侯景

摘要：人工智能是未來的發(fā)展方向，醫(yī)學(xué)與人工智能的結(jié)合可謂是最有發(fā)展前景的領(lǐng)域，是造福人類的重要舉措。當(dāng)下的人工智能主要在醫(yī)學(xué)的影像方面發(fā)揮作用，主要有深度學(xué)習(xí)和圖像識別兩種應(yīng)用，在腫瘤檢查、腫瘤診斷等多個(gè)內(nèi)容中展現(xiàn)出了強(qiáng)大功效，在人工智能醫(yī)學(xué)影像顯現(xiàn)出強(qiáng)大優(yōu)勢的同時(shí)，挑戰(zhàn)也隨之而來。本文我們針對人工智能醫(yī)學(xué)影像應(yīng)用的現(xiàn)實(shí)與挑戰(zhàn)進(jìn)行詳細(xì)闡述，進(jìn)一步加深對人工智能醫(yī)學(xué)影像的了解，希望能對人工智能醫(yī)學(xué)影像發(fā)展做出積極影響。

Abstract： Artificial intelligence is the future development direction. The combination of medicine and artificial intelligence is the most promising field and an important measure for the benefit of mankind. The current artificial intelligence mainly plays a role in medical imaging. There are mainly two applications of deep learning and image recognition. It has shown powerful effects in tumor examination， tumor diagnosis and other content. At the same time that artificial intelligence medical imaging has shown strong advantages， challenges have followed. In this article， we elaborate on the realities and challenges of artificial intelligence medical imaging applications， and further deepen our understanding of artificial intelligence medical imaging， hoping to have a positive impact on the development of artificial intelligence medical imaging.

關(guān)鍵詞：人工智能;醫(yī)學(xué)影像應(yīng)用;現(xiàn)實(shí)挑戰(zhàn)

Key words： artificial intelligence;medical imaging applications;realistic challenges

中圖分類號：TP18;R445 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）06-0234-02

0 ?引言

人工智能醫(yī)學(xué)影像在眾多不同程度的病情診斷上做出了突出貢獻(xiàn)，提供了更高質(zhì)量的服務(wù)，并伴隨著計(jì)算機(jī)技術(shù)發(fā)展而逐漸應(yīng)用成熟化、高端化，能夠?qū)︶t(yī)學(xué)圖像進(jìn)行精準(zhǔn)分析。人工智能醫(yī)學(xué)影像的開發(fā)和應(yīng)用，大大降低了人為操作影像的失誤率，提高了診斷效率、提高了診斷準(zhǔn)確度，給予病人較多幫助。盡管人工智能醫(yī)學(xué)影像優(yōu)勢突出，但也同樣面臨著一些挑戰(zhàn)，需要克服、需要再進(jìn)步，這對于整個(gè)醫(yī)學(xué)行業(yè)而言都是一個(gè)重要的發(fā)展課題。

1 ?傳統(tǒng)人工醫(yī)學(xué)影像缺陷

人工智能醫(yī)學(xué)影像在醫(yī)學(xué)領(lǐng)域的應(yīng)用，打開了醫(yī)學(xué)發(fā)展的大門、促進(jìn)了醫(yī)院提升診斷效率，實(shí)現(xiàn)了醫(yī)學(xué)影像高效化，在人工智能醫(yī)學(xué)影像大范圍應(yīng)用背景下，以往的人工醫(yī)學(xué)影像缺陷更為突出，可以從幾個(gè)方面來進(jìn)行全面闡述。首先，醫(yī)療數(shù)據(jù)中大部分?jǐn)?shù)據(jù)都來自醫(yī)學(xué)影像，而醫(yī)學(xué)影像又都是經(jīng)過人工分析得來，具有很大的不確定性，醫(yī)生的專業(yè)能力達(dá)不到、標(biāo)準(zhǔn)單一化都有可能造成疾病類型、疾病程度誤判，不利于病患接受符合的救治手段而迅速康復(fù)，嚴(yán)重的還會(huì)加重病人病情，此外，人工醫(yī)學(xué)影響還會(huì)受到視覺影響，眼花、眼累等情況都會(huì)造成誤判、漏判;其次，醫(yī)學(xué)數(shù)據(jù)增長迅速、攝像數(shù)據(jù)增長緩慢，兩者之間差距較大，不利于相關(guān)醫(yī)師長時(shí)間學(xué)習(xí)和接受培訓(xùn)，這也就意味著放射科中的醫(yī)生未來工作壓力會(huì)越來越大，很容易造成壓力負(fù)荷，不利于放射科長遠(yuǎn)發(fā)展;最后，放射科的醫(yī)師缺乏強(qiáng)有力的方法和工具進(jìn)行快速提升，無法保證競爭力提高，無法穩(wěn)定科學(xué)發(fā)展局勢，而人工智能醫(yī)學(xué)影像卻可以促成影像方面的良性、長遠(yuǎn)發(fā)展。

2 ?人工智能醫(yī)學(xué)影像應(yīng)用的現(xiàn)實(shí)

人工智能醫(yī)學(xué)影像應(yīng)用最成熟的版塊是圖像識別和深度學(xué)習(xí)，實(shí)現(xiàn)了自動(dòng)化探查、自動(dòng)化成像，其優(yōu)勢被醫(yī)學(xué)領(lǐng)域充分應(yīng)用，具體應(yīng)用內(nèi)容如下：

2.1 協(xié)助計(jì)算機(jī)展開工作

人工智能醫(yī)學(xué)影像的優(yōu)勢發(fā)揮離不開計(jì)算機(jī)的協(xié)助，而計(jì)算機(jī)作為醫(yī)學(xué)信息傳達(dá)的最主要工具，人工智能醫(yī)學(xué)影像的加入，也較好的協(xié)助了計(jì)算機(jī)展開更多元化的工作，打造了圖像處理、計(jì)算機(jī)視覺、醫(yī)學(xué)影像，較好的通過系統(tǒng)處理對異常特征進(jìn)行詳細(xì)標(biāo)注，協(xié)助醫(yī)生更好探究病源，整體提高了醫(yī)學(xué)判定準(zhǔn)確率。伴隨計(jì)算機(jī)技術(shù)的快速升級，基于機(jī)器學(xué)習(xí)和圖像處理技術(shù)的CAD在醫(yī)學(xué)影像領(lǐng)域中取得了重大突破，計(jì)算機(jī)圖像處理、數(shù)據(jù)累積能力都獲得大幅度提升，圖像顯現(xiàn)也更為清晰，深度學(xué)習(xí)在醫(yī)療圖像上的研究達(dá)到高潮，使得CAD結(jié)構(gòu)不繁瑣、不混亂，較好的服務(wù)于醫(yī)學(xué)領(lǐng)域，也提高了自身的應(yīng)用價(jià)值。

2.2 影像組學(xué)

影像組學(xué)這一名稱來源于CAD，在2012年被首次提出。這是一種以大數(shù)據(jù)為前提下的海量圖像處理技術(shù)，能夠?qū)Υ罅繑?shù)據(jù)信息進(jìn)行深層次挖掘、探究、解析，從而發(fā)現(xiàn)更多有價(jià)值的信息，能夠有效輔助醫(yī)學(xué)檢驗(yàn)結(jié)果，從而提升判定準(zhǔn)確率，對于今后的臨床對策提供有效幫扶。影像組學(xué)的分析流程氛圍五個(gè)環(huán)節(jié)，首先，是同構(gòu)CT、PET等影像掃影技術(shù)采集需要的圖像;然后，對圖像有一個(gè)深入探究過程，進(jìn)行圖像分割，分為多個(gè)區(qū)域;其次，對有疑問的地方進(jìn)行標(biāo)注、提取，其中包括紋理、位置、形狀等特征;另外，對標(biāo)注出來的特征進(jìn)行匯總分析，常用的分析辦法有主成分分析、相關(guān)性分析等等;最后，是通過機(jī)器學(xué)習(xí)方法達(dá)成影像組學(xué)預(yù)測和評估，構(gòu)建出分類模型。

影像組學(xué)的出現(xiàn)，打破了以往醫(yī)學(xué)模式，摒棄了以往的形態(tài)學(xué)及半定量分析模式，較好的服務(wù)于醫(yī)學(xué)領(lǐng)域，也在醫(yī)學(xué)領(lǐng)域提供了海量的有效信心，對于探查部位的問題有了較好的初期判定，是重要的醫(yī)學(xué)信息，也是醫(yī)學(xué)中寶貴的研究財(cái)富。

2.3 影像基因組學(xué)

基因組學(xué)是伴隨社會(huì)發(fā)展、時(shí)間推移而逐漸成熟化的醫(yī)學(xué)內(nèi)容，目的是實(shí)現(xiàn)更高效化醫(yī)療。傳統(tǒng)基因分析手段依靠的大多是活檢，其中的風(fēng)險(xiǎn)是不可忽視的，這也是它應(yīng)用的弊端，容易產(chǎn)生不良反應(yīng)和相關(guān)性的一系列問題。相較于以往，醫(yī)學(xué)影像在目標(biāo)上應(yīng)用的負(fù)面影響并不明顯，并沒有展現(xiàn)出侵入性特點(diǎn)，在此基礎(chǔ)上還實(shí)現(xiàn)了高分辨率、時(shí)空連續(xù)等特點(diǎn)，是目前生物醫(yī)學(xué)最有前景的研究領(lǐng)域之一。

3 ?人工智能醫(yī)學(xué)影像應(yīng)用的挑戰(zhàn)

人工智能醫(yī)學(xué)影像雖然呈現(xiàn)出多元化的協(xié)助優(yōu)勢，并產(chǎn)生了高效化的工作模式，但是仍舊在醫(yī)學(xué)應(yīng)用中面臨眾多挑戰(zhàn)，具體如下：

3.1 政策層面挑戰(zhàn)

在2018年的政策法規(guī)中，強(qiáng)調(diào)了醫(yī)用軟件的分類，設(shè)定了不同審批通道。診斷軟件需要需要通過算法，提供診斷意見，而且只具備單一的診斷功能，不能直接下定論，目錄中的相關(guān)產(chǎn)品按照二類醫(yī)療器械進(jìn)行統(tǒng)一管理;若診斷軟件除了有效病變識別，還提出更明確的診斷提示，可以歸為第三類醫(yī)療器械，按照第三類醫(yī)療器械管理辦法進(jìn)行統(tǒng)一管理。當(dāng)下的狀況是沒有沒有一家醫(yī)療企業(yè)的產(chǎn)品獲得三類證，并未進(jìn)行市場有效管理、規(guī)范。國家食品藥品總局也在積極研究人工智能的臨床狀況，在借鑒西方國家經(jīng)驗(yàn)下，既要保證產(chǎn)品的安全，又要為人工智能產(chǎn)品的長遠(yuǎn)發(fā)展規(guī)劃好路線。

在醫(yī)療場景中，醫(yī)療服務(wù)的新增收費(fèi)項(xiàng)目沒有具體標(biāo)準(zhǔn)可參考，就算醫(yī)院引進(jìn)并應(yīng)用人工智能產(chǎn)品，也不能盡快進(jìn)行收費(fèi)，后果就是導(dǎo)致人工智能產(chǎn)品采購意愿的下跌，無法盡快在醫(yī)療市場中流通，不利于人工智能相關(guān)研發(fā)企業(yè)的快速發(fā)展、快速壯大。在這種現(xiàn)狀下，人工智能醫(yī)學(xué)影像也不會(huì)發(fā)展較快，不會(huì)實(shí)現(xiàn)快速更迭，也就減緩了醫(yī)學(xué)領(lǐng)域發(fā)展速度，不利于人工智能醫(yī)學(xué)影像更多功能的盡早開發(fā)。

3.2 技術(shù)層面挑戰(zhàn)

人工智能在醫(yī)學(xué)領(lǐng)域是有著巨大發(fā)展空間的，面對著五花八門的人工智能，國家未出臺統(tǒng)一管理標(biāo)準(zhǔn)和應(yīng)用標(biāo)準(zhǔn)，人工智能中的數(shù)據(jù)標(biāo)注技術(shù)也存在著種種問題，在應(yīng)用上沒有百分百的把握，標(biāo)注質(zhì)量主要受標(biāo)注人員的專業(yè)性、責(zé)任心、工作狀態(tài)等因素影響，很容易出現(xiàn)一些標(biāo)注瑕疵，這是不可控的，標(biāo)注質(zhì)量完全無法確保。在這種狀態(tài)下，需要出臺相關(guān)制度進(jìn)行有效干預(yù)，以此規(guī)范化產(chǎn)品研發(fā)。

臨床疾病種類眾多，需要人工智能產(chǎn)品根據(jù)不同類型疾病進(jìn)行針對性的研發(fā)，開發(fā)出一款綜合性能、多樣功能的智能化醫(yī)學(xué)產(chǎn)品成為人工智能企業(yè)的重要發(fā)展方向，這個(gè)目標(biāo)并沒有那么容易實(shí)現(xiàn)。醫(yī)學(xué)影像在獲取高質(zhì)量數(shù)據(jù)方面存在著諸多缺陷。首先，高質(zhì)量影像數(shù)據(jù)主要集中在有實(shí)力、有經(jīng)濟(jì)基礎(chǔ)的三甲醫(yī)院，不能夠?qū)崿F(xiàn)數(shù)據(jù)共享，不利于偏遠(yuǎn)地區(qū)的中、小醫(yī)院應(yīng)用，造成了數(shù)據(jù)流通、共享上的機(jī)制缺乏;然后，中國的醫(yī)療數(shù)據(jù)龐大，但是并不能較好的服務(wù)于人工智能影像，因?yàn)榻^大部分?jǐn)?shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，并沒有較好的參照價(jià)值和應(yīng)用價(jià)值，再加上用不同設(shè)備、不同場景的數(shù)據(jù)并不能代表一些問題，無法真正利用到人工智能影像中;最后，臨床病癥指南也需要技術(shù)的更新進(jìn)行更新，只有不斷完善、不斷更近，才能與時(shí)俱進(jìn)，滿足當(dāng)代人們的需求和醫(yī)療要求。

除此之外，機(jī)器學(xué)習(xí)算法的普適性也給人工智能醫(yī)學(xué)影像造成一定阻礙，為了增強(qiáng)算法的普適性，需要收集更多有用、合理數(shù)據(jù)，需要研發(fā)企業(yè)與醫(yī)院達(dá)成交流與合作，還需要企業(yè)間達(dá)成更多合作共識，從而克服普適性方面上的挑戰(zhàn)。

3.3 實(shí)際應(yīng)用層面挑戰(zhàn)

雖然人工智能醫(yī)學(xué)影像已經(jīng)取得了傲人成就，還有更長的創(chuàng)新之路要走，但是在臨床中的應(yīng)用還是微乎其微，主要原因有數(shù)據(jù)上的缺漏，不能保持測試數(shù)據(jù)集上的高準(zhǔn)確率。其次是醫(yī)學(xué)數(shù)據(jù)的搜集和處理不夠完善，沒有將醫(yī)生的工作流程、工作細(xì)節(jié)納入考慮范圍，醫(yī)生的思維與學(xué)識是很難復(fù)制的，也是很難融入人工智能醫(yī)學(xué)影像的，這樣看來，醫(yī)生的決策是綜合性的、全面性的。除此之外，先進(jìn)人工智能醫(yī)學(xué)影像的應(yīng)用也受醫(yī)院實(shí)力、醫(yī)院決策、醫(yī)生技術(shù)手段影響，醫(yī)院需要加強(qiáng)人工智能產(chǎn)品重視程度，利用自身優(yōu)勢積極引進(jìn)多臺先進(jìn)人工智能醫(yī)學(xué)影像設(shè)備，還要定期對本院的醫(yī)生進(jìn)行技術(shù)、知識上的培訓(xùn)，定期展開測驗(yàn)，確保人工智能醫(yī)學(xué)影像能夠充分被利用，也確保人工智能醫(yī)學(xué)影像在臨床中應(yīng)用率提升。

3.4 行業(yè)層面挑戰(zhàn)

我國醫(yī)學(xué)影像發(fā)展較為迅速，已將AI上升到國家戰(zhàn)略層面，尤其可見，醫(yī)學(xué)影像的發(fā)展空間是巨大的、發(fā)展前景是良好的，醫(yī)院和醫(yī)生都會(huì)在國家支持的政策下迎來新面貌，同時(shí)也迎來了新挑戰(zhàn)。因?yàn)榛颊呷后w對于醫(yī)學(xué)影像概念及應(yīng)用知之甚少，很有可能會(huì)產(chǎn)生應(yīng)用誤解，很有可能造成片面解讀。因此，需要一個(gè)普及的過渡階段，對于收費(fèi)方面而言，同樣也需要長時(shí)間的適應(yīng)和認(rèn)可階段。

4 ?結(jié)束語

綜上所述，人工智能醫(yī)學(xué)影像優(yōu)勢突出，確保了疾病的篩查準(zhǔn)確率，大大提升了篩查效率，更好的協(xié)助醫(yī)生確定病情、病情程度。但是不可忽視的是，人工智能醫(yī)學(xué)影像也面臨著眾多發(fā)展挑戰(zhàn)，還有很長的路要走，需要進(jìn)一步結(jié)合環(huán)境變化、實(shí)際需求來加強(qiáng)功能和效率，不斷伴隨社會(huì)發(fā)展而做出改變，切實(shí)在影像方面發(fā)揮更強(qiáng)大功效，更好的造福人類。

參考文獻(xiàn)：

[1]粱振宇，翟艷東.人工智能在醫(yī)學(xué)影像中的應(yīng)用[J].醫(yī)學(xué)信息學(xué)雜志，2019，40（09）：17-20.

[2]段慧，韓丹，張正華.肺結(jié)節(jié)人工智能技術(shù)在醫(yī)學(xué)影像學(xué)專業(yè)實(shí)習(xí)生教學(xué)中的初步應(yīng)用[J].影像研究與醫(yī)學(xué)應(yīng)用，2019，3（16）：247-248.

[3]王杜春，任龍，劉寧川，楊柳，何杰.人工智能+醫(yī)學(xué)影像在肺結(jié)節(jié)檢測中的應(yīng)用研究[J].影像研究與醫(yī)學(xué)應(yīng)用，2019，3（16）：39-41.

[4]劉豐偉，李漢軍，張逸鶴，李若松，王尊升，唐曉英.人工智能在醫(yī)學(xué)影像診斷中的應(yīng)用[J].北京生物醫(yī)學(xué)工程，2019，38（02）：206-211.