人工智能在皮膚科領(lǐng)域的應(yīng)用與發(fā)展

劉念 陳宏翔

華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬協(xié)和醫(yī)院皮膚科，武漢 430022

隨著美國(guó)斯坦福大學(xué)論文“深度學(xué)習(xí)皮膚癌診斷達(dá)專家水平”于2017年報(bào)道以來(lái)，人工智能（artificial intelligence）再一次引起各界廣泛關(guān)注［1］。人工智能與醫(yī)學(xué)的跨界合作，可提高醫(yī)生工作效率和診斷的準(zhǔn)確率。臨床上，皮膚病表現(xiàn)大多位于體表，諸多病種根據(jù)皮損特征便可做出快速診斷［2］，且人工智能對(duì)圖片的學(xué)習(xí)能力遠(yuǎn)超人類，使皮膚科成為當(dāng)前人工智能應(yīng)用的熱點(diǎn)之一。本文介紹近年來(lái)人工智能在皮膚科領(lǐng)域的應(yīng)用及新進(jìn)展，旨在幫助皮膚科醫(yī)生了解新的技術(shù)革新帶給傳統(tǒng)診療方式的影響。

一、概述

人工智能被稱為制造智能機(jī)器的科學(xué)和工程，這一概念于1955年由約翰·麥卡錫等提出，次年達(dá)特茅斯會(huì)議的召開(kāi)成為人工智能正式誕生的標(biāo)志［3］。歷經(jīng)數(shù)番波折后，人工智能逐漸形成3個(gè)主要分支：認(rèn)知計(jì)算（cognitive computing）、機(jī)器學(xué)習(xí)（machine learning）和深度學(xué)習(xí)（deep learning），涉及機(jī)器人學(xué)、模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、智能決策支持系統(tǒng)等諸多領(lǐng)域［4］。認(rèn)知計(jì)算是指模仿人類大腦的計(jì)算系統(tǒng)，通過(guò)人、機(jī)器、環(huán)境間的交互，完成對(duì)數(shù)據(jù)的發(fā)現(xiàn)、理解、推理、決策等特定認(rèn)知任務(wù)［5］；機(jī)器學(xué)習(xí)是在算法的基礎(chǔ)上，學(xué)習(xí)大量的歷史數(shù)據(jù)，從而得出預(yù)測(cè)模型及對(duì)應(yīng)結(jié)果［4］；深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究的一個(gè)新領(lǐng)域，很多結(jié)構(gòu)模型都曾應(yīng)用于醫(yī)學(xué)影像的研究，如卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network）、棧式自編碼器（stacked autoencoders）、受限玻爾茲曼機(jī)（restricted bohzmann machines）、深度信念網(wǎng)絡(luò)（deep belief network）等［6］。

二、人工智能與皮膚影像

皮膚病學(xué)是一門依賴形態(tài)學(xué)特征的學(xué)科，隨著圖像技術(shù)和數(shù)字技術(shù)的不斷發(fā)展，診斷手段由最初的望診、放大鏡和顯微鏡等，進(jìn)入數(shù)字影像技術(shù)時(shí)代，如皮膚鏡、共聚焦激光掃描顯微鏡、超聲、光學(xué)相干層析成像等。計(jì)算機(jī)輔助診斷（computer-aided diagnosis）技術(shù)，也稱臨床決策支持系統(tǒng)（clinical decision support system），是指通過(guò)影像學(xué)、醫(yī)學(xué)圖像處理技術(shù)等，對(duì)病變的特征進(jìn)行量化分析處理并做出判斷，輔助發(fā)現(xiàn)并分析病灶，以提高臨床醫(yī)師診斷的準(zhǔn)確率和效率［7］。目前，計(jì)算機(jī)輔助診斷技術(shù)主要包括圖像采集、圖像預(yù)處理、圖像分割、特征提取、分類識(shí)別等工作模塊［8］。

1990年代，Binder等［9］便將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于色素性皮損的研究。近年來(lái)，隨著人工智能的飛速發(fā)展，計(jì)算機(jī)輔助診斷技術(shù)與皮膚影像的合作領(lǐng)域也得到拓展。Khan等［10］利用模糊C均值（fuzzy c-means）聚類圖像分割技術(shù)將痤瘡病灶分割成具有各自特征的區(qū)域，基于局部極大值而得到最優(yōu)聚類。該算法對(duì)噪聲具有較強(qiáng)的魯棒性，減弱了光線、攝像機(jī)標(biāo)定等因素的影響，使痤瘡嚴(yán)重程度的評(píng)估更加客觀、準(zhǔn)確和快捷。Andrekute等［11］首次提出基于馬氏距離（mahalanobis distance）以及線性支持向量機(jī)（support vector machine）分類器的惡性黑素瘤超聲圖像計(jì)算機(jī)輔助診斷系統(tǒng)，經(jīng)160例超聲圖像（80例惡性黑素瘤以及80例良性黑素痣）測(cè)試后，發(fā)現(xiàn)該系統(tǒng)有望為惡性黑素瘤的早期診斷提供有用信息（正確率82.4%、敏感性85.8%、特異性79.6%）。Li等［12］將計(jì)算機(jī)輔助診斷技術(shù)應(yīng)用于基底細(xì)胞癌的高分辨率光學(xué)相干層析成像的自動(dòng)檢測(cè)，盡管可行，但希望未來(lái)的研究通過(guò)卷積神經(jīng)網(wǎng)絡(luò)的微調(diào)技術(shù)，進(jìn)一步提高該模型的性能。

這些結(jié)果初步預(yù)示，計(jì)算機(jī)輔助診斷技術(shù)應(yīng)用于皮膚影像領(lǐng)域具有潛力，下一步會(huì)將人工智能的應(yīng)用與皮膚科醫(yī)師之間進(jìn)行比較。Esteva等［1］使用129 450例臨床圖像（包含3 374例皮膚鏡圖像，涉及2 032種疾?。┯?xùn)練深度卷積網(wǎng)絡(luò)，在識(shí)別角質(zhì)形成細(xì)胞癌（keratinocyte carcinoma）與良性脂溢性角化病以及惡性黑素瘤與良性痣的任務(wù)中，人工智能診斷皮膚癌的能力幾乎可以與專業(yè)的皮膚科醫(yī)師媲美。Han等［13］使用20 826例圖像對(duì)卷積神經(jīng)網(wǎng)絡(luò)micro ResNet-152模型進(jìn)行微調(diào)，用于區(qū)分12種良、惡性腫瘤，480例組織病理證實(shí)的數(shù)據(jù)顯示，這種深度學(xué)習(xí)方法與16名有10年以上工作經(jīng)驗(yàn)的皮膚科專家組成的小組（包括10名教授、6名臨床醫(yī)師）表現(xiàn)相當(dāng)，并在診斷基底細(xì)胞癌（Asan測(cè)試數(shù)據(jù)集、Edinburgh數(shù)據(jù)集）、色素痣（Edinburgh數(shù)據(jù)集）方面該模型優(yōu)于專家組。值得一提的是，Han等［14］的另一項(xiàng)研究中，訓(xùn)練基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行識(shí)別和裁剪，得到用于micro ResNet-152和VGG-19模型微調(diào)的數(shù)據(jù)集，同時(shí)發(fā)現(xiàn)使用深度學(xué)習(xí)方法診斷甲真菌病的正確率已超過(guò)參與該項(xiàng)研究的大部分皮膚科專家（16名教授、18名臨床醫(yī)師和8名住院醫(yī)師）。

三、人工智能與皮膚病理

皮膚病理，一方面可為某些臨床診斷不明的皮膚病提供線索，另一方面在許多皮膚病的確診、治療方案的選擇以及預(yù)后判斷等方面發(fā)揮決定作用。全玻片數(shù)字掃描技術(shù)及大量定量分析算法的出現(xiàn)，為病理切片的定量分析、開(kāi)展病理遠(yuǎn)程會(huì)診甚至病理計(jì)算機(jī)輔助診斷等提供有力支撐［15］。病理圖像的全數(shù)字化起步較晚，且大多尚處于研究階段，但應(yīng)用于乳腺癌淋巴結(jié)轉(zhuǎn)移的病理切片的成功經(jīng)驗(yàn)顯示［16］，人工智能在皮膚病理切片分析中也具有較大的潛能。

表皮提供大多數(shù)疾病的關(guān)鍵信息，通常為病理學(xué)家檢查皮膚組織的首檢區(qū)域，因此，分割該區(qū)域?yàn)橛?jì)算機(jī)輔助診斷技術(shù)進(jìn)駐皮膚病理的首要任務(wù)和必要步驟［17］。Lu和Mandal［18］基于全玻片數(shù)字掃描以及計(jì)算機(jī)輔助診斷技術(shù)，實(shí)現(xiàn)表皮區(qū)域的自動(dòng)分割與分析，但結(jié)果存在較多的假陽(yáng)性區(qū)域（靈敏度92%、精確度93%）。隨后該團(tuán)隊(duì)將模板匹配算法應(yīng)用于紅色通道圖像以增強(qiáng)表皮信號(hào)，從而將靈敏度、精確度分別提高到97.99%、96%［17］。此外，傳統(tǒng)的人工讀片耗時(shí)耗力，不僅重復(fù)性低，且具有一定主觀性。為解決這一問(wèn)題，Xu等［19］提出黑素瘤全玻片數(shù)字掃描自動(dòng)分析與分類技術(shù)，經(jīng)66例皮膚全玻片數(shù)字掃描圖像證實(shí)，該方法達(dá)到＞95%的分類精度，表明該技術(shù)有望為病理學(xué)家提供黑素瘤診斷的參考意見(jiàn)。此外，Zhang等［20］基于多示例多標(biāo)記學(xué)習(xí)（multi-instance multilabel learning）的框架，通過(guò)對(duì)病理醫(yī)師的診斷思維建模，實(shí)現(xiàn)皮膚病理圖像的自動(dòng)標(biāo)注。

四、人工智能與醫(yī)學(xué)機(jī)器人

世界首臺(tái)外科手術(shù)機(jī)器人Arthrobot的問(wèn)世距今已有30多年，目前機(jī)器人輔助系統(tǒng)已廣泛應(yīng)用在矯形外科、神經(jīng)外科、泌尿外科、心血管外科、普外科和婦科手術(shù)中。隨著機(jī)器人盆腔淋巴結(jié)清掃術(shù)在泌尿外科以及婦產(chǎn)科成功應(yīng)用，Sohn等［21］于2010年首次應(yīng)用該技術(shù)治療2例骨盆轉(zhuǎn)移性黑素瘤患者。與傳統(tǒng)的開(kāi)放手術(shù)相比，機(jī)器人輔助術(shù)提供3D視覺(jué)系統(tǒng)和靈活的操作器械，術(shù)后并發(fā)癥可能因此減少，但機(jī)器人盆腔淋巴結(jié)清掃術(shù)在惡性黑素瘤治療中發(fā)揮的確切作用尚未可知。此外，Kim等［22］和Hyde等［23］先后報(bào)道機(jī)器人輔助術(shù)應(yīng)用于前盆腔臟器切除術(shù)伴回腸膀胱造瘺成功治療1例陰道惡性黑素瘤，機(jī)器人輔助腹股溝淋巴結(jié)清掃成功治療4例惡性黑素瘤。

除輔助皮膚惡性腫瘤治療外，醫(yī)學(xué)機(jī)器人也涉及毛發(fā)移植等領(lǐng)域。2011年，artas系統(tǒng)由美國(guó)食品藥品監(jiān)督管理局正式批準(zhǔn)用于男性毛發(fā)移植，通過(guò)采集顯微鏡放大的圖像和電腦輔助參數(shù)，提供清晰而詳細(xì)的供區(qū)毛囊特性，便于自供區(qū)獲取完整的毛囊單位［24］。該系統(tǒng)減少人力消耗、消除人體疲勞及潛在誤差，并且手術(shù)時(shí)間也大大縮短，但長(zhǎng)期療效有待觀察［24-25］。

五、人工智能與其他

Cazzaniga等［26］應(yīng)用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)準(zhǔn)分子激光治愈白癜風(fēng)患者所需的治療次數(shù)。Khozeimeh等［27］基于模糊規(guī)則算法（fuzzy rule-based）為尋常疣、跖疣選擇最佳療法（免疫療法和冷凍療法），并預(yù)測(cè)療效?，F(xiàn)有的醫(yī)療應(yīng)用中，Derma Compare利用云人工智能技術(shù)，用戶通過(guò)手機(jī)攝像頭進(jìn)行全身攝影，上傳至應(yīng)用程序后，系統(tǒng)便可判斷某種痣是否為黑素瘤前兆。

近年來(lái)，我國(guó)的人工智能在皮膚科也快速發(fā)展。由崔勇等［28］創(chuàng)建的中國(guó)人群皮膚影像資源庫(kù)項(xiàng)目，通過(guò)建立基于我國(guó)人群的大規(guī)模高質(zhì)量皮膚影像數(shù)據(jù)庫(kù)，致力于解決現(xiàn)存皮膚影像質(zhì)量層次不齊、各影像數(shù)據(jù)庫(kù)間信息孤島等問(wèn)題。同時(shí)，該項(xiàng)目的建設(shè)和落實(shí)將進(jìn)一步助力我國(guó)皮膚病診斷輔助決策系統(tǒng)的建設(shè)，迎來(lái)皮膚科的信息化、數(shù)字化時(shí)代。

六、結(jié)語(yǔ)與展望

目前人工智能更多應(yīng)用于數(shù)字化皮膚影像的采集與分析。從海量皮膚影像數(shù)據(jù)中發(fā)掘內(nèi)在規(guī)律，輔助臨床醫(yī)師為患者提供診療方案，對(duì)提高診斷準(zhǔn)確率和效率、緩解我國(guó)醫(yī)療資源匱乏以及優(yōu)質(zhì)資源相對(duì)集中等問(wèn)題有積極意義。

皮膚病理計(jì)算機(jī)輔助診斷尚處于實(shí)驗(yàn)室研究階段，隨著大數(shù)據(jù)的累積與技術(shù)發(fā)展，未來(lái)計(jì)算機(jī)將實(shí)現(xiàn)數(shù)字病理切片病變區(qū)域的自動(dòng)檢測(cè)與定量評(píng)估。診斷指標(biāo)的量化與數(shù)字化，彌補(bǔ)了醫(yī)師主觀分析的缺陷，也為精準(zhǔn)醫(yī)學(xué)的發(fā)展奠定基礎(chǔ)。

醫(yī)學(xué)機(jī)器人進(jìn)駐皮膚科時(shí)日尚短，但在高強(qiáng)度高精度重復(fù)性強(qiáng)的工作上具備明顯優(yōu)勢(shì)。但機(jī)器人輔助技術(shù)在很多方面需進(jìn)一步探討，如高額費(fèi)用限制其臨床推廣和無(wú)觸覺(jué)反饋等相關(guān)技術(shù)缺陷仍為發(fā)展瓶頸等。

總之，人工智能在提高皮膚科醫(yī)師診斷水平和促進(jìn)學(xué)科建設(shè)和發(fā)展等方面擁有巨大潛能。盡管我國(guó)皮膚科人工智能的發(fā)展及應(yīng)用規(guī)模尚不及西方發(fā)達(dá)國(guó)家，但隨著我國(guó)醫(yī)師對(duì)相關(guān)技術(shù)的深入了解，不僅人工智能在皮膚科的應(yīng)用得到推廣，技術(shù)本身也將在廣大醫(yī)師的共同努力下煥發(fā)出新的生命力。越來(lái)越多的皮膚病患者和皮膚科醫(yī)師將從人工智能加醫(yī)療的診療模式中獲益。