粱振宇 翟艷東

(天津市胸科醫(yī)院影像科/天津市心血管病研究所天津 300151) (河北工業(yè)大學(xué)人工智能與數(shù)據(jù)科學(xué)學(xué)院天津 300401)

1 引言

近年來，隨著人工智能相關(guān)的圖像識別、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法等關(guān)鍵技術(shù)的突破，人工智能技術(shù)有了革命性發(fā)展，在醫(yī)療健康領(lǐng)域的疾病篩查[1]、輔助診療[2]、病理分析[3-5]等方面取得了較好的成績。人工智能參與疾病的篩查和預(yù)測，需要從行為、影像、生化等檢查結(jié)果中進(jìn)行判斷，依靠最多的是MRI、CT、X 光等影像數(shù)據(jù)?？梢哉f影像數(shù)據(jù)是醫(yī)生診斷必不可少的“證據(jù)”之一，如何利用好人工智能幫助醫(yī)生做出準(zhǔn)確的診斷，是當(dāng)前眾多影像人工智能研究者努力的方向。21世紀(jì)以來，醫(yī)學(xué)模式已經(jīng)由傳統(tǒng)的經(jīng)驗醫(yī)學(xué)向循證醫(yī)學(xué)轉(zhuǎn)變。“求證”和“循證”是循證醫(yī)學(xué)的核心，只有長時間、大樣本的跟蹤觀察，才能做到遵循客觀證據(jù)。醫(yī)學(xué)影像是能夠提供最佳證據(jù)的技術(shù)之一，涵蓋80%～90%的醫(yī)學(xué)信息，在醫(yī)生的診斷過程中，對醫(yī)療影像進(jìn)行定量分析和跨時間維度的比較非常重要。傳統(tǒng)人工診斷方法耗時長，工作量大，醫(yī)生容易疲勞，很容易產(chǎn)生人工誤差。

“人工智能+醫(yī)學(xué)影像”指利用深度學(xué)習(xí)方法對醫(yī)學(xué)影像進(jìn)行分類、分割、配準(zhǔn)、融合和檢索等工作，以此協(xié)助醫(yī)生完成診斷和治療。醫(yī)學(xué)影像分為結(jié)構(gòu)性和功能性圖像兩種，人工智能在兩類醫(yī)學(xué)影像的應(yīng)用都取得顯著的成果。人工智能醫(yī)學(xué)影像在實際操作中解決3類問題：(1)把信息更好地呈現(xiàn)給醫(yī)生。人工智能能夠完成臟器的定位、分類以及分割工作并將可疑位置進(jìn)行標(biāo)注，相當(dāng)于為醫(yī)生去除干擾項，將更直接的信息呈現(xiàn)出來。(2)幫助醫(yī)生定量分析。醫(yī)生擅長定性分析，看到片子很快就可大致判斷有什么異常，但是若做出更精準(zhǔn)的定量分析判斷，靠眼睛很難做到。(3)成像和智能圖像識別的問題。這兩個步驟很多年前是分開的，技師拍片子，醫(yī)生做分析。實際上只有兩者結(jié)合起來才能更有效地優(yōu)化系統(tǒng)，幫助醫(yī)生提供高效的服務(wù)。

2 人工智能在醫(yī)學(xué)影像分析中的主要應(yīng)用

2.1 疾病篩查

2.1.1 概述 在肺結(jié)節(jié)、冠狀動脈斑塊、乳腺癌、糖網(wǎng)病篩查等領(lǐng)域，人工智能已經(jīng)取得很多成果。可以提前判斷數(shù)字化X線攝影(Digital Ridiography，DR)中是否存在病灶,然后再由醫(yī)生對初篩結(jié)果進(jìn)行審核,合理有效地幫助臨床醫(yī)生分配時間和精力。

2.1.2 肺部疾病篩查 以人工智能進(jìn)行肺部篩查為例[1，6]，肺結(jié)節(jié)是一種病因未明的多系統(tǒng)多器官的肉芽腫性疾病，常侵犯肺、雙側(cè)肺門淋巴結(jié)等器官和組織，肺部結(jié)節(jié)的出現(xiàn)是肺癌早期的警示，早發(fā)現(xiàn)、早預(yù)防、早診斷、早治療可很大程度降低肺癌的發(fā)病率。傳統(tǒng)常規(guī)的胸部CT模型約有300張圖像，采用人工閱片，1名經(jīng)過訓(xùn)練的醫(yī)生平均需要3～5分鐘且易有遺漏。而借助胸部低劑量CT+AI人工智能的方式，可以對患者胸部的肺結(jié)節(jié)進(jìn)行全面篩查，可在3～5秒內(nèi)直觀顯示每一結(jié)節(jié)的位置、大小、成分等基本信息。

2.1.3 實現(xiàn)跨病種篩查 2018年我國廣州市婦女兒童醫(yī)療中心科研團(tuán)隊研發(fā)的成果在世界頂級期刊《細(xì)胞》以封面文章的形式發(fā)表[1，7]。這項跨病種、跨影像學(xué)數(shù)據(jù)類型并具有一定可解釋性的新一代人工智能平臺是人工智能圖像技術(shù)在醫(yī)學(xué)影像領(lǐng)域的重要應(yīng)用成果，既能基于“光學(xué)相干斷層成像(OCT)”數(shù)據(jù)實現(xiàn)黃斑變性和糖尿病視網(wǎng)膜黃斑水腫兩種常見視網(wǎng)膜疾病的識別和嚴(yán)重性定量評估，也能基于患兒胸部X線片數(shù)據(jù)實現(xiàn)兒童肺炎病原學(xué)類型的差異性分析和快速準(zhǔn)確判定，該系統(tǒng)用于篩查眼疾準(zhǔn)確率達(dá)到96.6%，用于篩查肺炎準(zhǔn)確率達(dá)92.8%，精準(zhǔn)度達(dá)到有十幾年經(jīng)驗的專家醫(yī)生水平，可以有效促進(jìn)疾病的早期治療和精準(zhǔn)治療。

可以預(yù)見隨著新一代AI平臺研發(fā)工作深入開展，在人工智能+醫(yī)學(xué)影像細(xì)分領(lǐng)域，開發(fā)既能讀取X光片和超聲數(shù)據(jù)，又可以閱讀CT和MR；既能判別是否異常，還能告訴醫(yī)生判斷依據(jù)的疾病篩查診斷AI系統(tǒng)將成為這一方向的重要應(yīng)用目標(biāo)。

2.2 輔助治療

2.2.1 輔助放療靶區(qū)勾畫 相對于診斷，治療更切入醫(yī)療的核心。放療是腫瘤最為主流的治療方式之一。在放療過程中，靶區(qū)勾畫與治療方案設(shè)計占用了放療科醫(yī)生大量的時間和精力[1，8]。一位腫瘤患者經(jīng)過CT模型定位后，產(chǎn)生的圖像約為200張，醫(yī)生需要對每層圖像的腫瘤病灶、重要危及器官進(jìn)行逐層勾畫標(biāo)注，這個過程往往需要耗費3～5個小時才能完成。而找到腫瘤位置之后醫(yī)生還需要根據(jù)腫瘤的大小、形狀等設(shè)計放射線的具體照射方案或者手術(shù)方案。如果患者放療中復(fù)查，腫瘤大小或位置有明顯變化，還需要對患者再次定位掃描后重新勾畫腫瘤靶區(qū)和危及器官[1，9]。靶區(qū)勾畫與治療方案設(shè)計具有一定的技術(shù)含量，且需要醫(yī)生具備一定經(jīng)驗，但是其中包含大量重復(fù)工作，這些勞動密集型的工作是人工智能的專長，利用AI逐層勾畫標(biāo)注可以節(jié)約腫瘤醫(yī)生大量的時間。如谷歌聯(lián)手英國國家醫(yī)療服務(wù)體系(National Health Service，NHS)開發(fā)的AI靶區(qū)勾畫體系，通過機(jī)器學(xué)習(xí)可以自動勾畫頭頸部腫瘤病灶。騰訊醫(yī)療AI實驗室聯(lián)合美國加州大學(xué)，將深度學(xué)習(xí)用于快速和全自動整體頭頸危及器官靶區(qū)勾畫。該研究提出的深度學(xué)習(xí)模型——“器官神經(jīng)網(wǎng)絡(luò)(AnatomyNet)”，可以快速地對整張 CT 的所有切片進(jìn)行全自動化器官分割，在小于1秒鐘的時間內(nèi)完成一整幅頭頸 CT 的危及器官勾畫，大幅度提升放療靶區(qū)勾畫效率。

2.2.2 促進(jìn)醫(yī)學(xué)資源共享 人工智能輔助腫瘤治療不僅可以輔助醫(yī)生識別和勾畫腫瘤及正常器官，輔助放療物理師進(jìn)行放射治療計劃的設(shè)計等工作，而且有助于提高放療療效并減少毒副作用，更加精準(zhǔn)地檢測、診斷腫瘤并制定因人施治的精準(zhǔn)治療策略，促進(jìn)行業(yè)更加全面的發(fā)展。當(dāng)前，我國放療患者的治療需求巨大，人工智能有助在資源有限的情況下，滿足更多腫瘤患者的放射治療需求，同時提供高質(zhì)量的精確放射治療。人工智能集合人類多年來的行醫(yī)經(jīng)驗和智慧，尤其是一些優(yōu)秀的醫(yī)療機(jī)構(gòu)和專家積累多年的數(shù)據(jù)，依靠深度學(xué)習(xí)方法，將研究成果共享，未來欠發(fā)達(dá)地區(qū)也能夠享受到一流專家的治療方案，解決我國醫(yī)療資源不均衡等問題。

2.3 病理分析

2.3.1 提高病理切片研讀效率 人工智能在病理學(xué)中的應(yīng)用包括細(xì)胞學(xué)初篩、形態(tài)定量分析、組織病理診斷和輔助預(yù)后判斷等方面[10]。病理切片是疾病診斷，尤其是腫瘤診斷的金標(biāo)準(zhǔn)。隨著病理學(xué)科的迅猛發(fā)展和診斷需求的增加，病理切片的數(shù)量呈現(xiàn)出爆炸式增長的趨勢，高水平大型醫(yī)院病理診斷例數(shù)和切片張數(shù)尤為明顯。海量的病理切片及其所包含的巨大信息量，使得人工分析耗時耗力的缺點日益突出，已經(jīng)很難滿足臨床需求。為在有限的時間內(nèi)提高診斷的準(zhǔn)確性，將人工智能引入數(shù)字病理學(xué)研究成為了最好的辦法。人工智能可以縮短病理診斷的時間、提升診斷效率，最主要的是，它還能提供更加準(zhǔn)確的診斷結(jié)果。人工智能的有效使用可以真正幫助病理醫(yī)生提升判讀水平，從精準(zhǔn)診斷開始，真正實現(xiàn)精準(zhǔn)醫(yī)療。

2.3.2 實現(xiàn)病理大數(shù)據(jù)分析 基于人工智能的機(jī)器學(xué)習(xí)算法可以自動提取圖像中的特征數(shù)據(jù)，實現(xiàn)對病理大數(shù)據(jù)的特征學(xué)習(xí)，通過組合低層特征形成更加抽象的高層特征，使得特征表達(dá)更加全面客觀[11]。在人工智能與醫(yī)療影像以及互聯(lián)網(wǎng)技術(shù)支撐下，將多種病理分析任務(wù), 如特征提取、定量化病理診斷、疾病預(yù)后, 有機(jī)地結(jié)合在一起, 結(jié)合臨床病理知識體系實現(xiàn)疾病診療、疾病預(yù)后以及生成病理報告的一體化病理分析。這樣的交叉研究不但能夠提高疾病診斷的準(zhǔn)確性、還能充分利用現(xiàn)有醫(yī)療資源、節(jié)省研究成本、推動醫(yī)療發(fā)展。

3 挑戰(zhàn)與展望

3.1 挑戰(zhàn)

3.1.1 行業(yè)標(biāo)準(zhǔn)尚未形成，缺少評價體系 深度學(xué)習(xí)算法應(yīng)用于醫(yī)療影像產(chǎn)品所標(biāo)注的性能參數(shù)來自于國外有限的開放數(shù)據(jù)集和實驗室條件，一方面這些數(shù)據(jù)集并不能完全反映該病種的全面性和國內(nèi)群體的疾病影像特征，另一方面在臨床中也會遇到不同醫(yī)院不同型號的醫(yī)學(xué)數(shù)據(jù)采集環(huán)境。因此很多企業(yè)產(chǎn)品性能自報與實際檢測數(shù)據(jù)不符，產(chǎn)品的魯棒性有待提高。

3.1.2 缺乏符合廣泛臨床使用場景的產(chǎn)品 現(xiàn)階段可供研究使用的開放數(shù)據(jù)集大多只局限于單病種，如何制定統(tǒng)一的圖像標(biāo)準(zhǔn)，對不同病種和維度的醫(yī)學(xué)影像數(shù)據(jù)歸一化，將決定人工智能模型在臨床應(yīng)用的普適性。

3.1.3 尚處于弱人工智能時代 更多地應(yīng)用在類似圖像識別輔助分析這樣不需要與患者進(jìn)行深入溝通的領(lǐng)域。但在實際的疾病診斷中會出現(xiàn)同病異影、異影同病等現(xiàn)象，為減少誤診，需要放射科醫(yī)生詢問患者病史、結(jié)合臨床表現(xiàn)才能盡量避免。醫(yī)學(xué)是具有倫理、人文關(guān)懷的特殊服務(wù)性行業(yè)，醫(yī)生和患者之間的良性交互對于疾病診斷、康復(fù)都有積極作用，人工智能要想實現(xiàn)這種特定的人機(jī)交互方式，仍然需要大量相關(guān)技術(shù)的繼續(xù)完善。

3.2 展望

當(dāng)前，在很多人工智能問題上深度學(xué)習(xí)方法已經(jīng)突破傳統(tǒng)機(jī)器學(xué)習(xí)方法的瓶頸，推動人工智能領(lǐng)域的快速發(fā)展。相信隨著醫(yī)學(xué)影像技術(shù)的發(fā)展和醫(yī)療大數(shù)據(jù)的持續(xù)積累，人工智能將會促使智能醫(yī)療進(jìn)入一個新時代。2017年國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》, 其中提出推廣應(yīng)用人工智能治療新模式、新手段，建立快速精準(zhǔn)的智能醫(yī)療體系, 實現(xiàn)智能影像識別、病理分型的目標(biāo)。2018年我國人工智能影像、醫(yī)療大數(shù)據(jù)、精準(zhǔn)醫(yī)療企業(yè)蓬勃發(fā)展。8月1日起實施的新版《醫(yī)療器械分類目錄》新增與人工智能輔助診斷對應(yīng)的類別，前瞻產(chǎn)業(yè)研究院的數(shù)據(jù)顯示2018年人工智能市場規(guī)模約200億元，高于2017年的130億元。2019年3月的全國兩會中，李克強(qiáng)總理第3次在政府工作報告中重點提及人工智能產(chǎn)業(yè)的發(fā)展，指出要促進(jìn)人工智能和實體經(jīng)濟(jì)深度融合，構(gòu)建數(shù)據(jù)驅(qū)動、人機(jī)協(xié)同、跨界融合、共創(chuàng)分享的智能經(jīng)濟(jì)形態(tài)。人工智能的產(chǎn)業(yè)發(fā)展基于數(shù)據(jù)、模型、業(yè)務(wù)，是一個閉環(huán)，可以預(yù)見在政府的倡導(dǎo)推動下，監(jiān)管部門、行業(yè)協(xié)會、企業(yè)和醫(yī)療機(jī)構(gòu)合力推進(jìn)，通過產(chǎn)業(yè)聯(lián)盟、多領(lǐng)域?qū)＜铱缃绾献鞯攘夹则?qū)動，將會持續(xù)擴(kuò)展整個產(chǎn)業(yè)的應(yīng)用場景。相信人工智能將給未來醫(yī)療技術(shù)帶來深刻的變化，弱人工智能過渡到強(qiáng)人工智能的時代值得期待。