張鶯 天津市濱海新區(qū)大港醫(yī)院 （天津 300270）

內(nèi)容提要： 人工智能的進步對社會的許多方面（包括醫(yī)學）產(chǎn)生了顯著的影響，目前在醫(yī)學影像方面顯現(xiàn)出一種改變當前臨床診斷流程的潛力。人工智能技術在醫(yī)學圖像分析中的應用，一方面可以提高醫(yī)生的效率和準確性，減少影像科醫(yī)師的重復簡單工作并降低人為錯誤，減輕大型醫(yī)院醫(yī)生的負擔；另一方面，這些技術可以方便地應用于偏遠地區(qū)，提高當?shù)氐膱D像診斷水平。

人工智能是研究、并用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學，是科技飛速發(fā)展與進步的重要成果，人工智能的進步對社會的許多方面，包括醫(yī)學，產(chǎn)生了顯著的影響，影響著行業(yè)原本存在方式[1-3]。人工智能目前在健康領域不斷滲透，對放射影像學的影響尤其巨大，大多數(shù)放射影像數(shù)據(jù)存儲在電腦上，有超過90%的數(shù)據(jù)來自于醫(yī)學影像。醫(yī)學影像與人工智能的結合被認為是最具發(fā)展前景的領域，影像數(shù)據(jù)量大數(shù)據(jù)是人工智能發(fā)展的關鍵要素之一，如X射線、CT、MRI、超聲、病理等[3-5]。隨著人工神經(jīng)網(wǎng)絡和基于人工智能的計算機輔助診斷（CAD）軟件的開放應用，人工智能開始逐漸整合到放射科日常工作流程中，目前人工智能在醫(yī)學影像中，對于腫瘤影像運用比較成熟，利用人工智能技術將醫(yī)學影像轉化為可挖掘的數(shù)據(jù)，挖掘海量的定量腫瘤影像特征，實現(xiàn)臨床輔助決策[6,7]。

1.人工智能在腫瘤影像中的應用

1.1 肺部結節(jié)

在肺癌的治療中，早期發(fā)現(xiàn)和診斷一直是關鍵，隨著肺癌發(fā)病率的增加，一種靈敏、準確的診斷方法不僅是臨床醫(yī)生使用的重要工具，也是提高生存率的關鍵。人工智能技術在計算機科學、信息科學和大數(shù)據(jù)的基礎上得到了發(fā)展，導致了肺部亞實性結節(jié)人工智能系統(tǒng)的普及，肺結節(jié)檢測是人工智能在心胸放射學中最普遍的應用，人工智能可以通過檢測肺結節(jié)的特征來判斷結節(jié)是良性還是惡性[8]。有研究認為，肺結節(jié)影像人工智能技術檢測出的結節(jié)多為直徑＜5mm及5mm～10mm的結節(jié)、實性及磨玻璃密度結節(jié)，對于發(fā)現(xiàn)5mm以上磨玻璃結節(jié)、鈣化結節(jié)及0～3mm的微小結節(jié)篩查方面，以及對于亞實性結節(jié)和不同位置的結節(jié)，人工智能的檢出率均高于影像醫(yī)師[9,10]。影像組學作為人工智能中機器學習的一種方法，在肺癌中的研究是開始最早、進行最廣泛，且成果較多的研究應用，可用于腫瘤分期、病理分型、肺癌診斷、鑒別診斷、治療方案選擇、療效監(jiān)測及預后評估等多個方面[11]。

1.2 乳腺癌

乳腺癌影像學新技術的不斷發(fā)展和多樣化，為放射科醫(yī)生提供了豐富的數(shù)據(jù)和多種多樣的診斷工具，人工智能結合圖像特異性發(fā)現(xiàn)疾病的基因組、病理和臨床特征，在乳腺癌中正變得越來越有價值[12]。基于深度學習算法的人工智能系統(tǒng)主要集中于乳腺鉬靶X射線影像的分析和研究，目前廣泛應用于X射線攝影對乳腺癌的篩查，對MRI、超聲和數(shù)字乳腺斷層攝影的研究相對較少，X射線攝影對微鈣化灶的檢出率較高，對腫塊的檢出率會受腺體密度的影響，尚不能取代視覺成像評估[13,14]。李欣等[15]研究顯示，人工智能檢測系統(tǒng)對腫塊、乳腺內(nèi)淋巴結、環(huán)形鈣化、圓形鈣化、粗糙鈣化的檢測敏感度分別達到76.4%，71.2%，75.0%83.1%，和64.9%，其中乳腺內(nèi)淋巴結的檢測效果最好。

1.3 前列腺癌

人工智能通過對正常及異常的前列腺圖像進行深度學習，更快的對前列腺腫瘤進行診斷。在前列腺癌的影像中，人工智能在執(zhí)行3個主要臨床任務中具有很大的實用價值，包括前列腺癌的檢測、表征（腫瘤和器官的分割、診斷和分期、預后和結果預測等）和監(jiān)視[16]。

1.4 腦膠質(zhì)瘤

人工智能目前多應用于頭顱MRI，多用監(jiān)督深度學習法，計算機經(jīng)反復多次試錯、擇優(yōu)，形成對圖像的預測模型，然后再經(jīng)多次驗證優(yōu)化，形成初步可預測醫(yī)學圖像的模型，周良輔[17]院士團隊研究認為人工智能為腦膠質(zhì)瘤醫(yī)師精確診療的好助手。

2.人工智能在心血管影像中的應用

心血管疾病是人類的頭號殺手，近年來心血管影像技術的快速發(fā)展產(chǎn)生了大量的影像數(shù)據(jù)，合理地應用人工智能，不僅能夠大大縮短檢查時間，減少心臟影像圖像重建時間，準確快速地進行圖像分割與計算，提高診斷的準確性，還能夠在疾病預后判斷和危險分層中發(fā)揮更大的作用[18]。機器學習模式已用于心血管影像的特征提取和標注。例如，機器學習可以自動識別冠狀動脈CT血管成像的病灶。應用支持向量機算法對病灶自動定位進行了改進，結合多個定量幾何指標和形狀特征（包括狹窄程度、最小管腔直徑、偏心指數(shù)等）得到較高的靈敏度、特異度和準確度，分別為93%、95%、94%[19]。

3.小結

人工智能技術在醫(yī)學圖像分析中的應用，一方面可以幫助放射科醫(yī)生通過快速分析圖像和數(shù)據(jù)登記，提高醫(yī)生的效率和準確性，增強質(zhì)量控制和保證，一方面可以幫助培訓放射科醫(yī)生，幫助住院醫(yī)生和顧問醫(yī)生完成臨床工作[20]。另一方面，這些技術可以方便地應用于偏遠地區(qū)，提高當?shù)氐膱D像診斷水平?？傊?，盡管在臨床大規(guī)模應用人工智能影像技術還面臨各種困難，人工智能的研究方興未艾，但基于人工智能的醫(yī)學影像研究仍然順應了智能醫(yī)學的發(fā)展方向[21,22]。