AI醫(yī)學(xué)影像

陳麒宇 劉彩霞

摘要：人工智能在醫(yī)學(xué)影像領(lǐng)域的發(fā)展前景以及潛力是顯而易見(jiàn)的。一方面人工智能在發(fā)現(xiàn)病變方面是大有作為的;另一方面人工智能在醫(yī)療影像設(shè)備、影像診斷及其智能服務(wù)等諸多方面有著明顯的優(yōu)勢(shì)。目前，越來(lái)越多的學(xué)術(shù)研究及演講都在積極討論人工智能在醫(yī)學(xué)影像中的應(yīng)用與挑戰(zhàn)。本文章從不同角度展示了AI醫(yī)學(xué)影像發(fā)展前景、目標(biāo)，并對(duì)出現(xiàn)的問(wèn)題進(jìn)行了分析。

關(guān)鍵詞：人工智能，醫(yī)學(xué)影像

引言

在21世紀(jì)全新的社會(huì)環(huán)境中，如何跟進(jìn)技術(shù)變遷和行業(yè)發(fā)展大趨勢(shì)以及AI醫(yī)學(xué)影像的學(xué)術(shù)研究與產(chǎn)業(yè)進(jìn)一步突圍，對(duì)于AI醫(yī)學(xué)影像新模式的探索，都是挑戰(zhàn)。在過(guò)去的幾年里，技術(shù)、標(biāo)準(zhǔn)化和可用性有了巨大的飛躍，使醫(yī)學(xué)影像成為人工智能最有吸引的應(yīng)用領(lǐng)域之一[1]。

1.AI概念及AI醫(yī)學(xué)影像簡(jiǎn)介

1.1AI概念

AI脫離了人類控制與干預(yù)的自主性，是其與傳統(tǒng)技術(shù)相比的根本區(qū)別所在，這一屬性也賦予了其代替人類獨(dú)立完成創(chuàng)造性工作的能力[2]。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，語(yǔ)言和圖像理解等，在醫(yī)療應(yīng)用方面，利用最先進(jìn)的物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)患者與醫(yī)務(wù)人員、醫(yī)療機(jī)構(gòu)、醫(yī)療設(shè)備之間的互動(dòng)，逐步達(dá)到信息化。

1.2 AI醫(yī)學(xué)影像簡(jiǎn)介

AI醫(yī)學(xué)影像是為了輔助診斷、醫(yī)療狀況或檢測(cè)某一部位而對(duì)人體進(jìn)行觀察的不同類型的技術(shù)。在醫(yī)學(xué)圖像輔助診療領(lǐng)域，計(jì)算機(jī)對(duì)圖像的識(shí)別準(zhǔn)確率可以達(dá)到?90%?乃至接近99%，所以人工智能醫(yī)療影像可以幫助解決當(dāng)前醫(yī)院影像科醫(yī)生數(shù)量不足，漏診、誤診率高，讀片效率低、耗時(shí)長(zhǎng)的問(wèn)題。

2.AI醫(yī)學(xué)影像的影響

內(nèi)在需求中，可以看到醫(yī)學(xué)影像學(xué)作為數(shù)字化醫(yī)療時(shí)代發(fā)展的代表學(xué)科，以高分辨薄層掃描、多模態(tài)成像為特點(diǎn)的影像設(shè)備和技術(shù)的飛躍發(fā)展，影像數(shù)據(jù)以每年30%的速度增長(zhǎng)，占醫(yī)院數(shù)字化數(shù)據(jù)的90%[3]。

“AI+遠(yuǎn)程醫(yī)學(xué)影像”對(duì)解決基層醫(yī)院的會(huì)診率低以及二三級(jí)醫(yī)院就診壓力大的現(xiàn)象有著重要影響，通過(guò)基層醫(yī)院與更高一層醫(yī)院遠(yuǎn)程影像會(huì)診，配合大數(shù)據(jù)和人工智能閱片，給人們提供更大的便利。

3.AI醫(yī)學(xué)影像的應(yīng)用

3.1輔助診斷疾病

在輔助診斷肺部、眼底、腦部、神經(jīng)系統(tǒng)、心血管等疾病方面可以更有效解決部分問(wèn)題。AI能有效識(shí)別易漏診結(jié)節(jié)，能對(duì)肺結(jié)核、氣胸、肺癌等疾病進(jìn)行較為準(zhǔn)確的篩查;如對(duì)肺癌篩查來(lái)說(shuō)，醫(yī)師的閱片量太大，并且當(dāng)肺小結(jié)節(jié)<3 mm時(shí)更加耗時(shí)費(fèi)力，更容易漏診，該閱片模式加重了醫(yī)師的工作負(fù)擔(dān)[4]在醫(yī)療資源嚴(yán)重匱乏，誤診、漏診情況較多的情況下，可以大大改善如糖網(wǎng)病篩查效率;AI可以迅速定位腦出血部位，簡(jiǎn)化確診步驟，協(xié)助醫(yī)生完成專業(yè)性要求高、耗費(fèi)時(shí)間長(zhǎng)的影響評(píng)估的判斷，讓患者第一時(shí)間獲得最優(yōu)化治療方案;智能診斷主動(dòng)脈疾病類型、主動(dòng)脈瘤等復(fù)雜疾病。

3.2 AI醫(yī)學(xué)影像技術(shù)在影像診斷中的臨床運(yùn)用體現(xiàn)

AI技術(shù)在臨床診斷中應(yīng)用非常廣泛，其主要在為臨床試驗(yàn)匹配研究員與病人，為制藥企業(yè)提供臨床數(shù)據(jù)等方面具有重要的臨床價(jià)值。

3.3智能輔助診斷方案的其他應(yīng)用

臟器的三維成像、超聲輔助甲狀腺結(jié)節(jié)等。

4.AI醫(yī)學(xué)影像存在的難題

AI醫(yī)學(xué)影像在算法、算力、和數(shù)據(jù)三核心要素需要得到快速提升，數(shù)據(jù)的增長(zhǎng)、運(yùn)算力的提升和深度學(xué)習(xí)算法的優(yōu)化必須得到改進(jìn)。臨床驗(yàn)證沒(méi)有規(guī)范性的方法，驗(yàn)證方式?jīng)]得到統(tǒng)一;數(shù)據(jù)的使用權(quán)、使用倫理、安全性;人才缺失、數(shù)據(jù)庫(kù)的建立和商業(yè)化落地等是限制AI醫(yī)學(xué)影像發(fā)展的幾大限制因素。33.97%的人認(rèn)為：本模式如果誤診，醫(yī)生“應(yīng)負(fù)相同責(zé)任”[5]。

4.1分析數(shù)據(jù)的局限性

醫(yī)學(xué)影像數(shù)據(jù)實(shí)際上是報(bào)告加影像，單單分析影像本身還不夠，更重要的是對(duì)應(yīng)的診斷報(bào)告加以分析，這是AI所難以做到的，由于影像診斷醫(yī)生的個(gè)人習(xí)慣、執(zhí)業(yè)醫(yī)院的不同教育背景等因素導(dǎo)致了不同地區(qū)不同醫(yī)院的影響報(bào)告不同標(biāo)準(zhǔn)的情況。

4.2數(shù)據(jù)獲取與標(biāo)注的困難

盡管AI在一定程度上能夠減輕醫(yī)生的工作量，還能提高醫(yī)生的診斷準(zhǔn)確率，但對(duì)于醫(yī)療機(jī)構(gòu)來(lái)說(shuō)，這并不是剛需，具體的付費(fèi)主體、應(yīng)用場(chǎng)景等問(wèn)題仍需多方探索[6]。醫(yī)院之間的數(shù)據(jù)共享和互通程度較低，獲得大規(guī)模的數(shù)據(jù)對(duì)業(yè)內(nèi)公司是一個(gè)較大的考驗(yàn);數(shù)據(jù)標(biāo)注將耗費(fèi)較大的人力和時(shí)間，在醫(yī)療影像獲取具有高可靠性的數(shù)據(jù)標(biāo)注成為較大的挑戰(zhàn)。

4.3學(xué)科人才的選拔

領(lǐng)域人才不僅要研究人工智能算法，更要對(duì)醫(yī)療影像識(shí)別建立深入了解，AI+醫(yī)學(xué)影像的復(fù)合型背景人才的培養(yǎng)與選拔成為問(wèn)題。

5結(jié)論

總之，AI醫(yī)學(xué)影像這一模式有著廣闊的發(fā)展前景，在輔助診斷疾病、提高診斷水平，提升診斷效率方面尤其凸顯;但距全面落實(shí)各醫(yī)院、規(guī)范化應(yīng)用診斷仍然還需很大的努力，相信AI醫(yī)學(xué)影像定會(huì)為人工智能醫(yī)療做出最重要貢獻(xiàn)。

參考文獻(xiàn)

[1]Sollini?Martina，Bartoli?Francesco，Marciano?Andrea，Zanca?Roberta，Slart?Riemer?H.?J.?A.，Erba?Paola?A..?Artificial?intelligence?and?hybrid?imaging：?the?best?match?for?personalized?medicine?in?oncology[J].?European?Journal?of?Hybrid?Imaging，2020，4（1）.

[2]Matthew?U.?Scherer.?Regulating?Artificial?Intelligence?Systems：Risks，?Challenges，Competencies，?and?Strateg?ie?Harv，?J.?L.&?Tech.?29，no.2?（2016）：363-369.

[3]金征宇. 前景與挑戰(zhàn)：當(dāng)醫(yī)學(xué)影像遇見(jiàn)人工智能 [J]. 協(xié)和醫(yī)學(xué)雜志， 2018， 1： 2-4.

[4]Ciompi F， Chung K， van Riel SJ，et al.Towards automatic pulmonary nodule management in lung cancer screening with deep learning[J].Sci Rep，2017，7：46479.

[5]劉志鵬， 侯瑞剛， 李雯等. AI醫(yī)學(xué)影像學(xué)診斷新模式前景的調(diào)查研究[J]. 山東醫(yī)學(xué)高等?？茖W(xué)校學(xué)報(bào)， 2020， 第42卷（3）：224-226.

[6]許婧. AI醫(yī)學(xué)影像成中國(guó)人工智能醫(yī)療最成熟領(lǐng)域[J]. 現(xiàn)代養(yǎng)生（下半月）， 2019， （1）：10-11.

作者簡(jiǎn)介：陳麒宇，男，漢族，山東省淄博市;劉彩霞，女，漢族，甘肅省張掖市，學(xué)士學(xué)位，山東協(xié)和學(xué)院助教，為本文指導(dǎo)老師。

（山東協(xié)和學(xué)院?山東?濟(jì)南?250109）