人工智能在超聲醫(yī)學領域中的應用

白榕林,曾令紅,彭書鑫,姚 斌,張曉梅

(1.長沙醫(yī)學院醫(yī)學 影像學院,湖南 長沙 410219;2.長沙醫(yī)學院附屬第一醫(yī)院,湖南 長沙 410219;3.深圳華聲醫(yī)療技術有限公司,廣東 深圳 518071;4.寬城縣醫(yī)院,河北 承德 067600)

0 引言

現代化科學手段廣泛應用于醫(yī)學輔助檢查,包括影像學檢查、病理組織檢查等,其中,臨床影像學是通過反映人體器官功能及形態(tài)對疾病的診療做出輔助。超聲檢查在臨床中有著價格低廉、操作便捷的優(yōu)勢,面對日益增加的醫(yī)療需求和大量影像數據,傳統(tǒng)影像科醫(yī)師需要仔細甄別篩查超聲片,根據超聲圖像及回聲特點判斷器官組織疾病狀態(tài),大量地消耗了醫(yī)生的精力,易發(fā)生判斷失誤的現象。 近年來,醫(yī)學影像數字化和人工智能輔助診斷給臨床影像分析帶來了較大改變,人工智能技術輔助醫(yī)生進行病灶識別、定位,有效地提升了病灶檢出率和準確率。

1 人工智能在超聲醫(yī)學中的應用現狀

人工智能是在1956 年達特茅會議中被約翰·麥卡錫第一次提出。 2015 年以來,人工智能在國內獲得了快速發(fā)展,國家相繼出臺一系列政策扶持人工智能的發(fā)展,很多醫(yī)療單位已經將超聲醫(yī)學人工智能產品應用在實際臨床試驗中。 其中,我國自行研發(fā)的超聲機器人已被廣泛投入醫(yī)療臨床行業(yè),并通過多次的試驗與研究,取得了頗有成就的效果,同時也是一款基于超聲影像,能夠較好地輔助醫(yī)生進行肝臟、甲狀腺等疾病良惡性結節(jié)識別的智能診斷系統(tǒng)。

1.1 人工智能在肝臟超聲影像中的應用

在肝臟疾病中,人工智能超聲主要是檢測肝臟脂肪及其纖維化等。 Ciompi 等[1]學者對深度學習網絡在肝臟超聲影像特征分層中進行優(yōu)化,提出了又22 層神經網絡的深度學習網絡Symtosis,通過設置相關參數,抑制一定比例神經元活性沒去除肝臟原始圖像中的背景,平均準確率可高達100%。

1.2 人工智能在甲狀腺超聲影像中的應用

在甲狀腺疾病中,人工智能超聲可對甲狀腺結節(jié)的位置、大小、回聲強度、形態(tài)規(guī)整度、邊界清晰度、鈣化情況及彩色多普勒血流信號等情況進行辨別。 王洪杰等[2]學者利用卷積神經網絡模型對甲狀腺結節(jié)進行檢測,共采集1 786 張圖像,疾病診斷準確率82.82%、敏感度64.74%、特異度91.18%,證實了人工智能和超聲結合對甲狀腺結節(jié)診斷發(fā)揮著重要的作用。 Wang等[3]學者基于離散小波變換特征對不同模態(tài)下的超聲圖進行歸類,判斷甲狀腺結節(jié)惡性風險,取得了98.9%～100%的準確率,這種方法結合預處理和參數微調,深度學習技術識別甲狀腺腫瘤良惡性的準確率96.34%、靈敏度82.8%和特異性99.3%。

1.3 人工智能在其他超聲影像中的應用

超聲胎兒診斷中,標準平面獲取是先決條件,除了使用傳統(tǒng)機器學習方法檢測胎兒US 標準平面外,最近使用深度學習算法檢測胎兒超聲標準平面的趨勢越來越明顯。 在闌尾炎超聲診斷時,可通過深度學習協(xié)助定位急性闌尾炎,準確率高達90%,達到與CT 診斷能力相當的水準[4]。 人工智能超聲圖像可自動識別脊柱水平,為麻醉起到一定的協(xié)助作用。 人工智能設備在醫(yī)療彩超中也得到推廣與應用,超聲心動圖的相關綜合應用,主要涉及二維及多普勒超聲心動圖。

2 人工智能在超聲醫(yī)學中的應用優(yōu)勢

超聲醫(yī)師數量不足,分布不均,且超聲圖像的質量參差不齊,因此超聲人工智能應運而生,不僅可為超聲醫(yī)師提供閱片參考,節(jié)約醫(yī)師精力與時間,為臨床疾病的診斷、治療、手術等后續(xù)操作提供了非常重要的支持[5]。 人工智能在算法優(yōu)化的同時,可對圖像進行精細化分析,主要優(yōu)勢分為以下3 點:(1)減少超聲醫(yī)師的工作量,人工智能輔助診斷還具有高效快速的優(yōu)勢,且標準統(tǒng)一,減少工作負擔,提升工作效率。(2)提高醫(yī)師診斷率,在超聲AI 技術應用過程中,對疾病診斷發(fā)揮著很重要的作用,正常情況下,因各種因素影響會出現假陽性、假陰性的結果,將人工智能在超聲醫(yī)學領域中最大潛能地進行充分挖掘比對,幫助臨床醫(yī)生縮短診斷時間,及時為患者制定治療方案,最大限度地降低因人工因素導致的誤差出現[6]。(3)為疾病預測、風險評估等帶來了可行性參考意見及解決方案。

3 人工智能在超聲醫(yī)學中存在的問題與建議

人工智能在超聲醫(yī)學中的應用還存在缺乏準入與監(jiān)管制度、診斷準確率有待提高、圖像不標準等問題,筆者就此提出了相應的建議。

3.1 存在問題

3.1.1 缺乏準入與監(jiān)管制度

近年來,隨著5G 技術、計算機技術的高速發(fā)展,人工智能也在飛速發(fā)展,為產品準入和監(jiān)管帶來了新的風險。 超聲人工智能屬于創(chuàng)新型產品,其多方面存在著較大缺陷,需要在收費、技術準入、規(guī)范管理等方面完善[7]。 我國現如今對AI 技術相關內容沒有相應的政策法規(guī)約束管制,對數字化醫(yī)療審批沒有成立專門的部門。

3.1.2 診斷準確率有待提高

人工智能雖然對疾病診斷有一定的幫助,但對于諸多超聲偽象及復雜疾病的診斷能力不強,需要在臨床醫(yī)師的協(xié)同下開展,無法進行獨立診斷,這說明了人工智能在超聲醫(yī)學領域的潛力還有待挖掘。 只有真正地提高臨床診斷率,才能降低臨床醫(yī)師的壓力[8]。 因此,要優(yōu)化算法,促使該技術在臨床中的使用,是超聲人工智能在臨床進行使用的條件,現如今的超聲人工智能在醫(yī)學圖像標注與識別中還在不斷優(yōu)化。

3.1.3 超聲AI 發(fā)展中圖像不標準

超聲診斷需要采集不同切面的動態(tài)圖像進行實時診斷,其圖像獲取和診斷非常依賴醫(yī)生的經驗,需要與多個科室密切配合方能得出準確的結果。 盡管各類形態(tài)的超聲已在技術上足夠成熟,但技術成熟的專業(yè)醫(yī)生還是相對缺乏,而標準超聲圖像是推動超聲AI 發(fā)展的重要基礎,所以如何獲取大量標準圖像數據也是問題所在。

3.2 應用建議

3.2.1 加強準入管理

我國政策對人工智能輔助診斷技術實施有一定的限制,各種技術管理規(guī)范和指標相繼問世。 對醫(yī)療機構和醫(yī)務工作人員體驗使用開展人工智能輔助診斷系統(tǒng),在有了明確的規(guī)范規(guī)定后,才能保證我國超聲與人工智能技術的深入融合,促進醫(yī)療事業(yè)的健康發(fā)展。

3.2.2 強化超聲影像數據基礎

提高超聲AI 輔助診斷結果的準確率同樣重要,只有研發(fā)出獨立診斷技術,才能發(fā)揮更大的臨床價值。算法模式與數據基礎是構建超聲AI 診斷準確率的重要條件,人工智能技術需要更好質量的超聲圖像數據以及高水平專業(yè)醫(yī)生的參與,保證準確數據標注與合理模型設計開展深入學習[9]。 長沙醫(yī)學院醫(yī)學影像學院與深圳華聲醫(yī)療開展醫(yī)學超聲數據采集工作,在完成基礎大數據的積累下,集成人工智能,通過相關圖像算法使計算機能夠做到人工自動準確地識別采集圖像,對圖像進行結構標注,量化和挑選出最理想的圖像,提高了算法和計算能力,為采集最優(yōu)圖像提供基礎。

3.2.3 注重人機協(xié)同

超聲人工智能技術的圖像采集還需醫(yī)生完成,超聲影像的獲取依賴于醫(yī)師的操作,而每個醫(yī)生掃描手法不同,得到的數據不可避免地具有主觀差異性。 醫(yī)生操作手法對人工智能診斷有著最直觀的影響,所以,人工智能應用中,需要有經驗豐富的醫(yī)師和智能診斷系統(tǒng)實現協(xié)調、規(guī)范的配合[10]。

4 人工智能在超聲領域中的應用

超聲醫(yī)學進入大數據時代后,超聲醫(yī)學的AI 技術越來越成熟,物聯(lián)網在醫(yī)學方面的應用也逐步擴大,AI與超聲的結合正成為后起之秀。 目前,超聲智能診斷迅速發(fā)展,超聲圖像標準化采集成為了發(fā)展的重要一環(huán)[11]。 在互聯(lián)網+的背景下,通過在實踐應用中下功夫,結合大數據、人工智能、物聯(lián)網等技術優(yōu)化超聲圖像,將物聯(lián)網、大數據、人工智能、5G 新概念技術等交叉融合入醫(yī)學超聲影像,著手于提高超聲圖像采集質量、采集效率以及超聲診斷的效率等優(yōu)化[12],可為促進AI 超聲技術升級、超聲醫(yī)學發(fā)展等起到重要作用。 長沙醫(yī)學院醫(yī)學影像學院創(chuàng)新地提出了在超聲圖像采集探頭中植入壓力傳感器、定位傳感器等設計,運用5G傳輸技術、大數據存儲、人工智能分析,指導使用者采集的圖像趨于符合診斷要求的標準圖像。 打造一款集數據采集、數據分析、數據反饋的超聲智能探頭,成為集數據采集、反饋、管理、分析于一體的深度融入學習的智能終端。 在現階段的研究中,長沙醫(yī)學院醫(yī)學影像學院已完成AI 分析反饋指導系統(tǒng),實現數據的采集和傳輸、儲存后,在使用者給被檢查對象掃描的過程中,AI 系統(tǒng)實時地調取采集的數據在后臺同步分析,快速獲得計算機的輔助分析支持,基于動態(tài)圖像實時在超聲顯示屏上輸出AI 算法分析的圖像掃描手法獲取的最優(yōu)解,從而使得采集圖像無限趨于符合診斷要求的標準圖像。

5 結語

醫(yī)學影像AI 近年來發(fā)展迅速,在AI 醫(yī)學影像這個賽道中,AI+超聲這個細分領域受到的關注遠不如AI+CT 影像,AI+超聲發(fā)展面臨幾大痛點:(1)算法框架限制。 因為,目前的算法框架,絕大部分公司都是用的開源算法,尤其是在超聲領域,能夠擁有自己算法的企業(yè)非常少。 (2)要實現實時診斷。 超聲圖像是動態(tài)實時圖像,超聲檢測的難點在于圖像采集與閱片需要同時完成,這就為輔助診斷提出了更大的挑戰(zhàn),包括在算法和算力上。 (3)由于超聲影像數據的瀏覽處理存儲習慣,數據庫的規(guī)模大小受到限制,超聲影像的標準化程度也較低,超聲標準化圖像數據獲取較困難。 雖然人工智能在超聲醫(yī)學中的應用仍在起步階段,但隨著科學技術的發(fā)展,人工智能和超聲影像會實現更深入的結合。 利用人工智能進行自動化分類并保證圖像獲取的完整性、連續(xù)性,在實踐應用中提高臨床疾病的診斷率,引領醫(yī)學影像邁入新階段,是未來超聲影像人工智能必然的趨勢。