【摘要】人工智能诊断尘肺病技术的出现，为解决一直困扰职业健康检查和尘肺病诊断的焦点“DR读片问题”带来了新的手段与方法。通过人工智能算法分析，从粉尘作业人员中早期发现潜在的尘肺病疑似患者，对减少尘肺病的新发病数，令工伤保险的作用前移，从而达到早预防、少发病、预防未病，具有重要作用。
【关键词】尘肺病；人工智能诊断；预防
尘肺病是我国发病人数最多的职业病。由于尘肺病诊断的复杂性和特殊性，曾出现如“开胸验肺”等伤害尘肺病患者的事件，还在某些地区发生因尘肺诊断结果误差大而引发的职业病诊断法律责任问题。如何精确地诊断尘肺病，既不漏过任何一个需要保障的尘肺病患者，又可控制工伤保险基金的流失，是当前工伤保险面临的任务之一。人工智能诊断尘肺病技术的出现，为解决职业健康检查和尘肺病诊断的焦点“DR①读片问题”带来了新的手段与方法。人工智能技术在尘肺病筛查和质量控制中的运用取得了良好的效果。
1研究焦点
提及尘肺病，首先应明确几个基本概念。尘肺病的临床表现是粉尘作业人员长期在接尘环境中工作而导致的肺部纤维化（特发性肺纤维化）。肺纤维化是一个长期渐变的过程，因此尘肺病属于慢性病。尘肺病是可预防的，当下就尘肺病而言，工伤保险如何强化尘肺病预防是值得系统研究的重要课题。
2工伤保险机构面临的问题
2.1职业健康体检质量监督难度大，职业病发病数据失真
作为二级预防的职业健康检查一直存在缺乏有经验的职业病诊断医生的问题。近两年，很多省市原有的公立职业健康体检机构逐渐退出体检行业，同期，众多新备案的民营体检中心开始承接业务。但由于新成立的体检机构缺乏能力建设，职业健康检查的整体质量面临巨大挑战。同时，各省职业病防治院作为职业健康检查的质量监督机构，要面对全省的职业健康体检机构，很难做到全面有效的监督检查，可能导致职业病发病数据失真。
2.2诊断一致性导致的诊断结论争议
2.2.1尘肺病诊断中除职业史、接尘史、既往病史外，最为重要的就是X光胸片的结论。X光片属于医学影像范畴，从技术上就很难去除“读片误差”。这种误差具体体现在：（1）读片者读片能力和经验导致的差异；（2）读片者个人状态和环境导致的差异；（3）X光片拍摄质量导致的读片差异；（4）疑难问题，区分尘肺初期或者复杂病情鉴别诊断所导致的读片差异。据全国职业病医师指定教材《尘肺病》统计的数据显示，在一组专家的读片中，尘肺病的读片差异率在18.8%-33.2%，平均为22.5%；而经验不多的医生和经验丰富的医生之间读片差异率可达到75.6%。这是制约尘肺诊断一致性提高的关键因素。
2.2.2尘肺病作为法定职业病，诊断和认定会涉及到经济利益。这就导致了其中一些按照国家标准原本不应该被诊断为尘肺病的人会希望医生帮助他们诊断为尘肺病。同时，某些医生出于同情而在诊断中偏向把原本应诊断为尘肺0期的疑似人员诊断为尘肺1期。与之相反，企业作为尘肺病患者的责任人，往往要承担代价不菲的赔偿。因此，有些企业会要求体检机构在例行的职业健康检查中少报甚者不报尘肺病发病情况，质疑甚至希望改变某些尘肺检查为阳性的诊断结果。以上，前者伤害了国家和企业的利益，造成了工伤保险基金的损失；后者伤害了以农民工为主体的弱势接尘劳动者的权益。
3科技创新在尘肺病筛查方面的应用
3.1人工智能技术的发展及其在医学领域的应用
随着新一代人工智能（AI）技术的突破，使计算机在原来必须由医生完成的医学影像读片工作上取得了突破。在肺结节筛查、糖尿病视网膜病变筛查、乳腺癌筛查、冠心病影像解读等多方面产生了有代表性的应用。同样，在尘肺病阴阳性筛查方面，经过数年来的发展，业界在作为尘肺病诊断标准的数字化X线胸片的AI识别算法上取得了重大突破。
3.2人工智能尘肺病算法的难点和独特性
由于数据量有限、标注困难、单张片子尺寸大、信息量多等专有的特点，尘肺病人工智能算法需要采用特别的算法和网络结构。尘肺病的诊断样本标注非常困难，对于一个权威专家，标注一张X光图片都需要几分钟甚至更多时间，这严重限制了数据集的规模。而在训练样本不足的情况下，随机梯度下降很容易在小数据集上过度匹配，从而严重影响训练效果。针对这些问题，业界专家提出新的算法，如TMinit。在此算法下，通过样本的全局统计分布特性对网络进行初始化。这种算法极大增强了模型在测试集上的鲁棒性②。实验表面，采用TMinit算法，训练时间降低了5—10倍，而模型训练精度提高了5个百分点以上。
3.3尘肺病人工智能筛查系统应用现状
尘肺病人工智能筛查系统已经部署并应用到国内多家职业病防治机构和职业健康体检机构中，正在成为帮助职业病医生诊断的得力帮手和有效手段。以某省级职防院的应用为例。该院自2018年12月开始使用人工智能尘肺病筛查系统，经过一年多的试用，效果良好。现已部署到院内放射科和体检车中，帮助职业病医师和放射医师进行粉尘作业人员健康检查的X光筛查。应用说明如下：（1）体检筛查①应用时间：2018年12月-2019年12月；②筛查总数：11225例；③筛查结果为疑似阳性总数：935例；④筛查结果为阴性总数：10290例；⑤每病例分析时间：<0.5秒。与人工读片相比，速度提升了两个数量级。（2）诊断一致性分析①验证人工智能系统的准确性、敏感性和特异性（见表1）准确性在此验证集上达到了98%。②分析某省级职防院诊断专家的一致性，在此组X光病例集中，院方专家的一致性是93.9%。在此测试中，尘肺病人工智能模型在区分是否尘肺阳性的读片一致性上，达到了不低于省级职防院有经验尘肺诊断医师的水平。
4适用场景及意义
4.1尘肺病早期预防监测
通过人工智能算法分析，从粉尘作业人员中早期发现潜在的尘肺病疑似患者，可用于提醒督促企业改善生产环境、让高概率患尘肺病的粉尘作业人员及时转岗，以阻止或延后该接尘职工成为尘肺病患者。减少尘肺病的新发病数，令工伤保险的作用前移，达到早预防、少发病、预防未病的目的。
4.2监管部门大规模摸底筛查
针对原来全国尘肺病发病情况摸底难的问题，智能平台可以帮助监管部门进行准确有效的大规模普查，最大程度还原真实发病情况。通过实时监测，对风险进行控制，在问题暴发前可及时预警，从而避免先前大规模流调时存在的人力不足、成本过高、抽样误差大、数据质量差等问题。真正帮助监管部门做到情况（数据）了然于胸。
4.3公立职业病医疗机构的诊断一致性分析
尘肺病人工智能筛查系统可以准确汇总分析职业病医师诊断的一致性，可以得出每一张X光片针对不同职业病医师读片的相对“一致性”数据。大量读片分析后可以得到职业病医生的基本一致性数据。
4.4公立职业病医疗机构的体检筛查
全国各地职业病防治院每年都面临着不定期大量集中体检的巨大压力。体检人员中超过90%的被检者属正常人群，而职防院需要消耗大量的人力、时间用于接尘职工的筛查。应用智能辅助筛查系统能筛掉90%以上没有问题的片子，医生只需对剩余阳性的检查结果做进一步的诊断，效率最多可以提升一个量级，单位时间可以完成更多、更高质量的体检任务。
4.5区域质控中心的质量复核
尘肺病诊断和职业健康检查的质控监督工作人员少、压力大、难以有效覆盖。应用智能辅助筛查系统可以分析报告的一致性，找到问题，对体检机构进行有效监督。
4.6民营体检机构的能力问题
引入尘肺病智能辅助筛查系统后，将解决民营机构合格医师不足、外送读片成本高、筛查时间长的问题。体检速度、质量将大幅提升，有助降低成本。
5建议
5.1流程中加入人工智能尘肺病手段评估诊断一致性来保证诊断的客观性
通过在诊断阶段或者工伤认定阶段部署尘肺病人工智能系统，作为第三方手段衡量尘肺诊断的一致性，避免出现某些省市曾经出现的“用一些医生的诊断结论去衡量另外一些医生的诊断结果”。此处人工智能应用并不是作为“金标准”来替代医生诊断，而是从计算机的角度更为客观地衡量医生诊断的一致性。
5.2将工伤预防费用于企业的尘肺病预防控制管理
根据2017年8月人社部、财政部、原卫计委、安监总局联合印发的《工伤预防费使用管理暂行办法》，规定每年可以用不超过统筹地区上年度工伤保险基金征缴收入3%的资金用于开展工伤预防工作的费用。人工智能手段可以帮助企业做好健康管理、监护和预防工作，让企业对员工的健康情况有长期、准确的了解。可在员工发病之前通过转岗、重新培训等手段避免、减轻或延迟员工的发病。建议工伤保险基金可在宣传和教育外增加一项工伤预防费分类，以积极主动的预防监控，从源头上控制尘肺病的发病可能，达到控源头、减发病、降支出的目标。
【参考文献】
[1]朱秋鸿,王焕强,余晨,等.尘肺病影像学诊断技术研究进展[J].环境与职业医学，2011.
[2]毛翎,彭莉君,王焕强.尘肺病治疗中国专家共识（2018年版）[J].环境与职业医学,2018,35(8):677-688.
[3]毛翎，黄建安，周韶炜，等.直读数字式摄影应用于尘肺病诊断的可行性研究[J].环境与职业医学，2011.
[4]GBZ70-2015，国家卫生计生委.职业性尘肺病的诊断[S].北京:中国标准出版社，2016.
[5]国家药品监督管理局医疗器械技术审评中心官网.深度学习辅助决策医疗器械软件审评要点[EB/OL].2019-07-03.
[6]毛翎.尘肺病诊断中差异率是客观存在的[N].医师报，2018-3-22(2).
[7]李岩,孙大为,张毅南,等.直接数字化X射线摄影在尘肺病诊断中应用研究[J].中国职业医学,2012，39(6).
作者：徐明 单位：中国生物医学工程学会医学人工智能分会
【关键词】尘肺病；人工智能诊断；预防
尘肺病是我国发病人数最多的职业病。由于尘肺病诊断的复杂性和特殊性，曾出现如“开胸验肺”等伤害尘肺病患者的事件，还在某些地区发生因尘肺诊断结果误差大而引发的职业病诊断法律责任问题。如何精确地诊断尘肺病，既不漏过任何一个需要保障的尘肺病患者，又可控制工伤保险基金的流失，是当前工伤保险面临的任务之一。人工智能诊断尘肺病技术的出现，为解决职业健康检查和尘肺病诊断的焦点“DR①读片问题”带来了新的手段与方法。人工智能技术在尘肺病筛查和质量控制中的运用取得了良好的效果。
1研究焦点
提及尘肺病，首先应明确几个基本概念。尘肺病的临床表现是粉尘作业人员长期在接尘环境中工作而导致的肺部纤维化（特发性肺纤维化）。肺纤维化是一个长期渐变的过程，因此尘肺病属于慢性病。尘肺病是可预防的，当下就尘肺病而言，工伤保险如何强化尘肺病预防是值得系统研究的重要课题。
2工伤保险机构面临的问题
2.1职业健康体检质量监督难度大，职业病发病数据失真
作为二级预防的职业健康检查一直存在缺乏有经验的职业病诊断医生的问题。近两年，很多省市原有的公立职业健康体检机构逐渐退出体检行业，同期，众多新备案的民营体检中心开始承接业务。但由于新成立的体检机构缺乏能力建设，职业健康检查的整体质量面临巨大挑战。同时，各省职业病防治院作为职业健康检查的质量监督机构，要面对全省的职业健康体检机构，很难做到全面有效的监督检查，可能导致职业病发病数据失真。
2.2诊断一致性导致的诊断结论争议
2.2.1尘肺病诊断中除职业史、接尘史、既往病史外，最为重要的就是X光胸片的结论。X光片属于医学影像范畴，从技术上就很难去除“读片误差”。这种误差具体体现在：（1）读片者读片能力和经验导致的差异；（2）读片者个人状态和环境导致的差异；（3）X光片拍摄质量导致的读片差异；（4）疑难问题，区分尘肺初期或者复杂病情鉴别诊断所导致的读片差异。据全国职业病医师指定教材《尘肺病》统计的数据显示，在一组专家的读片中，尘肺病的读片差异率在18.8%-33.2%，平均为22.5%；而经验不多的医生和经验丰富的医生之间读片差异率可达到75.6%。这是制约尘肺诊断一致性提高的关键因素。
2.2.2尘肺病作为法定职业病，诊断和认定会涉及到经济利益。这就导致了其中一些按照国家标准原本不应该被诊断为尘肺病的人会希望医生帮助他们诊断为尘肺病。同时，某些医生出于同情而在诊断中偏向把原本应诊断为尘肺0期的疑似人员诊断为尘肺1期。与之相反，企业作为尘肺病患者的责任人，往往要承担代价不菲的赔偿。因此，有些企业会要求体检机构在例行的职业健康检查中少报甚者不报尘肺病发病情况，质疑甚至希望改变某些尘肺检查为阳性的诊断结果。以上，前者伤害了国家和企业的利益，造成了工伤保险基金的损失；后者伤害了以农民工为主体的弱势接尘劳动者的权益。
3科技创新在尘肺病筛查方面的应用
3.1人工智能技术的发展及其在医学领域的应用
随着新一代人工智能（AI）技术的突破，使计算机在原来必须由医生完成的医学影像读片工作上取得了突破。在肺结节筛查、糖尿病视网膜病变筛查、乳腺癌筛查、冠心病影像解读等多方面产生了有代表性的应用。同样，在尘肺病阴阳性筛查方面，经过数年来的发展，业界在作为尘肺病诊断标准的数字化X线胸片的AI识别算法上取得了重大突破。
3.2人工智能尘肺病算法的难点和独特性
由于数据量有限、标注困难、单张片子尺寸大、信息量多等专有的特点，尘肺病人工智能算法需要采用特别的算法和网络结构。尘肺病的诊断样本标注非常困难，对于一个权威专家，标注一张X光图片都需要几分钟甚至更多时间，这严重限制了数据集的规模。而在训练样本不足的情况下，随机梯度下降很容易在小数据集上过度匹配，从而严重影响训练效果。针对这些问题，业界专家提出新的算法，如TMinit。在此算法下，通过样本的全局统计分布特性对网络进行初始化。这种算法极大增强了模型在测试集上的鲁棒性②。实验表面，采用TMinit算法，训练时间降低了5—10倍，而模型训练精度提高了5个百分点以上。
3.3尘肺病人工智能筛查系统应用现状
尘肺病人工智能筛查系统已经部署并应用到国内多家职业病防治机构和职业健康体检机构中，正在成为帮助职业病医生诊断的得力帮手和有效手段。以某省级职防院的应用为例。该院自2018年12月开始使用人工智能尘肺病筛查系统，经过一年多的试用，效果良好。现已部署到院内放射科和体检车中，帮助职业病医师和放射医师进行粉尘作业人员健康检查的X光筛查。应用说明如下：（1）体检筛查①应用时间：2018年12月-2019年12月；②筛查总数：11225例；③筛查结果为疑似阳性总数：935例；④筛查结果为阴性总数：10290例；⑤每病例分析时间：<0.5秒。与人工读片相比，速度提升了两个数量级。（2）诊断一致性分析①验证人工智能系统的准确性、敏感性和特异性（见表1）准确性在此验证集上达到了98%。②分析某省级职防院诊断专家的一致性，在此组X光病例集中，院方专家的一致性是93.9%。在此测试中，尘肺病人工智能模型在区分是否尘肺阳性的读片一致性上，达到了不低于省级职防院有经验尘肺诊断医师的水平。
4适用场景及意义
4.1尘肺病早期预防监测
通过人工智能算法分析，从粉尘作业人员中早期发现潜在的尘肺病疑似患者，可用于提醒督促企业改善生产环境、让高概率患尘肺病的粉尘作业人员及时转岗，以阻止或延后该接尘职工成为尘肺病患者。减少尘肺病的新发病数，令工伤保险的作用前移，达到早预防、少发病、预防未病的目的。
4.2监管部门大规模摸底筛查
针对原来全国尘肺病发病情况摸底难的问题，智能平台可以帮助监管部门进行准确有效的大规模普查，最大程度还原真实发病情况。通过实时监测，对风险进行控制，在问题暴发前可及时预警，从而避免先前大规模流调时存在的人力不足、成本过高、抽样误差大、数据质量差等问题。真正帮助监管部门做到情况（数据）了然于胸。
4.3公立职业病医疗机构的诊断一致性分析
尘肺病人工智能筛查系统可以准确汇总分析职业病医师诊断的一致性，可以得出每一张X光片针对不同职业病医师读片的相对“一致性”数据。大量读片分析后可以得到职业病医生的基本一致性数据。
4.4公立职业病医疗机构的体检筛查
全国各地职业病防治院每年都面临着不定期大量集中体检的巨大压力。体检人员中超过90%的被检者属正常人群，而职防院需要消耗大量的人力、时间用于接尘职工的筛查。应用智能辅助筛查系统能筛掉90%以上没有问题的片子，医生只需对剩余阳性的检查结果做进一步的诊断，效率最多可以提升一个量级，单位时间可以完成更多、更高质量的体检任务。
4.5区域质控中心的质量复核
尘肺病诊断和职业健康检查的质控监督工作人员少、压力大、难以有效覆盖。应用智能辅助筛查系统可以分析报告的一致性，找到问题，对体检机构进行有效监督。
4.6民营体检机构的能力问题
引入尘肺病智能辅助筛查系统后，将解决民营机构合格医师不足、外送读片成本高、筛查时间长的问题。体检速度、质量将大幅提升，有助降低成本。
5建议
5.1流程中加入人工智能尘肺病手段评估诊断一致性来保证诊断的客观性
通过在诊断阶段或者工伤认定阶段部署尘肺病人工智能系统，作为第三方手段衡量尘肺诊断的一致性，避免出现某些省市曾经出现的“用一些医生的诊断结论去衡量另外一些医生的诊断结果”。此处人工智能应用并不是作为“金标准”来替代医生诊断，而是从计算机的角度更为客观地衡量医生诊断的一致性。
5.2将工伤预防费用于企业的尘肺病预防控制管理
根据2017年8月人社部、财政部、原卫计委、安监总局联合印发的《工伤预防费使用管理暂行办法》，规定每年可以用不超过统筹地区上年度工伤保险基金征缴收入3%的资金用于开展工伤预防工作的费用。人工智能手段可以帮助企业做好健康管理、监护和预防工作，让企业对员工的健康情况有长期、准确的了解。可在员工发病之前通过转岗、重新培训等手段避免、减轻或延迟员工的发病。建议工伤保险基金可在宣传和教育外增加一项工伤预防费分类，以积极主动的预防监控，从源头上控制尘肺病的发病可能，达到控源头、减发病、降支出的目标。
【参考文献】
[1]朱秋鸿,王焕强,余晨,等.尘肺病影像学诊断技术研究进展[J].环境与职业医学，2011.
[2]毛翎,彭莉君,王焕强.尘肺病治疗中国专家共识（2018年版）[J].环境与职业医学,2018,35(8):677-688.
[3]毛翎，黄建安，周韶炜，等.直读数字式摄影应用于尘肺病诊断的可行性研究[J].环境与职业医学，2011.
[4]GBZ70-2015，国家卫生计生委.职业性尘肺病的诊断[S].北京:中国标准出版社，2016.
[5]国家药品监督管理局医疗器械技术审评中心官网.深度学习辅助决策医疗器械软件审评要点[EB/OL].2019-07-03.
[6]毛翎.尘肺病诊断中差异率是客观存在的[N].医师报，2018-3-22(2).
[7]李岩,孙大为,张毅南,等.直接数字化X射线摄影在尘肺病诊断中应用研究[J].中国职业医学,2012，39(6).
作者：徐明 单位：中国生物医学工程学会医学人工智能分会
收藏