AI在醫(yī)療領域的優(yōu)勢與運用

矯超

1 摘要

隨著信息化的不斷發(fā)展，在過去的10年里，人工智能（AI）在生物醫(yī)療領域的應用在不斷的增加，進入我們的視野（Xiaolin Yang1， 2019）。隨著中國人口的不斷增長，醫(yī)護人員的缺乏與醫(yī)療資源各地區(qū)分配不均衡為現(xiàn)有的醫(yī)療體制增加了很多壓力?；诰芩惴ǖ娜斯ぶ悄茉卺t(yī)療領域的運用會給醫(yī)療領域帶來哪些變化是事關醫(yī)療領域的發(fā)展方向的問題。通過分析人工智能在醫(yī)療領域的運用發(fā)現(xiàn)，AI在醫(yī)療領域的運用有4個主要方面：影像輔助診斷，健康管理，疾病預測，以及藥品研發(fā)。其中在影像領域的運用是最多也是最成熟的（許婧， 2019）。文章從人工智能在我國影像醫(yī)療領域帶來的改變?nèi)胧?，對上述問題進行分析與闡述，并簡要的分析了一下AI在其他幾個方面的運用，并對人工智能在醫(yī)療領域的發(fā)展進行了展望。

2 影像學的數(shù)字化進程發(fā)展

臨床醫(yī)學的首次與數(shù)字化相結合發(fā)生于上個世紀60年代，美國學者Ledley 提出了計算機輔助診斷（CAD）的概念。它利用計算機對采集來的患者的臨床表現(xiàn)、實驗室檢查結果等進行數(shù)據(jù)統(tǒng)計與分析，大大的提高了當時醫(yī)生的診斷準確率。第二次數(shù)字化與醫(yī)學的碰撞發(fā)生于上個世紀90年代，ANN，即人工神經(jīng)網(wǎng)絡模型成為了當時先進的醫(yī)療領域的人工智能技術。它可以模擬人腦的神經(jīng)元工作。到了2012年荷蘭學者Lambin等人首次提出將AI用于醫(yī)學影像學領域，AI提取影像中的高通量特征來輔助診斷，目前該技術已發(fā)展成為了影像組學（尹彤， 2019）。影像組學已比當時的CAD成熟了很多，對于數(shù)據(jù)的分析、疾病的診斷要更加的準確，特異度和靈敏度均提高了很多。而深度學習則是目前最新發(fā)展的一種算法，即類似于模擬人腦神經(jīng)元的突觸的形成與連接的過程，即多層ANN，不斷地積累經(jīng)驗，進而達到海量數(shù)據(jù)積累，與人腦相比最突出的特點是可以沒有已經(jīng)獲得的知識與經(jīng)驗的干擾，實現(xiàn)了直接輸入與輸出結果的“端到端”的聯(lián)系（蕭毅， 2017）

3 AI在影像學應用的優(yōu)勢與特點

3.1 現(xiàn)狀

目前隨著人口老齡化以及人們健康意識的不斷提升，醫(yī)院每年接收患者數(shù)量也在不停上漲，診斷方法和技能、診斷的效率和速度也需要不斷地提升，在很多醫(yī)院中，主要是影像科醫(yī)生根據(jù)獲得的患者影像資料，以個人的診療經(jīng)驗來進行疾病的診斷，而醫(yī)療領域中不同的醫(yī)生水平是有所差別的，專業(yè)人員的培養(yǎng)又逐步落后于影像科室的發(fā)展需要，這就給醫(yī)學影像科醫(yī)師施加了很多工作壓力。在人工閱片的過程中，一名影像醫(yī)師每日能閱片的數(shù)量是十分有限的，在壓力很大的情況下，可能會發(fā)生漏診、誤診的情況（李太錫，鄧國英， 2019）。在另一方面，醫(yī)師根據(jù)以往經(jīng)驗做出相應診斷，不同醫(yī)師的經(jīng)驗有差異，水平有高低，時常會出現(xiàn)面對同一張患者的影像，幾名醫(yī)師的診斷結果不一致的情況，主觀性判斷不準確，從而延誤了患者的病情。

3.2 AI為影像學現(xiàn)狀帶來改變

第一，改變影像學醫(yī)師的工作狀態(tài)，提升工作效率。以往閱片者花費了大量精力在讀片、尋找病灶、以及完成報告書寫。其中長時間的閱片會使醫(yī)師容易產(chǎn)生視覺疲勞，影響診斷的準確性，很容易發(fā)生漏診或誤診。而有了AI的參與，AI通過提取影像中的高通量特征的影像組學以及“端對端”的深度學習特性提前標注可疑病灶來幫助經(jīng)驗不足的醫(yī)師完成病灶的查找與診斷，提高診斷速度和效率。

第二，提高診斷的敏感度和特異度。近年來，圖像識別技術逐漸發(fā)展，以及深度學習等計算機技術迅猛發(fā)展，我國的醫(yī)療發(fā)展模式發(fā)生了很大的改變。例如在心血管領域，可以利用深度學習整合斑點以追蹤超聲心動圖的數(shù)據(jù)，來幫助識別運動員的正常生理性和病理性心肌肥厚，診斷的敏感性和特異性要強于傳統(tǒng)超聲技術（尹彤， 2019）。而在乳腺癌的早期診斷方面，CAD模型可將影像中的可疑病灶區(qū)域進行定性甚至是分級，并給出客觀的診斷意見，減少了乳腺癌早期的漏診（余松濤，顧艷艷，陳川， 2019）。

第三，AI在影像領域的運用為醫(yī)療機構提供了一種規(guī)范化的可能。醫(yī)療機構可以根據(jù)一些具體數(shù)值來規(guī)范化診療過程中的問題。比如婦產(chǎn)科、腹部等AI超聲儀器內(nèi)部有一套數(shù)據(jù)標準以及操作流程，可以自動化切換超聲模式完成定位，并保證了圖像的完整性和連續(xù)性。采集的圖片被可按照檢查部位智能分類，并可智能化的做出危急值的標識，促使診斷更加的準確，減少了漏診和誤診的發(fā)生（瞿岳，俞成杰， 2019）。

3.3 AI在影像學運用中具有哪些特點

在影像學應用中，圖像識別技術為主的AI具有四點特性即圖像分類、視覺目標檢測、圖像分割、圖像生成，這四個關鍵特征在AI影像應用中起著重要的作用。

第一，圖像分類。我們上述提到過超聲圖片的根據(jù)不同部位智能化分類的例子，傳統(tǒng)的分類方法包括LBP，GLCM等，算法復雜，耗時長且分類準確度較低下。而現(xiàn)如今的深度學習的智能化圖片分類是以卷積神經(jīng)網(wǎng)絡CNN為基礎，從海量數(shù)據(jù)中精準找到蘊含在其中的統(tǒng)計模式，總結和歸納圖片的分類特征。通過運用此類技術，圖像分類精度大大提高。

第二，視覺目標檢測。在醫(yī)學影像領域中，以檢測CT切片某區(qū)域中的結節(jié)病灶為例，目標檢測的目的不僅僅是根據(jù)病變的外形特征及CT信號高低來判斷病灶類別，還要在CT影像中標識出病灶的位置。

第三，圖像分割。為了定量分析醫(yī)學影像，必須要對攝片組織進行面積或體積的分割。這其實也是計算機輔助診斷需要進行的第一個流程。用于評價分割倍數(shù)高低的有Dice系數(shù)、分類準確率、IoU等，Dice范圍越靠近1，IoU百分數(shù)越高，圖像分割技術越成熟。例如最流行的CNN圖像分割模型——Unet，它的IoU高達92%，而且還有Unet還做出了很多變形來適應不同的影像。

第四，圖像生成。在醫(yī)學領域中，通過低輻射劑量來獲取MRI等高分辨率圖像在計算機算法中很一種復雜的過程。特別是對于一些需長期隨訪觀察的患者，如何能夠既能減少患者所受輻射劑量又能增加所獲影像圖片的質(zhì)量是一個關鍵的問題。生成對抗網(wǎng)絡GAN在這一關鍵問題起著重要作用。它可以通過不斷地生成、判別，降噪處理以及去掉偽影讓低分辨率的CT/MRI圖像部分逐漸向高分辨率圖像過渡，直至最后生成高分辨率的CT/MRI圖像（YU Yizhou 2019）。

4 AI技術在醫(yī)療領域其他方面的運用

4.1 健康管理。

隨著生活水平的不斷提高，人們對健康也變得越來越重視，如何保持一個健康的體魄，預防疾病發(fā)生，控制慢性病情進展等健康管理也越來越受到人們的關注。2019年10月深圳市中銀科技有限公司申請了一項人工智能的校園健康管理APP專利，不同于傳統(tǒng)單向記錄健康管理app，AI的加入可以讓學生，家長，老師三端實時監(jiān)控學生的健康狀況，包括心率，體重，肺活量，步數(shù)腰圍等健康信息，進行適時的預警和警示（饒旭東）。在慢性病管理方面，AI通過已經(jīng)居民通過佩戴設備定時監(jiān)測高血壓、糖尿病等慢性病居民的健康情況，并將獲得的健康數(shù)據(jù)形成個體化的健康模型，對患者進行個體化的健康干預，相比傳統(tǒng)慢性病管理方式更有針對性，減少了慢性病患者的死亡率，提高生活質(zhì)量，更符合“精準醫(yī)療”的理念（帥仁俊， 陳平， 馬力， & 蘇逸飛， 2019）

4.2 藥品研發(fā)。

傳統(tǒng)藥品研發(fā)需要通過大量的模擬實驗來尋找藥物作用靶點，合適的先導化合物，確認藥物作用機制等，這是一個耗費大量的時間和人力的過程。根據(jù)2014年的Tufts Center 的統(tǒng)計，基于12年中10家公司成功開發(fā)研制出的106種藥物總共的花費，得出了實際上開發(fā)出一種新藥需要花費大約25.8億美元的結論，其中大部分花費都是在用在不斷地試錯的過程。而目前有了很多將人工智能運用于藥品研發(fā)行業(yè)中的實例，如2016年，輝瑞達成了與IBM Watson Health的合作，Watson開發(fā)的Drug Discovery利用不斷更新的海量的文獻數(shù)據(jù)庫以及特殊的關聯(lián)算法，為輝瑞制藥大大加快了發(fā)現(xiàn)藥物靶點的進程;2012年Atomwise與默沙東公司達成了合作，在2015年的時候利用其研發(fā)的基于CNN的AtomNet化合物篩選系統(tǒng)在不到一天的時間里完成了對7000多種化合物的篩選，以極低的成本篩選出了對Ebola virus具有一定作用的幾種候選藥物?？梢娙斯ぶ悄艿募尤虢o藥品研發(fā)注入了新的動力，減少了不斷試錯的過程，節(jié)省了大量的時間與金錢（王楠 & 陳力， 2019）

4.3 疾病預測

慢性病患者一般會伴有嚴重的并發(fā)癥，比如糖尿病患者會伴發(fā)急性低血糖、酮癥酸中毒、視網(wǎng)膜病變等，AI可以通過對患者的健康數(shù)據(jù)進行分析和比較，找出危險因子，并進行危險預測。減少了慢性病患者的意外病死率（李志勇 et al.， 2018）。

5 AI在醫(yī)療領域應用可能會遇到的瓶頸與挑戰(zhàn)

首先，數(shù)據(jù)學習對于AI的深度學習來說是非常關鍵的一點。在影像方面不同質(zhì)量的影像數(shù)據(jù)決定了人工智能學習結果的不同。而目前我國還沒有實現(xiàn)影像資料的同質(zhì)化，這就會必然影響人工智能工作的準確程度。其次是對于新生事物的接受程度不同，以及倫理學上的問題，涉及到風險承擔、數(shù)據(jù)隱私、人身安全等方面。最后就是為經(jīng)濟市場帶來的沖擊，對醫(yī)師、醫(yī)院運營管理所帶來的挑戰(zhàn)，造成就業(yè)人員的變動，社會平衡暫時打破等，負面情緒會造成人們更加不能接受AI帶來的現(xiàn)實改變，阻礙醫(yī)療科技的發(fā)展。

6 AI技術在醫(yī)療領域運用的前景與展望

人工智能與影像學相結合的例子，足以說明了AI將會推動醫(yī)療事業(yè)的發(fā)展。不只是影像學領域，還有藥品研發(fā)，健康管理、疾病預測等領域，文章中也做出了簡要分析。AI在醫(yī)療領域的應用正在如火如荼的開展著，雖然還同樣面臨著一些困難和挑戰(zhàn)，但AI+醫(yī)療的普及是大勢所趨，AI+醫(yī)療的理念不僅會讓人工智能發(fā)展的范圍更廣，也會讓醫(yī)療衛(wèi)生行業(yè)有著飛躍的進步。面對瓶頸與挑戰(zhàn)，不僅需要醫(yī)療行業(yè)和計算機行業(yè)人員的努力，還需要法律行業(yè)的支持，在倫理道德方面制定相關的法律法規(guī)，提升監(jiān)管力度，確保智能醫(yī)療網(wǎng)絡的平穩(wěn)推進，開啟AI+醫(yī)療的新時代。

參考文獻

[1]Xiaolin Yang1， Z. W.， Hongjie Pan1 ， Yan Zhu2. （2019）. Ontology Footstone for Strong Artificial Intelligence. Chin Med Sci J. doi：10.24920/003701

[2]YU Yizhou ， S. D.， MA Jiechao，ZHOU Zhen. （2019）. Advances in appllcatlon of artifilclal inteIllgence in medical image analysis. Chin J Med Imaging Technol， 35（12）， 1808-1812. doi：10.13929/i.1003—3289.201909150

[3]李太錫，鄧國英. （2019）. 圖像識別技術在骨質(zhì)疏松診斷中的應用. Int J Orthop.， 40（review）， 131-135.

[4]李志勇， 李鵬偉， 高小燕， 孫湛， 麻良， & 崔澤實. （2018）. 人工智能醫(yī)學技術發(fā)展的聚焦領域與趨勢分析. 中國醫(yī)學裝備， 15（7）， 136-145. doi：10.3969/j.issn.1672-8270.2018. 07.034

[5]瞿岳，俞成杰. （2019）. 人工智能時代超聲醫(yī)學的最新發(fā)展研究. 影像研究與醫(yī)學應用， 3（24）， 2096-3807（2019）2024-0001-2002.

[6]饒旭東. CN109920543A.

[7]帥仁俊， 陳平， 馬力， & 蘇逸飛. （2019）. 基于AI的慢病高危管理系統(tǒng)研究與設計. 中國數(shù)字醫(yī)學， 14（1）， 21-23. doi：10.3969/j.issn.1673-7571.2019.01.006

[8]王楠， & 陳力. （2019）. 人工智能在醫(yī)療衛(wèi)生領域應用的思考. 中國急救復蘇與災害醫(yī)學雜志， 14（4）， 305-308. doi：10.3969/j.issn.1673-6966.2019.04.002

[9]蕭毅， 劉. （2017）. 基于深度學習的人工智能對醫(yī)學影像學的挑戰(zhàn)和機遇. doi：10.3760/cma.j.issn.1005-1201.2017.12.002

[10]許婧. （2019）. AI醫(yī)學影像成中國人工智能醫(yī)療最成熟領域.

[11]尹彤， 劉. （2019）. 人工智能及在心血管精準醫(yī)療中的應用. 中華心血管病雜志， 47（Review）， 153-156.

[12]余松濤，顧艷艷，陳川. （2019）. 人工智能在腫瘤科教學中的應用前景. 西南國防醫(yī)藥， 29（4）， 0188（2019）0104—0515—0103