似患者，可用于提醒督促企業改善生產環境、讓高概率患塵肺病的粉塵作業人員及時轉崗，以阻止或延后該接塵職工成為塵肺病患者。減少塵肺病的新發病數，令工傷保險的作用前移，達到早預防、少發病、預防未病的目的。

4.2監管部門大規模摸底篩查

針對原來全國塵肺病發病情況摸底難的問題，智能平臺可以幫助監管部門進行準確有效的大規模普查，最大程度還原真實發病情況。通過實時監測，對風險進行控制，在問題暴發前可及時預警，從而避免先前大規模流調時存在的人力不足、成本過高、抽樣誤差大、數據質量差等問題。真正幫助監管部門做到情況（數據）了然于胸。

4.3公立職業病醫療機構的診斷一致性分析

塵肺病人工智能篩查系統可以準確匯總分析職業病醫師診斷的一致性，可以得出每一張X光片針對不同職業病醫師讀片的相對“一致性”數據。大量讀片分析后可以得到職業病醫生的基本一致性數據。

4.4公立職業病醫療機構的體檢篩查

全國各地職業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、時間用于接塵職工的篩查。應用智能輔助篩查系統能篩掉90%以上沒有問題的片子，醫生只需對剩余陽性的檢查結果做進一步的診斷，效率最多可以提升一個量級，單位時間可以完成更多、更高質量的體檢任務。

4.5區域質控中心的質量復核

塵肺病診斷和職業健康檢查的質控監督工作人員少、壓力大、難以有效覆蓋。應用智能輔助篩查系統可以分析報告的一致性，找到問題，對體檢機構進行有效監督。

4.6民營體檢機構的能力問題

引入塵肺病智能輔助篩查系統后，將解決民營機構合格醫師不足、外送讀片成本高、篩查時間長的問題。體檢速度、質量將大幅提升，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定階段部署塵肺病人工智能系統，作為第三方手段衡量塵肺診斷的一致性，避免出現某些省市曾經出現的“用一些醫生的診斷結論去衡量另外一些醫生的診斷結果”。此處人工智能應用并不是作為“金標準”來替代醫生診斷，而是從計算機的角度更為客觀地衡量醫生診斷的一致性。

5.2將工傷預防費用于企業的塵肺病預防控制管理

根據2017年8月人社部、財政部、原衛計委、安監總局聯合印發的《工傷預防費使用管理暫行辦法》，規定每年可以用不超過統籌地區上年度工傷保險基金征繳收入3%的資金用于開展工傷預防工作的費用。人工智能手段可以幫助企業做好健康管理、監護和預防工作，讓企業對員工的健康情況有長期、準確的了解。可在員工發病之前通過轉崗、重新培訓等手段避免、減輕或延遲員工的發病。建議工傷保險基金可在宣傳和教育外增加一項工傷預防費分類，以積極主動的預防監控，從源頭上控制塵肺病的發病可能，達到控源頭、減發病、降支出的目標。

【參考文獻】

[1]朱秋鴻,王煥強,余晨,等.塵肺病影像學診斷技術研究進展[J].環境與職業醫學，2011.

[2]毛翎,彭莉君,王煥強.塵肺病治療中國專家共識（2018年版）[J].環境與職業醫學,2018,35(8):677-688.

[3]毛翎，黃建安，周韶煒，等.直讀數字式攝影應用于塵肺病診斷的可行性研究[J].環境與職業醫學，2011.

[4]GBZ70-2015，國家衛生計生委.職業性塵肺病的診斷[S].北京:中國標準出版社，2016.

[5]國家藥品監督管理局醫療器械技術審評中心官網.深度學習輔助決策醫療器械軟件審評要點[EB/OL].2019-07-03.

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

[7]李巖,孫大為,張毅南,等.直接數字化X射線攝影在塵肺病診斷中應用研究[J].中國職業醫學,2012，39(6).

作者：徐明 單位：中國生物醫學工程學會醫學人工智能分會