人工智能醫學影像的發展挑戰及應對策略研究

【摘要】本文就現階段人工智能醫學影像運用的狀況與問題予以具體介紹，并就該領域的進一步發展提出了一些建議，試圖為人工智能醫學影像的發展提供一些應對策略的借鑒。

【關鍵詞】人工智能;醫學影像;發展挑戰;應對策略

【中圖分類號】R445 【文獻標識碼】A 【DOI】10.12332/j.issn.2095-6525.2021.04.273

1 ?人工智能醫學影像應用的現實

醫學影像人工智能興起于20世紀60年代，當時，因為人工神經網絡與人工智能型CAD軟件的廣泛運用，人工智能開始運用至放射科醫生的各種事務的處理中。進入到本世紀后，由于人工智能技術的趨于成熟，其在醫學影像中的運用不斷升級迭代，在腫瘤檢測、定性確診、自動導出報告、腫瘤提取等領域已獲得了廣泛的運用。

因為醫學影像臨床事務的處理涉及到許多領域，由于計算機技術的持續成熟，截止到最近這段時間，人工智能技術才逐漸運用至探究醫學影像上。人工智能醫學影像在水平各異的病情診斷上有了較大的應用，供應了更高品質的服務，且因計算機技術的成熟而不斷在使用上變得成熟化、高科技化，可以對醫學圖像予以精準研究。現階段，學術界的共識是人工智能技術被用于醫學影像領域的各種工作處理中，能使放射科醫務人員無趣、乏味的工作變得更為有趣，且降低人為出錯的可能，節約醫務工作者辦事所需的時間，提升診斷的精準率，協助精準醫療在影像醫學上的運用，然而就算人工智能技術可以獲得更高的技術能力且可以管理成本并使用在臨床工作中，人工智能也無法代替放射科醫生的所有臨床工作，特別是應當和人互動的一些事務。

按照《新一代人工智能發展規劃》的規定等文件對醫療行業設立的執行目標，我國現階段開始傾向于培育和開發醫療影像輔助診斷平臺等醫療AI類商品。另外，醫學智能影像在深度算法上的運用與AI圖像判斷技術的改進，也使AI影像輔助診斷獲得了發展。但是，眼下我國醫學智能影像的發展基本上才位于初期，已上市的AI+醫學影像產品在各大醫療機構才開始被應用，該行業可謂是才剛剛起步。

2 ?人工智能醫學影像應用的挑戰

人工智能醫學影像盡管具有豐富的協助特色，且帶來了優良的工作方式，然而始終在醫學運用中需要應對各種考驗。

2.1政策層面挑戰

在有關的政策規定中，注重了醫用軟件的劃分，設置了各種審批路徑。診斷軟件可結合相關算法的使用而給出診療建議，同時僅擁有一種診斷性能，無法直接做出判斷，清單內的產品需以二類醫療器械予以集中管理;如果診斷軟件不僅包括有效病變判斷，還給出了更清晰的診斷提醒，能歸成第三類醫療器械，根據第三類醫療器械管理辦法予以集中管理?，F階段的情況是無一家醫療公司的產品得到了三類證，且沒有予以市場的高效管理與控制。國家食藥總局也在主動分析人工智能的臨床情況，在參考先進國家經驗的基礎上，不僅應確保產品的安全，還應當為人工智能產品的未來設置優良的發展路徑。在醫療情境中，醫療服務的收費內容無詳細的要求可借鑒，即便是醫院引入且使用人工智能產品，也無法在最短的時間內收費，結果就是使得人工智能產品的購置欲望不斷變少，難以盡可能地在醫療市場中運用，無法促進與人工智能有關研發企業的迅猛成長與進步。在該情形下，人工智能醫學影像難以發展得更快，不會達成在短時間內的升級，也就使醫學行業的發展速度有所變慢，無法促進人工智能醫學影像更多性能的及時發現與運用。

2.2技術層面挑戰

人工智能在醫學方面是有其極大發展前景的，針對各種類型的人工智能，國家沒有制定一致的管理標準與運用標準，人工智能中的信息標注技術也具有各種缺陷，在使用方面無完全的把握，標注質量重點因標注工作者的能力、責任感、工作態度等要素的干預，極易產生部分標注上的不足與問題，這是難以控制的，標注質量難以獲得保障。在該形態下，應當制定有關制度予以合理干預，通過這種方式使產品研發變得更為合規。臨床疾病的類型有千萬種，要求人工智能產品結合各種疾病種類予以有目的性的研發，設計出一款擁有各種性能、多元化能力的智能化醫學產品是人工智能公司的核心發展趨勢，該目標是很難達成的。醫學影像在得到高品質信息領域具有各種不足。第一，高質量影像信息重點聚焦于有實力、經濟條件佳的三甲醫院，無法達成信息共享，無法使用于經濟落后地帶的中小型醫院，使數據在流通、分享方面的體系不足;第二，我國各領域的醫療信息有許多，盡管如此卻無法為人工智能影像的發展而提供幫助，由于各種信息均是非結構化數據，尚無相對不錯的借鑒意義與使用意義，又由于以各種設施、各環境下的數據無法呈現出真正的問題，無法為人工智能影像的使用而提供幫助;第三，臨床病癥內容也依托技術的改進與升級，唯有持續改進、持續迭代，才可符合時代的發展，符合當代人的多元需求與治病需求。不僅如此，機器學習算法的廣泛使用也給人工智能醫學影像的應用帶來了不利影響，為了提升算法的適用范圍，應當采用更多有價值、科學的信息，要求研發公司和醫院實現互動和合作，還要求企業間能更多地建立伙伴關系，進而處理在適用范圍領域的問題。

2.3實際應用層面挑戰

盡管人工智能醫學影像已獲得了較大的成績，還有更長的發展之路應走，然而在臨床運用中仍舊是冰山一角，其核心原因是在數據方面不夠完整，無法維持檢測數據集中的高準確率。另外是醫學數據的采集與加工存在一定的問題，未將醫務工作者的工作程序、工作細節歸入至思考的范疇中，醫務人員的思考能力和知識是無法復制的，也是難以與人工智能醫學影像彼此結合的，如此一來，醫生的決策是全方位性的、復合性的。不僅如此，領先的人工智能醫學影像的運用也會因醫院能力、醫院決策、醫生的技術方法而受到影響，醫院應當提升人工智能產品的關注水平，以自己的優勢主動購置一些領先的人工智能醫學影像器械，還應在固定時間段對本院的醫務工作者開展技術與知識方面的教育活動，定期進行測試，保障人工智能醫學影像可以被較好地運用，也保障人工智能醫學影像在臨床中的使用率獲得提高。

2.4行業層面挑戰

我國醫學影像有了極快的成長，已將人工智能（AI）上升至國家規劃角度，這意味著，醫學影像有著其可預見的未來，醫院和醫務人員均會在國家的助力下應對新的變化，另外也需要應對新的考驗。由于病人群體對醫學影像的定義與運用了解得不多，極易形成運用上的誤會，有較大的幾率會在解讀上不夠全面。所以，應當有一個較長的轉型時期，針對收費領域來說，也應有長期的適應與認同時期。

3 ?人工智能醫學影像的發展思考

3.1建立醫療大數據共享平臺，加強算法研究

醫療數據是醫療人工智能中十分關鍵的信息，高品質的數據與深度學習算法的結果間為正比例關系。我國的許多健康醫療數據是在醫療衛生部門中產生，醫療衛生部門沒有開放與共享數據的動力。應將醫療大數據共享的開發工作做到位，使數據標準變得更合規，不再對數據共享形成問題，在確保數據保密的基礎上找到醫療大數據的意義。就訓練數據需求量大、標注需要花費較多的時間、費用高、可強化弱監督學習等分析，使人工智能的發展條件變得更為牢固。

3.2制定質控和評價標準，提高人工智能可信度

人工智能醫學影像有“黑盒”與“算法歧視”兩種情況，現階段，沒有全面、權威的質控與評估機制。政府、醫療部門、科研單位、人工智能企業有必要建立良好的合作關系，開展人工智能醫學影像解釋與“算法歧視”的進一步分析，設立質控與評估標準，提高病人對醫療人工智能的認可，協助醫療人工智能的成功開展與穩定運用。

3.3制定數據隱私保護法規標準，研究人工智能責任歸屬

設立醫療數據隱私保護法規，界定醫療衛生部門、有關企業等主體收集、運用、共享與轉移醫療數據時應服從的準則與泄漏隱私的處罰，注重法規的可行性。設立推出醫療數據脫敏與去標識化的要求與程序。不僅應維護好病人的隱私與醫療數據的不被泄露，還應協助醫療大數據的共享與性能的探索與使用。分析醫務工作者、人工智能企業在人工智能醫學影像產品協助醫務工作者治病環節中各自應處理的工作。

3.4融入醫院診療流程，促進產業良性發展

人工智能企業能以各種方式予以產品規劃，其中包括強化和醫療器械商之間的協作，將智能診斷程序與醫療設施予以結合。醫療衛生部門需主動摸索人工智能技術在醫院的發展空間，建立專業組織在醫療衛生部門角度統一開展人工智能的研發與運用，另外，激勵臨床醫務工作者參加醫學人工智能的研發工作，協助人工智能醫學影像產品基于臨床需求角度加以設計。

參考文獻：

[1]左艷，黃鋼，聶生東.深度學習在醫學影像智能處理中的應用與挑戰[J].中國圖象圖形學報，2021，26（02）：305-315.

[2]張婷，陳娟，盧巖，歐陽昭連，池慧.醫學人工智能領域的技術創新態勢研究[J].中國數字醫學，2020，15（04）：11-16.

[3]俞益洲，石德君，馬杰超，周振.人工智能在醫學影像分析中的應用進展[J].中國醫學影像技術，2019，35（12）：1808-1812.

作者簡介：

龍娟（1995.5-），女，湖南湘潭，漢，大學本科，醫學影像技術，湘潭醫衛職業技術學院，助教。