天医斗智，花落谁家？人机大战，战火来袭！本周六（6月30日），由国家神经系统疾病临床医学研究中心、首都医科大学人脑保护高精尖创新中心和中国卒中学会联合主办的“CHAIN”杯全球首次神经影像人工智能（AI）人机大赛全球总决赛即将正式登录中国卒中学会学术年会暨天坛国际脑血管病会议(CSA&TISC)。
目前，赛事的各项筹备工作已就绪，全球25名神经系统疾病诊断专业选手组成的“人类战队”集结完毕，他们中，既有国际神经影像诊断领域享有盛誉的专家，也有具备几十年影像工作经验，“火眼金睛”的资深影像科“大咖”，更有刚刚工作不到半年的青年影像科“新秀”。
怀揣着对神经影像领域疾病诊断的自信以及对AI技术发展水平的好奇，届时他们将与“BIoMind天医智”在颅内肿瘤、脑血管疾病CT、MRI影像判读及血肿预测等方面同场竞技，切磋技艺。
此次人类选手的对手——“BioMind天医智”实力也不容小视，作为全球首款头部疾病（涵盖脑肿瘤、小血管病变、大血管病变和卒中等）MRI、CT影像AI辅助诊断的整体应用产品，它由全球首家神经疾病AI研究中心和首都医科大学人脑保护高精尖创新中心共同研发完成。
虽然“BioMind天医智”学习的时间并不长，但“拜师”首都医科大学附属北京天坛医院神经影像学中心主任高培毅教授后，它已成为天坛医院神经影像团队最“年轻”的入室弟子。通过对首都医科大学附属北京天坛医院近十年接诊的数万余神经系统相关疾病病例影像的系统学习，“BioMind天医智”在脑膜瘤、胶质瘤等常见病领域的磁共振影像诊断，准确率已达到90%以上，相当于一个高级职称医师级别的水平，实力不容小觑。
6月30日，全球首场神经影像诊断AI对决将拉开战幕，面对“一目千行”、“过目不忘”的AI对手，人类选手实力如何？业内“大咖”又是如何预测这次比赛结果的？
特约评委：中国医师协会神经内科医师分会会长、重庆医科大学神经科学中心主任、国家973项目首席科学家
谢鹏：“这是医学领域一场既有意义又有趣的比赛”
“非常荣幸能以评委的身份参与到这场‘大战’中来，它非常有意义，相信，在神经系统疾病的诊断上，未来，AI一定可以极大地为临床医生提供帮助，因此，首都医学大学附属北京天坛医院研发的这套‘BioMind天医智’系统也是AI发展史上的一个极大进步。另外，这场比赛很有意思，用AI的方法对战脑智能的发源地，在脑部疾病的诊断上相互切磋，对人类既往无法探查清楚的复杂疾病的认识上，有很大帮助。
现在，AI是非常流行的话题，特别是AlphaGo在围棋上数次打败人类以后，人们开始认识到AI超凡的实力。但即使是AI全胜的围棋比赛，一场下来几十位选手的交战中，我从不认为人类的每一步棋都是输给计算机的，有些方面，人类比计算机的思路更精妙。
在复杂的医学领域，每一次疾病的诊断都是非常大的概率事件，每一位患者都可能存在非常特殊的情况，也许患者的症状一点都不典型，但最终结果就是指向某一个疾病，更为依赖人的精准判断。
因此，我觉得这次比赛关键可能是如何去设定规则，如果是对已有知识的诊断来说，从大数据深度学习的概率上看，AI获胜的概率更大。但在一些新的、特定的、目前医学界也还没有太多共识的疾病领域，AI还‘搞’不过人类。”
特约评委：中山大学第三附属医院神经科二级教授、一级主任医师，博士生导师
胡学强：“在判断的准确率和速度上，人类可能还不是AI的对手”
“单纯预估比赛结果，我还是比较‘悲观’的，在判断的准确率和速度上，恐怕人类不是AI的对手。AI可以把各种肿瘤的形态、部位、不同情况都输入系统进行学习，即使是多位医生一同参与对抗，人的知识储备可能依然远不及电脑那么丰富和准确。因此，人的价值必须要在更复杂的病例中来体现，比分析能力，人类获胜的希望就高了很多。
但我认为这次比赛的意义不在于谁输谁赢，近年来，随互联网技术和大数据手段的提升，如何更好地利用新技术提升医疗服务的效率，是非常值得研究的问题。特别是AI在疾病形态方面的学习和判断，下一步肯定是大有作为。当然，我在神经系统疾病领域工作了40多年，疾病是‘活的’，配合复杂的患者情况，远不能只根据形态来决定，必须需要医生进行综合判断。总之，我坚信，AI最终替代不了医生。”
选手：席一斌（西京医院放射科医生）
“最好奇的是高培毅教授究竟是怎么和AI交流的？”
“AI真的可以学会十多种肿瘤影像的识别和判断？这是我最好奇的。我在西京医院工作了8年，近几年非常关注AI的发展。特别是近两年，科技进步越来越快，有些发展已超出我之前认知的范围，我们也在做和AI相关的研究和应用，即通过影像对胶质瘤相关分子病理的简单预测，停留在是或不是的一种识别预测。
我认为，AI未来肯定会在很多领域代替人的工作，特别是辅助人类提升工作效率。目前，我国影像科整体人员缺少，工作负荷很重，如果这套AI可以应用到临床，一定能减轻一线医生的工作压力，改善他们的工作环境和工作条件。特别是帮助基层医院提高诊断效能和准确性，与上级医院实现联动，得到上级医院的经验与指导，是对基层医院间接起到了培训作用。
非常高兴能进入决赛和更多的专家、选手进行交流，我最想知道的是，这套AI系统的背后究竟用了多少病例数据、包括哪些肿瘤的识别、是只有常见肿瘤还是也包括罕见肿瘤？罕见肿瘤的发病率很低，AI应该如何学习？比赛的形式，是用独立样本，还是训练样本？
这套AI系统是在跟随高培毅教授学习，如果机器真的在某些疾病上能达到高教授的水平，则打败我们的几率非常大。不过我更好奇的是高教授是如何与AI交流的，使其除有一个是或不是的反馈外，是否还能实现更复杂的交流和教育，特别是在一些发病率很低的罕见病方面，没有大样本量，容易和其他疾病产生误差，如何与它实现复杂交流？非常希望有机会可以请教。
单纯比速度，我们整队人可能都不是AI的对手，但如果决赛的题目中有疑难的神经肿瘤判断，那么，我们人类赢下比赛的可能性会更大。据了解，最后的比赛形式是人类选手组团应战AI，应该主要靠整体发挥，希望能战胜AI。”