人工智能醫(yī)學(xué)影像應(yīng)用：現(xiàn)實與挑戰(zhàn)

金征宇

伴隨著人工智能的方興未艾，醫(yī)學(xué)影像與人工智能的結(jié)合被認為是最具發(fā)展前景的領(lǐng)域[1]。醫(yī)學(xué)影像人工智能肇始于上世紀60年代，上世紀80年代，隨著人工神經(jīng)網(wǎng)絡(luò)和基于人工智能的計算機輔助診斷(CAD)軟件的開放應(yīng)用，人工智能開始逐漸整合到放射科日常工作流程中。進入21世紀以來，隨著人工智能技術(shù)的飛速發(fā)展，人工智能在醫(yī)學(xué)影像中的應(yīng)用日新月異，在腫瘤檢出、定性診斷、自動結(jié)構(gòu)化報告、腫瘤提取、腫瘤放療靶器官勾畫等方面已經(jīng)有較多的臨床研究和臨床應(yīng)用[2]。

由于醫(yī)學(xué)影像臨床工作的復(fù)雜性，伴隨計算機技術(shù)的發(fā)展，直到近期人工智能技術(shù)才能進行精準的醫(yī)學(xué)影像圖像分析[3]。目前學(xué)術(shù)界普遍接受的觀點是人工智能應(yīng)用于醫(yī)學(xué)影像日常工作中，可以減少放射科醫(yī)生的重復(fù)簡單工作并降低人為錯誤，提高醫(yī)生的工作效率，提高診斷準確率，促進精準醫(yī)療在影像醫(yī)學(xué)的應(yīng)用，但即使人工智能技術(shù)能達到更高的技術(shù)水平并能控制成本應(yīng)用于臨床工作，人工智能也不能取代放射科醫(yī)生的全部臨床工作，尤其是需要與人溝通交流的相關(guān)工作[4]。

在探討如何將人工智能應(yīng)用于醫(yī)學(xué)影像之前，要先了解在無人工智能的情況下， 醫(yī)學(xué)影像所面臨的3個問題。第一， 醫(yī)療數(shù)據(jù)中超過90%的數(shù)據(jù)來自于醫(yī)學(xué)影像，但這些數(shù)據(jù)幾乎全部需要人工分析。人工分析的缺點顯而易見：①不夠精確，醫(yī)生僅能憑借經(jīng)驗去辨別，經(jīng)常缺乏量化的標準，容易造成誤判；②不可避免地會出現(xiàn)人眼視力產(chǎn)生的誤差及視力疲勞；③海量的圖像信息量容易產(chǎn)生漏診。第二，醫(yī)療從業(yè)人員短缺。目前我國醫(yī)學(xué)影像數(shù)據(jù)年增長率約為30%，而放射科醫(yī)師數(shù)量年增長率約為4%，其間的差距為26%[5]。放射科醫(yī)師數(shù)量增長遠不及影像數(shù)據(jù)增長， 且醫(yī)師從業(yè)需要較長時間的培訓(xùn)和學(xué)習(xí)， 這意味著放射科醫(yī)師在未來處理影像數(shù)據(jù)的壓力會越來越大，難以承擔(dān)巨大的負荷。第三， 在多學(xué)科相互滲透交叉的時代，放射科醫(yī)師缺乏強有力的方法或武器參與競爭以穩(wěn)定學(xué)科發(fā)展的方向。而人工智能與醫(yī)學(xué)影像的融合恰好可在學(xué)科發(fā)展方面拾遺補缺。

人工智能在醫(yī)學(xué)影像的應(yīng)用主要分為圖像識別和深度學(xué)習(xí)兩個部分。這兩部分均是基于醫(yī)學(xué)影像大數(shù)據(jù)所進行的數(shù)據(jù)上的挖掘和應(yīng)用，其中深度學(xué)習(xí)是人工智能應(yīng)用的核心環(huán)節(jié)。如果這兩部分均得以實現(xiàn)將改寫醫(yī)學(xué)影像學(xué)在學(xué)科發(fā)展中的方向。

人工智能在醫(yī)學(xué)影像應(yīng)用最成熟的領(lǐng)域為腫瘤影像，其中以下三個方面已較廣泛應(yīng)用于醫(yī)學(xué)影像診療臨床工作中：

1.肺部結(jié)節(jié)和肺癌篩查

2016年進行的一項大規(guī)模研究，在50臺CT掃描設(shè)備上使用了4種不同的CAD軟件用以檢出放射科醫(yī)生漏診的肺部結(jié)節(jié)，發(fā)現(xiàn)CAD軟件可以檢出漏診的56%～70%結(jié)節(jié)，其中包括17%的3mm以下腫瘤和69%～78%的3～6mm腫瘤，這種大小的腫瘤經(jīng)常被醫(yī)生漏診[6]。使用更加先進的人工智能數(shù)據(jù)處理技術(shù)如多視點卷積網(wǎng)絡(luò)可進一步降低CAD篩查肺部結(jié)節(jié)的假陽性率[7]。如果不同放射科醫(yī)生對于肺部結(jié)節(jié)性質(zhì)有爭議時，CAD軟件的診斷意見有助于結(jié)節(jié)性質(zhì)的判定。肺部結(jié)節(jié)和肺癌篩查的人工智能CAD軟件可以幫助放射科醫(yī)生準確檢出早期小腫瘤，降低醫(yī)生工作強度和人為錯誤的發(fā)生率[8]。CAD軟件在低劑量CT肺部結(jié)節(jié)篩查中可顯著提高實習(xí)醫(yī)師的診斷敏感性，以共同讀片模式可以明顯縮短實習(xí)醫(yī)師的閱片時間[9]。這表明人工智能技術(shù)在肺部結(jié)節(jié)CT篩查中可以切實應(yīng)用于低年資醫(yī)師教學(xué)和臨床診斷工作中。

2.乳腺癌篩查

乳腺癌影像篩查是人工智能機器學(xué)習(xí)較早應(yīng)用的領(lǐng)域，目前CAD已經(jīng)較好的融入放射科醫(yī)生對乳腺癌進行影像診斷的日常工作流程中，在X線斷層成像[10]、乳腺鉬靶[11]、超聲[12]、MRI[13]等不同檢查方法中，基于人工智能的CAD篩查乳腺結(jié)節(jié)、診斷乳腺癌的準確性均較高。

乳腺CAD目前被廣泛應(yīng)用在X線攝影對乳腺癌的篩查上，相關(guān)研究主要集中在提高鈣化灶和腫塊檢出的準確性方面[14]，其中X線攝影對微鈣化灶的檢出率較高，而對腫塊的檢出率則會受到腺體密度的影響[15]。最新開發(fā)的自然語言處理軟件算法可準確獲得了543例乳腺癌患者乳腺X線攝影的關(guān)鍵特征，并與乳腺癌亞型進行了關(guān)聯(lián)，其診斷速度是普通醫(yī)師的30倍，且準確率高達99%[16]。CAD系統(tǒng)可以輔助乳腺MRI的視覺評估并提供有用的附加信息。研究發(fā)現(xiàn)CAD系統(tǒng)對于MRI評估浸潤性乳腺癌對新輔助化療的反應(yīng)具有高特異度，可達100%，但由于敏感度較低，僅為52.4%，因此尚不能取代視覺成像評估[17]。CAD系統(tǒng)對于MRI評估浸潤性乳腺癌的多灶性具有明顯優(yōu)勢,但對評估淋巴結(jié)的轉(zhuǎn)移狀態(tài)效果不佳[18]。

3.前列腺癌影像診斷

多參數(shù)磁共振在前列腺癌的影像檢出、定位和分期方面發(fā)揮著重要作用，但是前列腺多參數(shù)磁共振成像技術(shù)較為復(fù)雜，序列較多，結(jié)果判讀時間較長，難度較大。研究發(fā)現(xiàn)基于多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的人工智能CAD技術(shù)，在多參數(shù)磁共振中可以較準確的自動診斷前列腺癌[19]。使用CAD軟件也可以準確進行前列腺區(qū)域自動分割和腫瘤體積測定[20]。

此外，在腫瘤影像診斷臨床工作中，基于人工智能的機器學(xué)習(xí)技術(shù)，在腫瘤患者影像學(xué)檢查方法和流程制定、影像成像、自動化解析影像和結(jié)構(gòu)化報告、圖像質(zhì)量分析、檢查放射劑量預(yù)估等方面，也有相關(guān)的研究報道，在今后的腫瘤影像實際臨床工作中可能會起到積極的作用[21]。需要放射科腫瘤影像醫(yī)生注意的是隨著人工智能技術(shù)的發(fā)展以及和臨床數(shù)據(jù)的緊密結(jié)合，腫瘤影像數(shù)據(jù)結(jié)合臨床數(shù)據(jù)在人工智能輔助下轉(zhuǎn)換成臨床決策是今后腫瘤臨床診療路徑中的重要發(fā)展方向[22]。

隨著人工智能在醫(yī)學(xué)影像領(lǐng)域應(yīng)用的進一步拓展，在非腫瘤影像診斷的實際臨床工作中整合了越來越多的人工智能相關(guān)產(chǎn)品。研究發(fā)現(xiàn)AI成像優(yōu)化技術(shù)聯(lián)合圖像后處理迭代算法技術(shù)可在主動脈CTA成像中保證圖像質(zhì)量并明顯降低輻射劑量[23]。人工智能技術(shù)輔助冠脈CT血管成像對冠心病的診斷效能可以達到高年資放射科醫(yī)生水平[24]。這些研究進一步拓展了人工智能在醫(yī)學(xué)影像的實際應(yīng)用，具有很好的臨床和科研應(yīng)用前景。

現(xiàn)階段，人工智能在醫(yī)學(xué)領(lǐng)域的探索可謂五花八門，但最終應(yīng)用到臨床卻微乎其微。主要原因之一是人工智能系統(tǒng)在復(fù)雜的臨床應(yīng)用中不能準確搜集到高質(zhì)量可應(yīng)用的數(shù)據(jù)即有效數(shù)據(jù)，所得出的結(jié)論缺乏可靠性，難以保持測試數(shù)據(jù)集上的高準確率。其次是臨床醫(yī)學(xué)數(shù)據(jù)的搜集和預(yù)處理不夠完善，未將醫(yī)生的工作流程納入考慮范圍。醫(yī)生對于疾病的診斷很重要的一點是依靠科學(xué)的思維和臨床經(jīng)驗。醫(yī)生的思維模式難以復(fù)制，而醫(yī)生基于臨床診斷作出的處理決定是融合了科學(xué)基礎(chǔ)和人文關(guān)懷的綜合考量。但作為醫(yī)生的有力助手，人工智能結(jié)合醫(yī)學(xué)影像具有諸多優(yōu)勢，患者、放射科醫(yī)師、醫(yī)院均能從人工智能的應(yīng)用中受益。人工智能不僅能幫助患者更快速地完成健康檢查包括X 線、超聲、磁共振成像等，同時也可以幫助影像醫(yī)生提升讀片效率，降低誤診概率，并通過提示可能的副作用來輔助診斷。隨著人工智能和醫(yī)學(xué)影像大數(shù)據(jù)在醫(yī)學(xué)影像領(lǐng)域的普及和應(yīng)用，醫(yī)學(xué)影像所面臨的診斷準確性和醫(yī)生缺口等問題便可迎刃而解，兩者的融合將成為醫(yī)學(xué)影像發(fā)展的重要方向。

在醫(yī)學(xué)影像領(lǐng)域，人工智能技術(shù)的介入結(jié)合大數(shù)據(jù)挖掘，使得醫(yī)學(xué)影像大數(shù)據(jù)在人工智能的篩選、梳理和提取后，可能轉(zhuǎn)換成有效的臨床決策[25]。2017年7月8日國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》提出了我國研發(fā)人機協(xié)同臨床智能診療方案的計劃。醫(yī)學(xué)影像技術(shù)的發(fā)展、人工智能技術(shù)的進步和醫(yī)療大數(shù)據(jù)的不斷積累促使智能醫(yī)療的發(fā)展進入新時代。