人工智能醫(yī)學(xué)影像輔助診斷系統(tǒng)在肺結(jié)節(jié)診斷上的應(yīng)用研究

萬 云

（廣州市第一人民醫(yī)院，廣東 廣州 510000）

1 背景

隨著現(xiàn)代科學(xué)技術(shù)的飛速發(fā)展，人工智能技術(shù)不斷涉足工作生活的各個(gè)領(lǐng)域，醫(yī)療健康正在人工智能應(yīng)用快速發(fā)展的重要領(lǐng)域，目前AI技術(shù)與醫(yī)學(xué)影像成像方法的結(jié)合已經(jīng)成為領(lǐng)域內(nèi)的研究熱點(diǎn)，相關(guān)的研究成果呈爆發(fā)式增長(zhǎng)[1]。人工智能輔助診斷系統(tǒng)提供一個(gè)基于深度學(xué)習(xí)的智能醫(yī)學(xué)影像輔助診斷系統(tǒng)，深度融合入影像科醫(yī)生的工作流程中，在醫(yī)生閱片過程中提供智能輔助診斷信息，輔助醫(yī)生完成影像診斷，減少誤診和漏診，提高工作效率。肺癌是世界上對(duì)人類健康威脅最大的惡性腫瘤之一，發(fā)病率和病死率居所有惡性腫瘤首位[2]，薄層CT技術(shù)有助于檢測(cè)早期的肺癌，但薄層CT增加了CT成像數(shù)量和影像科醫(yī)師的閱片量，可能出現(xiàn)對(duì)肺結(jié)節(jié)的漏檢和誤診[3]。我院成立了人工智能輔助診斷中心，利用醫(yī)學(xué)影像輔助診斷系統(tǒng)輔助醫(yī)師進(jìn)行肺結(jié)節(jié)篩查，提升醫(yī)生診斷效率和準(zhǔn)確性。

2 基于多模態(tài)3D-CNN特征提取技術(shù)

CNN（卷積神經(jīng)網(wǎng)絡(luò)）是一種針對(duì)分類對(duì)象特異性學(xué)習(xí)的一種有監(jiān)督特征提取方法，已在很多領(lǐng)域有成功的應(yīng)用[4-5]，1988年，Wei Zhang提出了第一個(gè)二維卷積神經(jīng)網(wǎng)絡(luò)：平移不變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)（SIANN）并將其應(yīng)用于檢測(cè)醫(yī)學(xué)影像。但經(jīng)典的2D-CNN應(yīng)用于肺部腫瘤多模態(tài)圖像，同一病人的不同模態(tài)強(qiáng)調(diào)的信息不同，不同病人的腫瘤位置、大小、灰度差異等也各不同，將經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)運(yùn)用到CT肺部腫瘤分割會(huì)出現(xiàn)如下問題：首先，要對(duì)肺部腫瘤圖像進(jìn)行分割，必須對(duì)單個(gè)像素點(diǎn)進(jìn)行分類，所以原始輸入只能是單個(gè)像素點(diǎn)的鄰域，而這個(gè)鄰域的大小難以把握；其次，不同病人肺部腫瘤大小不一，同一病人不同圖像層肺部腫瘤的大小也不一樣，即使通過訓(xùn)練層確定了原始輸入層的鄰域值，也難以保證此鄰域適合這個(gè)病人所有的腫瘤點(diǎn)。

多模態(tài)3D-CNN原始輸入層由四個(gè)模態(tài)共同構(gòu)成，通過3D卷積自動(dòng)提取各個(gè)模態(tài)之間的差異信息，最后的特征向量作為像素屬性特征，用分類器對(duì)像素進(jìn)行分類，有監(jiān)督學(xué)習(xí)方法實(shí)現(xiàn)了針對(duì)不同病人差異信息提取不同的分類特征；下采樣使得特征提取包含更多的結(jié)構(gòu)邊緣信息，同時(shí)剔除冗余信息和噪聲；多模態(tài)共同輸入使得原始輸入需要更少的鄰域信息，以適應(yīng)不同圖像層的腫瘤點(diǎn)，提高肺部腫瘤的分割精度。

結(jié)合肺部CT圖像的特點(diǎn)，采用多模態(tài)3DCNN特征提取方法，充分利用各個(gè)模態(tài)的差異信息，同時(shí)兼顧腫瘤大小的差異變化，可以提取更豐富的鄰域信息及邊界信息，更好的區(qū)分邊界模糊的腫瘤點(diǎn)與非腫瘤點(diǎn)，快速準(zhǔn)確地分割肺部腫瘤?；诙嗄B(tài)3D-CNN特征提取方法以及圖像識(shí)別和深度學(xué)習(xí)技術(shù)開發(fā)的人工智能醫(yī)學(xué)影像輔助診斷系統(tǒng)，結(jié)合權(quán)威醫(yī)學(xué)專家診斷經(jīng)驗(yàn)和大量樣本數(shù)據(jù)，能自動(dòng)從醫(yī)學(xué)影像中檢出病灶并對(duì)良惡性作出判斷，輔助醫(yī)生快速、準(zhǔn)確地完成影像診斷[6-7]。

3 系統(tǒng)應(yīng)用

本院自2017年起成立人工智能輔助診斷中心，采用基于多模態(tài)3D-CNN特征提取技術(shù)對(duì)肺部CT影像進(jìn)行肺結(jié)節(jié)進(jìn)行篩查。人工智能影像輔檢系統(tǒng)通過接口對(duì)接醫(yī)院PACS系統(tǒng)，將PACS系統(tǒng)上肺部CT的DICOM圖像導(dǎo)入到人工智能影像輔檢系統(tǒng)，通過多模態(tài)3D-CNN特征提取技術(shù)對(duì)DICOM影像數(shù)據(jù)進(jìn)行分析。在醫(yī)生完成診斷并提交影像報(bào)告后，在線比較系統(tǒng)診斷意見和醫(yī)生診斷意見，系統(tǒng)對(duì)不一致的病例提出輔檢意見，提交給診斷醫(yī)生，由其在系統(tǒng)檢出結(jié)果的意見指導(dǎo)下完成復(fù)核，達(dá)到減少漏診的目的。人工智能檢查的結(jié)果嵌入到PACS系統(tǒng)閱片界面中，并將結(jié)果以列表、結(jié)節(jié)框、詳細(xì)信息、右鍵屬性、幀色塊方式展示；在結(jié)節(jié)列表顯示結(jié)節(jié)坐標(biāo)、良惡性、詳細(xì)屬性等信息，可按照坐標(biāo)、良惡性、關(guān)注程度排序。

4 效果分析

為了評(píng)價(jià)人工智能的學(xué)習(xí)提升能力，分析人工智能診斷肺結(jié)節(jié)的靈敏度及特異度，評(píng)估人工智能在臨床醫(yī)學(xué)影像診斷的可利用價(jià)值。在近半年內(nèi)進(jìn)行胸部CT檢查的患者中選取樣本進(jìn)行分析。

4.1 調(diào)查方法

人工智能與專家組分別對(duì)胸部CT片子進(jìn)行閱讀，互不干擾，出診斷報(bào)告結(jié)果即刻封存鎖定，比對(duì)人工智能診斷與專家組肺結(jié)節(jié)定位結(jié)果，同時(shí)記錄完成時(shí)間。在人工智能診斷與醫(yī)生診斷結(jié)果不一致時(shí)，邀請(qǐng)專家進(jìn)行二次討論。最終判定統(tǒng)計(jì)出人工智能對(duì)實(shí)際存在的肺結(jié)節(jié)的識(shí)別及漏診情況，對(duì)未存在的非肺結(jié)節(jié)誤診情況。

4.2 結(jié)果判定

對(duì)兩組結(jié)果進(jìn)行判定，對(duì)實(shí)際存在的肺結(jié)節(jié)能否分辨出來，而對(duì)未存在的非肺結(jié)節(jié)是否會(huì)誤判。在人工智能診斷與醫(yī)生診斷結(jié)果不一致時(shí)，邀請(qǐng)專家進(jìn)行二次討論。因肺結(jié)節(jié)的“金標(biāo)準(zhǔn)”一般為活檢或手術(shù)發(fā)現(xiàn)，金標(biāo)準(zhǔn)結(jié)果不易獲取，故如有分歧時(shí)，以專家二次討論為金標(biāo)準(zhǔn)，更加科學(xué)客觀。

4.3 統(tǒng)計(jì)方法

對(duì)人工智能組、臨床醫(yī)生組及院外專家組（金標(biāo)準(zhǔn)組）的診斷結(jié)果整理匯總，數(shù)據(jù)呈現(xiàn)見表1。

表1 人工智能和專家組診斷結(jié)果匯總

靈敏度=A/(A+C)×100%； 假陰性率=C/(A+C)×100%=1-靈敏度。靈敏度表示實(shí)際存在的肺結(jié)節(jié)被正確地鑒別出來的百分比，即真陽性率。假陰性率即漏診率。特異度=D/(B+D)×100%；假陽性率=B/(B+D)×100%=1-特異度，表示實(shí)際未存在的肺結(jié)節(jié)被錯(cuò)誤地判定為肺結(jié)節(jié)的百分比，即誤診率。

4.4 結(jié)果分析

基于真實(shí)病例30例肺部CT進(jìn)行實(shí)際評(píng)測(cè)，經(jīng)專家組反復(fù)認(rèn)證，共有結(jié)節(jié)106個(gè)，系統(tǒng)的結(jié)節(jié)總敏感度達(dá)到84.9%，平均每例CT假陽性結(jié)節(jié)約0.53個(gè)；醫(yī)生獨(dú)立完成診斷效率為4.8分鐘/例，在機(jī)器幫助下完成診斷效率為1.9分鐘/例；系統(tǒng)幫助專家找回初診時(shí)漏檢的8個(gè)有臨床意義的結(jié)節(jié)。評(píng)估該系統(tǒng)確實(shí)能夠在實(shí)際應(yīng)用中幫助醫(yī)生提高工作效率、減少漏診。建議系統(tǒng)應(yīng)該繼續(xù)就臨床重點(diǎn)關(guān)注的磨玻璃結(jié)節(jié)進(jìn)行優(yōu)化，胸膜附近結(jié)節(jié)檢出水平不太穩(wěn)定，需要做好階段性計(jì)劃，持續(xù)提升檢出效果。

5 討論

人工智能輔助診斷中心系統(tǒng)能有效提升影像科醫(yī)生診斷的準(zhǔn)確率，減少誤診、漏診情況，通過系統(tǒng)的輔助能加快提升低年資醫(yī)生的診斷水平，由于人工智能醫(yī)學(xué)輔助診斷系統(tǒng)可7×24h持續(xù)穩(wěn)定運(yùn)行、無疲勞累積，可以有效降低影像科醫(yī)生的工作強(qiáng)度。

依托遠(yuǎn)程醫(yī)療服務(wù)網(wǎng)絡(luò)，能夠?qū)⑷斯ぶ悄茚t(yī)學(xué)影像輔助診斷中心承載的優(yōu)質(zhì)醫(yī)療資源普及到整個(gè)區(qū)域，緩解醫(yī)療資源緊張和分布不均的現(xiàn)狀。另外，大力發(fā)展人工智能醫(yī)學(xué)影像輔助診斷中心，通過協(xié)同創(chuàng)新促進(jìn)各產(chǎn)業(yè)鏈的資源整合，推進(jìn)醫(yī)療健康服務(wù)新模式的發(fā)展，可有效帶動(dòng)區(qū)域內(nèi)信息技術(shù)、醫(yī)療器械裝備制造、醫(yī)學(xué)影像診斷與醫(yī)學(xué)檢驗(yàn)服務(wù)等相關(guān)的產(chǎn)業(yè)發(fā)展，提升區(qū)域經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展力。