人工智能在胸部疾病診斷中的研究進展

崔鳳至，弓婷婷，劉建華，穆興國

吉林大學第二醫院 放射線科，吉林 長春 130041

引言

人工智能（Artifi cial Intelligence，AI）是當今計算機技術高速發展的重要產物，與多學科多領域溝通合作，對人類社會的發展及科學技術的進步產生深遠的影響，尤其是與醫學影像的有機結合，是最具發展前景的領域之一。John McCarthy 最早提出人工智能概念：開發具有人類思維方式的機器軟件，使計算機能夠像人類一樣思考問題[1]。人工智能通過對人類大腦的思考、學習和工作方式進行研究分析，并將獲得的研究結果作為智能軟件開發與應用的基礎。

現階段，影像科室面臨以下兩大主要問題：首先，隨著公眾對健康教育的深入認識，胸部X 線、CT 檢查已成為健康體檢的重要醫療設備，因此，每日大量的X 線及CT 檢查，不僅增加了醫生的閱片量，而且加大了醫生的工作負擔。其次，在疾病發展的早期，病灶小且病變累及范圍小，胸部CT 或平片上顯示不明顯，再加上人眼的分辨力是有限的，可出現疾病的漏診，人工智能在醫學影像的應用與發展，有效解決上述出現的兩大問題，輔助影像科醫生對疾病早期做出準確的診斷以及降低醫生的工作負擔。目前，人工智能已應用于臨床中肺結節、乳腺癌、間質性肺疾病、結腸癌以及腦腫瘤等的篩查以及診斷，雖然有些技術還不夠成熟，需要完善，但人工智能的應用大大降低放射科醫生的漏診率及誤診率，提高醫生的工作效率[2-3]。

1 人工智能

人工智能作為計算機領域的一個分支，是使計算機去做一些需要人類智能才能完成的復雜工作，被認為是21 世紀高精尖技術之一[4]。

1.1 人工智能發展

現階段，人工智能已廣泛應用于臨床，隨著技術的發展以及大數據的可利用性，人工智能在醫學影像的應用與發展成為當今時代研究的熱點。1956 年John McCarthy 等首次提出人工智能概念[1]，科學家一直不斷對人工智能技術進行探索，在對急腹癥的輔助診斷方面有一定成果，1972 年，英國利茲大學研發的AAPHelp 系統是醫療界最早出現的人工智能系統[5]。同年，Leaper 等[6]利用人工智能系統對472 名急腹癥患者進行輔助診斷，進一步推動了人工智能對內科復雜疾病以及感染性疾病的輔助檢查。2006 年，隨著深度學習的神經網絡的開發應用，推動計算機輔助檢測和診斷（Computer-Aided Detection/Diagnosis，CAD）的發展[7]，人工智能進入發展的鼎盛時期。相比國外，國內的人工智能技術不僅起步晚而且發展道路曲折，直至1981 年，人工智能學會的成立，人工智能技術的發展才開始步入正軌；到21 世紀，人工智能研究與發展進入蓬勃時期。隨著國家對人工智能技術的不斷重視，人工智能在各領域都有顯著的成績，尤其是與醫學影像的結合，成為最受關注重視的領域之一。近幾年，人工智能快速發展，可應用于多個部位的篩查及診斷，尤其是對胸部疾病的輔助篩查與診斷，可對病灶進行定性定量的分析，降低放射醫生日常的工作負擔，提高影像診斷的準確性，促進精準醫療的發展[8]。

1.2 機器學習與深度學習

1959 年，Arthur Samuel 提 出 機 器 學 習（Machine Learning，ML）的概念，即利用算法使機器在大量數據中學習，獲得對新數據分析和研究的方法，應用于臨床中，可發現新的基于影像的病灶[9]。在淺層學習的不斷發展以及大量數據的支持下，深度學習應運而出，并成為人工智能的核心部分。它是以神經網絡為特征的機器學習算法，對收集的數據進行準確的分類或預測[10-11]。深度學習開發應用，開啟AI 技術在醫學影像發展的新紀元。

2 人工智能在胸部疾病診斷中的應用

胸部影像的人工智能研究相對比較成熟且應用廣泛，主要對肺結節、肺間質性疾病、乳腺癌的研究[12]。

2.1 肺結節

近年來，受環境污染、吸煙、人口老齡化等因素的影響，肺癌發病率、死亡率已居于我國常見惡性腫瘤的首位[13-14]。肺結節是肺癌的早期征象，對于診斷早期肺癌有重要的意義，早發現、早診斷、早治療可提高患者的生存率，延長患者的生存時間。因此，肺癌防治的重中之重是早期篩查。

胸部X 線檢查是最常用的檢查手段，由于胸部肋骨對肺野的遮蓋，往往會影響醫生的閱片，增加對肺部結節影的漏診率，因此盡可能去除X 線影像上肋骨密度，從而提高放射科醫生對肺結節診斷的準確率。von Berg 等[15]采用基于人工神經網絡的雙能剪影技術來降低X 線片中的骨性密度影，降低被骨性結構遮蓋的肺結節，因此提高了放射科醫生對肺結節診斷的敏感性以及特異性。

CT 檢查所得到的是斷層影像，其密度分辨力較X 線高。在CT 上肺結節定義為表現為類圓形，直徑不超過3 cm 的高密度影[16]。雖然CT 檢查可清晰的觀察肺部的結節影，但有些肺結節易與肺內血管的斷面相混淆，人工智能可輔助醫生對肺結節檢出，其主要核心技術是深度學習，有文獻報道，深度學習可有效解決肺結節診斷的一些疑難問題，比如降低結節檢出的假陽性，da Silva 等[17]采用PSO（Particle Swarm Optimization）技術來優化CAD 技術，其測試結果表明，PSO 技術對降低肺結節檢測的假陽性是有效的，從而提高CAD 系統對肺結節診斷的準確率。

有研究表明，肺結節AI 檢測軟件對3～6 mm 肺結節最敏感，其次是6 mm 以上的結節，而3～6 mm 的結節是放射科醫生最易漏診的[18]。肺結節AI 軟件還可將檢測出的肺結節進行定位、測量、分級（低危、高危）等。有文獻報道，肺結節AI 檢測軟件的篩查能力要等同于有資歷的影像科醫生的診斷[19]。現階段，有多家人工智能技術公司開發研制了肺結節檢測軟件，投入臨床使用后，取得不錯的反響。AI 檢測軟件對肺結節篩查診斷敏感性高，可輔助放射科醫生對肺結節的診斷，降低漏診率。

2.2 間質性肺疾病

間質性肺疾病是以彌漫性肺實質及間質纖維化為特點的一組疾病的總稱，在胸部CT 上多表現為肺部的網格狀及蜂窩狀改變，不同肺間質疾病在胸部CT 中表現相似，很難將其區分。曾有文獻報道，利用CAD 通過紋理分析對胸片中的間質性炎癥進行檢測，首先需要提取肺部有價值的信息，然后利用神經網絡對肺部病變進行匯總分類[20]。Gao 等[21]提出新的CT 圖像特征分類方法，即以整體圖像作為輸入的方法，替代以前的圖像拼接算法，從而解決了臨床對肺間質性疾病準確分類的難題，為臨床醫生治療肺間質性疾病提供重要的臨床信息。AI 檢測軟件的應用，可提高低年資醫生對間質性肺疾病診斷的準確性。關于間質性肺疾病AI 檢測的文獻較少，在此僅做一些簡要的介紹。

2.3 乳腺癌篩查

乳腺癌是發生在女性常見的腫瘤，盡管臨床上對治療乳腺癌已取得很大的進步，但乳腺癌的病死率逐年增加，且發病率具有年輕化趨勢[22]。隨著公眾對健康意識的提升，乳腺定期篩查，對具有高危因素的女性來說至關重要。

CAD 檢測軟件可應用于CT、乳腺鉬靶、MRI 等不同檢查中，現階段，乳腺癌篩查最常用的是X 線鉬靶檢查。乳腺癌在鉬靶X 線片上主要的特征表現是微鈣化，因此乳腺癌AI 檢測軟件主要是對微鈣化的檢測，由于我國女性乳房大多為致密性乳腺為主，鈣化的檢出率相對較低[23-24]。MRI 對軟組織分辨力要高于X 線，因此，MRI 是診斷致密性乳腺內腫塊的重要檢查手段。Li 等[25]采用學習遷移技術的輔助診斷系統，利用小數據分析研究得出：該方法乳腺癌的診斷有高靈敏度及高特異性，且對乳腺腫塊進行分類。Renz 等[26]利用CAD 對108 名乳腺癌患者的MRI 圖像進行檢測，其對病變的檢出率高，漏診率低。CAD 對乳腺癌的定性具有重要的臨床意義，可輔助放射科醫生對乳腺癌的診斷。

3 總結與討論

近年來，影像技術飛速發展，CT、MRI 等影像技術手段已成為腫瘤篩查、診斷的重要手段，高分辨率薄層掃描及多模態成像使影像數據日益增長，同時，影像科醫生的短缺，不能滿足當前增長的工作量，人工智能的出現大大減輕放射科醫生的工作負擔，降低因醫生疲勞工作造成的人為錯誤率，提高影像診斷的準確率[27]。

現階段，人工智能尚不能根據患者的影像資料生成一份完整的檢查報告，而是僅針對某個部位的某種病灶進行檢測，例如肺結節檢測AI 軟件僅針對肺部的結節進行篩查，而胸部CT 影像中不僅只有肺結節，還有胸部肋骨和胸椎以及縱膈腫瘤等疾病，這些部位的疾病AI 軟件是檢測不到的。在未來發展中，AI 技術在對病灶的測量和記憶等方面是會超于人類，這一點是不可否認的，但對于醫患關系溝通交流方面，AI 技術是永遠無法替代醫生[28-29]。