人工智能在醫學影像中的應用及面對的機遇和挑戰

祝蕾，朱坤福

（1.山東省菏澤市單縣終興鎮中心衛生院，山東 菏澤 274300；2.山東省菏澤市單縣衛生和計劃生育局，山東 菏澤 274300）

0 引言

人們通常將人工智能（artificial intelligence）技術稱為AI。作為計算機科學的一個分支，AI技術通過了解智能的實質，生產出一種能以人類相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和智能化系統等。隨著關鍵技術的不斷突破，“人工智能+”被運用到很多行業，在醫學領域也得到了長足的發展，且投資的熱度與日俱增。隨著更多資本的注入，“人工智能+”成了該領域的新寵，并逐漸融入醫學影像、藥物研制、大健康管理等多個體系中。本文主要介紹人工智能在醫學影像領域的應用及面對的機遇和挑戰[1]。

1 人工智能在醫學影像領域的發展機遇

目前，在我國與AI 相關聯的企業經營范圍主要以醫療影像為主，出現這一局面的主要原因有以下幾個方面。

1.1 醫療機構影像數據庫需求量增大

人工智能之所以能在很多行業得到推廣和應用依靠的是強大的數據存儲和分析能力。而在醫療行業中，醫學影像產生的數據占比達到了整個行業的半數以上。伴隨著醫療水平的不斷進步，人口老齡化的速度不斷加快，居民的健康管理意識和健康需求都逐漸增強，這也就導致了到醫療機構就醫就診的人數連續增長。在當代醫學中，影像數據作為前期診斷和后期疾病治療的一個重要判斷依據，數據總量也隨之暴增。有數據顯示，自2010 年來，在我國醫療衛生系統內，影像數據的年增長率持續保持在30%左右，在一、二線城市，很多醫療機構的影像數據年儲存量已經遠遠超過了1PB。這是一個十分驚人的數據，而在這數據背后正是一個龐大的市場需求。這也為人工智能與醫學影像相結合提供了基礎。

1.2 臨床需求迫切

當前，絕大部分醫療機構分析影像數據還完全依靠醫務人員憑借經驗，對患者的病情進行診斷。醫療影像的數據近年來急速增長，而專業化的影像學醫務人員年增長率卻十分緩慢，這也就給人工分析影像數據帶來了巨大的壓力和挑戰。尤其是二、三線城市的很多醫療機構，影像門類的醫務人員更加匱乏，在這一環境下，僅有的影像學醫務人員就要進行超負荷工作，造成醫療資源的嚴重不匹配。而“AI+醫學影像”這一概念的提出和應用，有望解決上述難題，其可以通過強大的數據存儲能力和超強的算法能力，有效減輕醫務工作人員的負擔，同時也能在一定程度上提高醫學診斷的效率和精準度[2]。

1.3 AI技術日趨成熟

在人工智能這一技術誕生前期，整條產業鏈還不完善，軟件及硬件設施都不成熟，算法也容易出現偏差，因此，這一技術并未得到廣泛推廣和應用。然而，近年來，隨著大數據時代來臨，在軟硬件條件日益完善成熟的基礎上，人工智能的數據庫存儲空間逐漸增加，云計算的數據分析判斷能力及精準度也得到提高；尤其是圖像識別系統、深度學習功能等技術都獲得了巨大的突破，為醫學影像應用到各個領域奠定了基礎。所以，那些有條件的醫療機構在運用人工智能的過程中偏向于輔助診斷，多將這一技術運用到影像學、皮膚病學等相關領域。

1.4 政府大力支持

近年來，“人工智能+醫學”的模式也逐漸得到了國家的認同和支持，2017 年國務院印發的《新一代人工智能發展規劃》，就明確指出了我國智能醫療今后的發展方向，其主要內容包含了人工智能的推廣和應用，“人工智能+醫療”的新模式，建立智能化的醫療新體系，開發智能手術機器人、智能一體化診斷助手等。2017 年，科技部公布的首批4 家國家新一代人工智能開放創新平臺名單顯示，國家將依托騰訊公司建設醫療影像新一代人工智能開放創新平臺 。政府對“人工智能+醫療”的重視程度、強大的支持力度，為人工智能在醫學領域的發展提供了動力和保障。

2 人工智能在醫學影像分析中的主要應用

目前，在“AI+醫學影像”領域，圖像識別與深度學習功能運用最為成熟，這兩項功能基本實現了利用設計好的程序進行自動探查并生成圖像，其優勢主要表現在以下方面。

2.1 協助計算機展開工作

計算機的出現極大地解放了人類的雙手，做到從人腦到“機腦”的延伸，其運算速度快，且結果精準，并在很多領域發揮了巨大的作用。人工智能也是計算機時代的一個重要產物，“人工智能+醫學影像”的應用更是要在計算機的輔助下才能完成。信息時代，醫學信息的傳遞主要是通過計算機完成的，人工智能和醫學影像的有機結合，有助于計算機在醫學領域開展多元化、系統化的工作。近年來，在醫學專家和計算機專家的共同努力下，計算機視覺系統、AI 圖像處理等先進技術不斷出現并應用到醫學領域，這些技術的出現在就診過程中可以更好地幫助醫生探尋病患的病因，大大提高了前期診斷的準確率[3]。

2.2 影像組學

2012 年，影像組學這一概念首次被提出。其主要指利用大數據的海量儲存及處理功能，對所需專業信息進行深層次的篩選、確認、剖析，最終找到最有價值的數據，并利用這些數據應用到醫學檢測中，提高醫學判斷的準確性，對下一步的治療提供一個有效參考。

影像組學在應用中共分為5 個部分進行：①利用CT、PET 等技術得到相對應的圖像；②將所得圖像分割，得到多個區域塊；③標注出存在疑問的區域塊，并對其進行提取；④將標注出的疑問區域塊進行匯總并分析；⑤通過計算機技術完成影像組學的評估，搭建分類模型。

影像組學的出現是對之前醫學模式的一種新的嘗試和突破，提供了大量的有效信息，利用到更多的醫學領域，能較好地對疑似病患部位進行精準探查，為醫生的診斷提供重要的參考依據，其將反饋的重要信息儲存在數據庫中，可以成為醫學診斷的一筆寶貴財富。

2.3 影像基因組學

伴隨著社會的不斷發展，各項醫學技術難題逐漸被攻克，并在高效化的醫療過程中出現了影像基因組學這項技術。傳統的基因檢測往往都是活體檢測，容易引起被檢者機體的不良反應[4]。相對于傳統的基因檢測模式，醫學影像作用在被檢者機體上的負面影響幾乎可以忽略，同時還提高了檢測的準確率，目前來說是生物醫學中前景較為廣闊的研究方向之一。

3 人工智能醫學影像應用的挑戰

雖然將AI 技術應用到醫學影像領域能讓診斷變得更加精準、高效，但是在其他層面卻面臨著嚴峻的挑戰。

3.1 數據質量問題

在“人工智能+醫學”領域，智能模型學習結果的一個重要決定因素就是數據的質量。影像數據是否標準、數據標注是否規范都將直接影響到人工智能在醫學領域的發展和醫生對患者病情的初步判斷。雖然國內的部分醫療機構在運行中積累了大量的影像數據，但是由于缺乏系統的管理和統一的標準，在這些圖像的質量和格式上并沒有做到有機統一，就會出現管理和研究上的混亂。在供應渠道，由于不同廠家、不同批次的影像設備在圖像的質量、掃描的層次以及成像的深度上都會存在差異，就很容易導致影像數據的不精確、形成的圖片在質量上存在較大的差異。

不僅如此，在一些醫療機構中，影像數據在解讀的過程中，需要經驗豐富的醫生對其標注之后才能由機器學習。在這一過程中需要耗費大量的精力和時間，這也就導致了在數據庫中，高標準的數據資料十分有限；加之醫療機構之間在影像數據管理上的標準不統一，共享性和相互交流程度低，所以，在眾多醫療機構中真正意義上的優質醫療數據少之又少。

在人工智能市場上，很多企業擁有的數據往往都是取自于一些公開的數據以及自籌自建的小型數據庫，數據量較少，且很多影像資料存在質量差、標注不明顯、不規范等突出問題。這些內在因素對機器學習的準確性和普適性造成嚴重的影響。所以，要想發展“AI+醫學影像”，必須將圖像的數據進行規范和執行統一標準。

3.2 機器性能問題

現階段，在“AI+醫療”的開發和研究上，我國還處于初級階段。雖然在一些實驗中，被研究的課題或者實驗產品取得了一定的成效，但是這些產品都是建立在公開數據基礎之上的，并不能真實、有效地反映出復雜的臨床環境，一旦試用到臨床上，就很難保持數據的穩定性和準確性。通常的表現為誤標、漏標和重復標記，這種情況出現之后，非但不能提升醫生的診斷效果和縮短診斷時間，還會因為反復檢查、標記而浪費更多的時間。因為一些關鍵技術還未發展成熟，導致設備的性能不太穩定，即便是同一個模型適配到不同地區的醫療機構，都有可能出現數據的偏差，還需要工作人員對設備進行調整[5]。

當前，“AI+醫學影像”此類產品在單病種方向取得的效果較為明顯且發展迅速，比如在眼病、骨病、頸腰疾病及一些基礎的檢測領域都取得了較為客觀的成績。但是在處理臨床表現較為復雜的病種時，卻面臨嚴峻的考驗，如僅在胸部CT 檢查中，就有肺結節、肺炎、支氣管發炎、肺部癌變等多種疾病造成的“同病異影、異病同影”現象發生，僅憑AI 技術分析，很難做出準確判斷。這些情況的出現，在一定程度上打消了閱片醫師對應用AI 技術的積極性。

3.3 責任劃分問題

傳統的診斷過程只在醫生跟患者之間進行，但是隨著人工智能的參與，就打破了這種平衡關系，人工智能承擔了醫生的部分工作，在醫患關系中也就多出了人工智能系統和其背后的設計師、生產廠家，并由此帶來了一系列的責任劃分不明確的問題。

在醫生給患者診療的過程中，一旦出現了診斷失誤等醫療事故，或者在治療過程中因為機器或系統發生故障，給病患帶來生理及心理傷害時，其責任具體應該由哪一方負責，成了困擾大家的難題。

伴隨著AI 技術的不斷發展和進步，今后“AI+醫學”在應用中會越來越廣泛，也會承擔更多的功能和責任，所以，加強醫務工作者的責任意識和風險防控意識勢在必行，不僅要確保患者的身心健康，還要維護自身及公眾的健康權益。一些專家認為，人工智能僅僅是一項技術或者產品，其本身并不具備思考能力，因此也就沒有承擔風險的義務和能力。所以，目前對責任的劃定主要從以下兩個方面考慮，發生醫療事故，經過專業機構檢測，如果是因為機器的質量問題引起的損失，則由設計制造廠家負責；其他醫療事故則由主治醫師及醫院承擔責任。因此，在診斷過程中，醫生要加強責任意識，依靠專業手段和科學判斷，做好把關作用，盡量避免事故的發生。

隨著我國綜合國力的不斷增強，國家十分重視AI技術和醫學影像技術的發展，并將該項技術提升到國家戰略的層面，因此，“AI+醫學影像”技術在我國得到了迅速發展，且具有較大的發展空間。從當前的形勢來看，“AI+醫學影像”的發展前景較好，在國家政策的扶持下，無論是醫療機構還是醫務工作者除了享受到科技發展的紅利之外，還要去迎接更多新的挑戰。

4 結論

從目前來看，“AI+醫學影像”應用到診斷過程中依然處于初級探索階段，雖然只是用其來做一些簡單、重復的數據分析等工作，但是我們有理由相信，通過科研人員與醫學專家的共同努力，未來人工智能一定會更好地融入醫學的各個領域，并以此為契機，將醫療水平提高一個層次[6]。同時，也要清醒地認識到，這條道路并不是一帆風順的，我們還需要面對技術、倫理等方面的制約和挑戰。這也就需要與之相關的諸多部門高度重視，不斷強化團隊的綜合水平和素質，制定明確的方法，用以規避發展過程中帶來的風險等問題。