基于科技查新探討人工智能在醫(yī)學影像診斷中的應用

唐丹 王耀東

廣東省醫(yī)學學術交流中心（廣東省醫(yī)學情報研究所），廣州 510180

醫(yī)學人工智能（artificial intelligence，AI）是AI 領域的一個重要發(fā)展方向。國務院于2017 年印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出要“開發(fā)智能診療助手，實現(xiàn)智能影像識別、病理分型和智能多學科會診”，明確將AI 納入國家重點研究發(fā)展規(guī)劃。醫(yī)療數(shù)據(jù)中有90%來自于醫(yī)學影像，并且我國醫(yī)學影像的數(shù)據(jù)正以30%的年增長率逐年增長，相比之下，影像科醫(yī)師的增長速度和工作效率不足以應對這樣的增長趨勢，給醫(yī)學影像診斷工作帶來巨大的壓力［1］。同時，傳統(tǒng)的醫(yī)學影像診斷主要依靠影像醫(yī)師的主觀判斷，大部分醫(yī)學影像數(shù)據(jù)仍需要人工分析，診斷的準確率與閱片醫(yī)師的水平、經(jīng)驗及工作狀態(tài)密切相關，在疲憊及狀態(tài)不良的情況下所做的判斷容易造成誤診漏診。因此，AI 技術在醫(yī)學影像學領域的研究與應用備受關注，通過巨大數(shù)據(jù)量的深度學習，有望成為疾病精準治療、預后評估等的重要輔助手段［2-6］。廣東省科學技術廳于2018 年10 月印發(fā)了《廣東省新一代人工智能創(chuàng)新發(fā)展行動計劃（2018～2020 年）》［7］，促進了人工智能在醫(yī)學領域的研究，也使醫(yī)學影像診斷的人工智能研發(fā)項目日益受到重視。本文依據(jù)2016 年至2022 年廣東省醫(yī)學情報研究所查新咨詢中心接收的與“人工智能”“深度學習”“機器學習”“支持向量機”等相關的查新申請，從中篩選與醫(yī)學影像診斷相關的項目，對其研究方向及應用情況進行歸類統(tǒng)計，并提出相關建議，以期為AI在醫(yī)學影像診斷研究提供借鑒與參考。

資料與方法

1.一般資料

以廣東省醫(yī)學學術交流中心（廣東省醫(yī)學情報研究所）2016年至2022年的查新委托為基礎，篩選其中與醫(yī)學AI在影像診斷中的研究項目作為研究對象，所用資料包括用戶查新委托單、項目申報書、項目可行性分析報告及存檔的查新報告，均為立項申請，共計50 個項目。統(tǒng)計時間為2016年1月1日至2022年12月31日。

2.方法

利用本單位的查新項目管理系統(tǒng)及Microsoft Excel 軟件，對查新委托單、項目申報書、查新項目登記、查新報告中的數(shù)據(jù)逐條核實、統(tǒng)計，按查新項目的年度、類別、區(qū)域、學科分布、查新結論等方面進行統(tǒng)計分析。

結果

1.委托項目的基本情況

2016 年至2022 年共接收50 項相關的查新委托。根據(jù)年度分析，2016 年接到委托2 項（占總數(shù)的4.00%），2017 年0項，2018年5項（占總數(shù)的10.00%），2019年7項（占總數(shù)的14.00%），2020年10項（占總數(shù)的20.00%），2021年12項（占總數(shù)的24.00%），2022 年14 項（占總數(shù)的28.00%）。自2020年起，每年申報的項目均超過10項，呈逐年上升趨勢。

按申報課題級別劃分，申報省級項目4 項（8.00%），市廳級項目25項（50.00%），其他類別項目21項（42.00%）。以市廳級以及其他類別的項目為主。要求出具國內(nèi)外查新報告12 項（24.00%），國內(nèi)查新報告38 項（76.00%），以國內(nèi)文獻新穎性對比分析為主，國內(nèi)外查新數(shù)量遠低于國內(nèi)查新。對上述申報項目的查新結果進行對比，國內(nèi)外未見報道的項目9項（18.00%），國內(nèi)未見報道的項目16項（32.00%），廣東省內(nèi)未見報道項目17 項（34.00%），地級市未見報道的項目8項（16.00%）。以國內(nèi)及廣東省內(nèi)未見相關報道為主。

2.所采用的關鍵技術

AI所采用的關鍵技術有機器學習、知識圖譜、計算機視覺、虛擬現(xiàn)實/增強現(xiàn)實等。機器學習是委托項目最常用的方法。機器學習分為傳統(tǒng)機器學習（支持向量機方法等）和深度學習。深度學習包括深度置信網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等，以及遷移學習、主動學習和演化學習等算法［8-12］。委托查新的項目中，涉及深度學習的項目有25 項，未標明采用何種技術的15項，采用機器學習算法7項，支持向量機模型2 項，遷移學習1 項。深度學習占了一半，說明深度學習技術在醫(yī)學診斷學中的應用相對成熟，而未標明采用何種關鍵技術的項目，皆為地市級及以下項目，采用的是輔助診斷系統(tǒng)，如覓影輔助診斷系統(tǒng)、數(shù)坤冠脈智能輔助診斷系統(tǒng)、糖尿病視網(wǎng)膜病變?nèi)斯ぶ悄茏詣釉\斷系統(tǒng)、AI輔助診斷系統(tǒng)等。有3 個項目對不同的關鍵技術進行了對比分析，如對多個機器學習（包括有監(jiān)督和無監(jiān)督學習）算法模型進行對比分析，擇優(yōu)選擇，提高預測模型的臨床實用性；在遷移學習中，分別比較ResNet50、Inception V3 和NASNet 等網(wǎng)絡架構；有的則是比較不同的機器學習方法在甲狀腺結節(jié)良惡性CT 影像診斷中的應用價值。加強對算法的優(yōu)化與研究并應用于實踐，是促進AI 在影像診斷領域深度使用的一個重要方法。

3.學科分布

人工智能的影像診斷涉及多個學科，但在各學科的應用并不平衡。在腫瘤學的應用最多，共14 項，多涉及微小結節(jié)的良惡性病變的性質(zhì)判斷，表明疾病的良惡性鑒別診斷對于治療方案的制定及預后具有重要的意義，也是影像診斷關注的重點，尤其是基層醫(yī)療機構，更是需要得到這方面的有效指引。其次是在心血管病學的應用，共9 項，心臟超聲造影、心肌缺血病變及其預警模型、卒中的早期智能分類等為研究熱點，也是當前的診斷難點。人工智能在婦產(chǎn)科學的應用有9項，主要是乳腺X線圖像的良惡性病變的鑒別診斷、超聲乳腺篩查、子宮肌瘤以及子宮內(nèi)膜癌智能輔助評估等。在其他學科的應用中，骨科學有5 項，神經(jīng)病學4項，兒科學3項，其余為呼吸病學、基礎醫(yī)學、糖尿病、超聲醫(yī)學、風濕免疫學、眼科學，各有1項，提示廣東省醫(yī)學AI在醫(yī)學影像診斷中的研究存在學科發(fā)展不太平衡。

4.地域分布

廣東省21個地級市中，共有15個城市申報了人工智能在醫(yī)學影像診斷方面的項目，占71.43%。申報項目最多的是佛山市，共9項，其次是深圳8項，東莞7項，廣州5項。其余地級市均在4 項及以下。項目委托單位及地域分布在一定程度上反映出各醫(yī)療單位的科研力量及科研水平。廣東省申報的項目中，申請的基金類別有廣東省重大科技項目、地級市的社會科技發(fā)展項目，也有支持高水平醫(yī)院建設的項目等。重大項目多數(shù)與輔助診斷、篩查診斷、重點實驗室的建設等相關。佛山申報項目數(shù)量較多，多數(shù)為市級項目，重大項目的申報集中在深圳、廣州兩地，表明省會城市與副省級城市的科研實力較強，科研經(jīng)費充足，政府的投入較大。

5.人工智能在醫(yī)學影像診斷中的應用

由于疾病的復雜性，臨床上針對同一種疾病往往需要不同的診斷手段。也存在不同疾病可以使用同一種診斷手段。AI 技術在醫(yī)學影像領域的應用也是基于以上兩種思路。本文依據(jù)查新委托分析AI 在CT、MRI、超聲、X 線診斷等方面的應用。

5.1.人工智能在CT 中的應用 CT 技術是目前普遍開展的診斷方式。人工智能技術與CT 結合，有助于減少疾病的誤診以及漏診，提高準確率［13-16］。本單位共收到人工智能技術與CT結合的查新項目15項，在超急性和急性缺血性腦卒中的智能診斷模型構建、冠狀動脈CT 血管成像重建與診斷應用、心腦血管缺血性疾病的預警模型的研發(fā)、甲狀腺良惡性結節(jié)中的應用、肺結節(jié)的診斷等方面均開展了研究。

5.2.人工智能在超聲中的應用 超聲影像具有簡便、價廉、安全等優(yōu)勢，在影像診斷中占有重要地位，但受主觀因素和人為經(jīng)驗影響較大［17］。本單位共接受11 項超聲診斷的查新申請，包括人工智能超聲乳腺癌篩查的應用研究、超聲造影Vessel Max 技術聯(lián)合人工智能減少甲狀腺良性結節(jié)穿刺率、人工智能輔助三維超聲精準定量評估卵圓孔未閉、胎兒圓錐動脈干畸形智能化超聲診斷研究、基于超聲圖像的子宮病變?nèi)斯ぶ悄茌o助評估、基于超聲圖像的人工智能技術在子宮肌瘤中的診斷應用研究等，以臨床應用為主。

5.3.AI 在MRI、X 線等其他影像技術中的應用 AI 在MRI、X線等也有相關的研究。如基于深度學習的眼動追蹤新型診療技術聯(lián)合腦結構MRI 早期診斷阿爾茨海默病、人工智能在兒童骨齡X 線影像診斷的應用、基于乳腺X 線圖像放射組學分析的人工智能精準診斷系統(tǒng)構建的研究。

5.4.AI 在多種影像技術中的應用比較 還有一些項目將AI 在幾種影像技術的應用進行對比分析，如X 線與超聲的對比分析，超聲與MRI的比較，或者是對幾種技術同時進行比較。如高級機器學習在心血管醫(yī)學影像技術領域的應用示范研究，將X 線、心血管造影、超聲心動圖、CT 及MRI 5 種影像學檢查的影像解剖結構進行分割、提取，實現(xiàn)智能建模。

5.5.代表性研究應用 廣東省在醫(yī)學人工智能領域的大項目較少，但也有一些大規(guī)模的研究在省內(nèi)、甚至國內(nèi)有一定的影響力。廣東省的梁長虹、劉再毅團隊是以人工智能挖掘醫(yī)學影像大數(shù)據(jù)為核心的多學科交叉團隊，是醫(yī)工交叉的研究型隊伍。2019 年，該團隊申報廣東省醫(yī)學圖像人工智能技術重點實驗室。其后，該團隊申報的廣東省醫(yī)學影像智能分析與應用重點實驗室（2022年度）獲廣東省科技廳立項，是當年17 家學科類省重點實驗室之一，獲經(jīng)費資助300 萬元。團隊聚焦惡性腫瘤量化研究，將醫(yī)學影像轉化為可挖掘數(shù)據(jù)，創(chuàng)新性地基于影像組學構建個體化預測模型，用于腫瘤精準診斷、療效評估和預后預測，具有較高的國際學術影響力［18］。

6.廣東省發(fā)表的AI在醫(yī)學影像診斷研究的文獻分析

在《中國生物醫(yī)學文獻數(shù)據(jù)庫》中，以“人工智能”“深度學習”“機器學習”“支持向量機”“影像診斷學”等為檢索詞進行檢索，排除綜述性、述評文獻，篩選廣東省作者發(fā)表的相關論文進行統(tǒng)計分析，并與上述的項目申報情況進行對比分析。共檢索到相關文獻63 篇。其中人工智能在MRI中應用的文獻20篇，在超聲中的應用12篇，在CT 中的應用12篇，在X線診斷中的應用文獻4篇，X線與超聲對比分析、CT 與MRI 對比分析各1 篇。未表明用何種檢查方法的共13 篇。與委托項目相比較，人工智能在MRI 中的研究文獻最多，但委托項目較少。人工智能在CT 和超聲中的研究大致與項目申報數(shù)量相當。按學科分類，人工智能在腫瘤學中的應用最廣［19-22］，有19篇文獻進行了相關研究，在婦產(chǎn)科中的研究有7篇相關文獻，在心血管系統(tǒng)中的應用有4篇文獻，其他文獻進行理論探討居多。

討論

隨著醫(yī)學影像診斷數(shù)據(jù)量越來越大，醫(yī)學影像診斷的難點也在不斷增加。AI 的快速發(fā)展，為醫(yī)療健康的智能化進程提供了非常有利的技術條件，在影像診斷中的作用也越來越重要。在醫(yī)學影像輔助診斷方面，影像判讀系統(tǒng)的發(fā)展是人工智能技術的產(chǎn)物。影像組學是通過醫(yī)學影像對特征進行提取和分析，為患者的診斷和治療提供評估方法和精準診療決策［23-25］。在AI 領域，廣東省的醫(yī)學影像診斷的研究開展較早，也取得一定的進展，有其自身特點：（1）醫(yī)學影像診斷的委托項目在AI 的委托中占了重要地位。2016 年至2022 年，本單位接受AI 的查新委托項目共計79 項，其中醫(yī)學影像診斷的相關研究有50 項（占63.29%），提示在廣東的醫(yī)學AI中，醫(yī)學影像診斷是AI的重要研究方向及科技攻關的重點、難點。（2）基于影像組學和深度學習開展診斷研究的委托項目較多。在所有50 項的相關研究中，通過影像組學分析的項目有18項（占36.00%）。而采用深度學習技術的委托項目有25 項，占了一半，表明廣東重視精準診療，深度學習是最常用的AI 關鍵技術。（3）樣本量差異較大，有些項目不適宜列入醫(yī)學AI。從研究內(nèi)容分析，有的項目納入的樣本有20 000 例，也有一些是5 000 例、3 000 例不等，都屬于數(shù)據(jù)量較大的項目，但也有些項目的圖片不足100 例，還要分組進行對比分析，數(shù)據(jù)明顯不足。人工智能是一種基于計算機科學的技術，可以模擬人類的智能行為和思維方式，需要大數(shù)據(jù)作為支撐，這也是AI 應用項目獨有的特點，樣本量太小對于研究結果的影響較大。（4）地區(qū)發(fā)展不平衡。此次統(tǒng)計顯示，人工智能在醫(yī)學影像診斷中的應用研究，涉及15 個地級市，研究機構包括高等院校附屬醫(yī)院、各級醫(yī)療衛(wèi)生機構，縣級基層醫(yī)療衛(wèi)生機構也有參與，一線城市、經(jīng)濟發(fā)達地區(qū)的申報熱情更高，擬申報項目的級別也較高，側面反映了廣東省在醫(yī)學人工智能領域中影像診斷的研究方向及發(fā)展狀況。

針對廣東醫(yī)學影像診斷在AI中的應用特點，結合AI的發(fā)展，建議加強以下幾方面的工作。（1）政府應加強對醫(yī)學AI研究的投入。近年，各地紛紛出臺AI產(chǎn)業(yè)鏈高質(zhì)量發(fā)展行動計劃，加強基礎研究，推動新一代人工智能開放創(chuàng)新平臺的發(fā)展［26］。但醫(yī)學AI 的專項更需早日提上議程。作為對影像診斷效率影響巨大的醫(yī)學AI，對于提升基層醫(yī)院診療水平，縮小區(qū)域間差異具有重要作用。（2）醫(yī)學AI 要重視醫(yī)工融合。委托項目的申報人及參與人員多數(shù)為醫(yī)務人員或管理人員，對于AI 的認識及了解有限，這也是部分申報書設計方案不盡合理、部分申請書無法提出采用何種技術解決問題、申請書撰寫質(zhì)量不高的原因。醫(yī)學專業(yè)技術人員與計算機科學領域人才共同參與項目研究是實現(xiàn)“醫(yī)工”結合的一個有效途徑，可以達到強強聯(lián)合。另外，醫(yī)學AI也可能通過創(chuàng)建相關領域的重點實驗室或提供更高的科研平臺，吸引更多的原創(chuàng)研究，達成成果轉化。（3）有限度開展區(qū)域性資源共享。出于保密及信息安全等方面的考慮，影像共享目前還處于探索階段，尚未能實現(xiàn)醫(yī)學資源的共建共享。如果暫時不能解決全面的資源共享，橫向合作，較小規(guī)模的醫(yī)療機構聯(lián)合申報，小范圍的區(qū)域共享也利于解決基層醫(yī)療衛(wèi)生機構研究樣本不足的問題，利于項目的順利完成。（4）要注重隱私及倫理規(guī)范。在醫(yī)療領域中，人工智能可以通過分析大量的醫(yī)療數(shù)據(jù)，提高醫(yī)生對疾病的診斷準確率。但AI 畢竟是模仿人的行為及思維，在研究過程中，需要考慮如何保護傷者的隱私，避免其個人信息泄露。同時，需要研究如何遵守相關倫理規(guī)范，確保AI 的應用符合道德和法律要求。

目前，影像的判讀主要依賴于臨床醫(yī)生經(jīng)驗進行主觀判斷，遠未達到現(xiàn)代精準診斷的要求。近年來，隨著AI 技術的不斷進步，基于AI 的影像輔助診斷系統(tǒng)的性能和準確性持續(xù)提升，為AI 在影像診斷領域的應用拓展提供更多可能性。隨著公眾及醫(yī)務人員對AI 接受度的提高，將傳統(tǒng)的醫(yī)學影像診斷從單純的人工主觀判斷轉向人工與AI 輔助相結合，將是醫(yī)學影像學未來一個重要的發(fā)展方向。醫(yī)學影像診斷與AI 技術的結合，推進標準化研究，必將得到更大的發(fā)展。機遇與挑戰(zhàn)并存，仍需不斷推進該領域的研究，開發(fā)基于臨床應用的個性化AI 軟件，并加強不同領域的交叉融合，才能更好促進影像診療技術的發(fā)展。

作者貢獻聲明 唐丹：實施研究，采集數(shù)據(jù)，分析/解釋數(shù)據(jù)，起草文章，統(tǒng)計分析，行政、技術或材料支持；王耀東：實施研究，分析/解釋數(shù)據(jù)，對文章的知識性內(nèi)容作批評性審閱，獲取研究經(jīng)費，指導，支持性貢獻