楊冬均 張紹金 穆蘭

摘要：目的 對(duì)人工智能在骨肌系統(tǒng)影像領(lǐng)域中的應(yīng)用進(jìn)行探討。方法 對(duì)近幾年人工智能在骨肌系統(tǒng)影像領(lǐng)域的應(yīng)用效果進(jìn)行分析，在骨科科室內(nèi)隨機(jī)選取20位骨科患者，隨機(jī)分為對(duì)照組與實(shí)驗(yàn)組，對(duì)照組患者·使用傳統(tǒng)醫(yī)學(xué)影響技術(shù)，實(shí)驗(yàn)組患者使用人工智能系統(tǒng)。對(duì)兩組患者的誤差幾率比較。結(jié)果 使用人工智能的對(duì)照組患者骨肌系統(tǒng)影像檢測(cè)失誤率遠(yuǎn)遠(yuǎn)小于對(duì)照組，說明人工智能對(duì)于骨肌系統(tǒng)影像利用與信息發(fā)掘能力遠(yuǎn)高于傳統(tǒng)方式。結(jié)論在科技越加發(fā)達(dá)的現(xiàn)代，對(duì)醫(yī)學(xué)技術(shù)的要求越來越高，想要充分發(fā)揮骨肌系統(tǒng)影像的作用，增加成像準(zhǔn)確性，尋找新的治療途徑與方法，提高患者治愈率，必要時(shí)，可以充分發(fā)揮人工智能在骨肌系統(tǒng)影像中的作用。

關(guān)鍵詞：人工智能;骨肌系統(tǒng);醫(yī)學(xué)影像學(xué);

近年來人工智能技術(shù)不斷發(fā)展，并且在云數(shù)據(jù)庫(kù)，大數(shù)據(jù)的前提下，人工智能體系發(fā)展的更加完善，已逐步滲透至醫(yī)學(xué)領(lǐng)域，其中，人工智能在醫(yī)學(xué)影響方面起到較深的影像，人工智能運(yùn)用在骨肌系統(tǒng)影像中可以通過AI智能的方式高效并且精確的尋找病變部位，提供更加全面的預(yù)后評(píng)估，可以提高醫(yī)師工作效率，降低醫(yī)療成本。骨肌系統(tǒng)疾病與骨及周圍關(guān)節(jié)密切相關(guān)，且骨肌系統(tǒng)病情種類較多，骨科中常見的使用影像的方法對(duì)病因以及病變部位進(jìn)行觀察，影像學(xué)也是治療骨科疾病的重要基礎(chǔ)。影像學(xué)檢查作為骨科中的重要檢查方法，其準(zhǔn)確度與患者病情的治療積極相關(guān)，是疾病診療的基礎(chǔ)，現(xiàn)代醫(yī)學(xué)要求的目的逐漸多樣化，醫(yī)學(xué)影像學(xué)已經(jīng)從傳統(tǒng)的定位，定量演變成如今的多選擇評(píng)估，診療方案多項(xiàng)選擇和精準(zhǔn)的預(yù)后評(píng)估（1）。

1資料與方法

1.1一般資料

對(duì)近幾年人工智能在骨肌系統(tǒng)影像領(lǐng)域的應(yīng)用效果進(jìn)行分析，在骨科科室內(nèi)隨機(jī)選取20位骨科患者，所選患者應(yīng)符合相關(guān)診斷診斷標(biāo)準(zhǔn)，隨機(jī)分為對(duì)照組與實(shí)驗(yàn)組，對(duì)照組患者·使用傳統(tǒng)醫(yī)學(xué)影響技術(shù)，實(shí)驗(yàn)組患者使用人工智能系統(tǒng)。對(duì)兩組患者的誤差幾率比較兩組患者中，對(duì)照組患者平均年齡30±2.3歲，其中男性患者4人，女性患者6人，實(shí)驗(yàn)組中，患者平均年齡29±3.1歲，其中男性患者5人，女性患者5人，兩組患者均符合收納標(biāo)準(zhǔn)，且患者的其他一般資料無影響（p>0.05）。

1.2方法

1.2.1人工智能在骨肌影像領(lǐng)域應(yīng)用概況

根據(jù)國(guó)內(nèi)外研究報(bào)道，對(duì)人工智能在骨肌影像系統(tǒng)領(lǐng)域中的應(yīng)用情況做出以下概述：

1對(duì)骨齡的檢測(cè)，該項(xiàng)技術(shù)是依靠于深度學(xué)習(xí)技術(shù)，通過AI計(jì)算出的結(jié)果通過影像與綜合分析結(jié)合患者實(shí)際情況對(duì)患者的左手和手腕進(jìn)行x射線檢查，從而起到評(píng)估患者體內(nèi)生長(zhǎng)激素水平與內(nèi)分泌，或用于矯正正骨或手術(shù)需要，或用于測(cè)定患者的最終身高，并生成患者骨齡評(píng)價(jià)，身高預(yù)測(cè)與發(fā)育評(píng)價(jià)報(bào)告等。

2骨折檢測(cè)

骨折是骨科科室的常見疾病，也是臨床常見的疾病之一，因人體骨骼結(jié)構(gòu)的復(fù)雜多變性，也是臨床誤診漏診的常見病因，使用人工智能在骨肌系統(tǒng)影像的檢測(cè)系統(tǒng)，可以精準(zhǔn)發(fā)現(xiàn)骨折類別與骨折部位，具有一定的臨床診斷意義，根據(jù)國(guó)內(nèi)外多項(xiàng)報(bào)道顯示，使用深度卷積神經(jīng)網(wǎng)絡(luò) （convolutional neural network，CNN），模型檢測(cè)和分類肱骨近端骨折，結(jié)果顯示 CNN模型在區(qū)分正常肩部和肱骨近端骨折方面準(zhǔn)確率高達(dá) 96%李小敏等[1] 利用深度學(xué)習(xí)算法在 CT 圖像上自動(dòng)檢測(cè)和分類跟骨骨折，其準(zhǔn)確率達(dá)到了 98%。周清清等[2]，這種依賴于人工智能的CNN算法，相比一般的計(jì)算模型，具有更加優(yōu)秀的診斷效能，可以在短時(shí)間內(nèi)縮短檢測(cè)的平均時(shí)長(zhǎng)，對(duì)于輔助放射科醫(yī)生進(jìn)行臨床診斷具有一定的積極意義。使用人工智能對(duì)骨折患者進(jìn)行診療分析的過程中，不僅可以提高患者病情恢復(fù)速度，減小失誤率，更能減小醫(yī)生的工作量。

3骨腫瘤

人工智能運(yùn)用于骨腫瘤的開始時(shí)間較早，早于1980 年，Lodwick 等[3]便通過使用計(jì)算機(jī)模型確定了骨腫瘤分型，雖然骨腫瘤病情在腫瘤類型中屬于發(fā)病率較低的一種病情，但是病情通常表現(xiàn)位多種形態(tài)成像特點(diǎn)，其治療方法相對(duì)于其他腫瘤病情更單一，主要從放射治療與化療入手，精確地從骨腫瘤CT和MRI圖像中分割出腫瘤病灶區(qū)域，對(duì)術(shù)前新輔助放化療的計(jì)劃制定，以及術(shù)后療效評(píng)估都有著至關(guān)重要的作用，李小敏等[1]。但是人工勾畫腫瘤部位時(shí)間長(zhǎng)且出錯(cuò)率高，為了防止其他主觀因素對(duì)勾畫結(jié)果的影像，使用人工智能的方式可以實(shí)現(xiàn)骨腫瘤的病理區(qū)域的自動(dòng)分割與合理判斷，有較大的應(yīng)用價(jià)值。

2結(jié)果

2.1人工智能與傳統(tǒng)方法用于測(cè)定骨齡的結(jié)果誤差對(duì)比

以人工智能應(yīng)用于測(cè)定患者骨齡的結(jié)果為例，對(duì)比人工智能方式應(yīng)用于骨肌系統(tǒng)影像中的應(yīng)用效果，對(duì)比傳統(tǒng)骨齡測(cè)定方法，發(fā)現(xiàn)使用人工智能測(cè)定骨齡的方法發(fā)現(xiàn)，誤差一年內(nèi)為90.21%，誤差兩年內(nèi)為98，21%，傳統(tǒng)方法骨齡測(cè)定的結(jié)果顯示，誤差一年內(nèi)為73，21%，誤差兩年內(nèi)79，21%，兩組結(jié)果對(duì)比，發(fā)現(xiàn)人工智能運(yùn)用于患者骨齡的測(cè)定具有明顯的準(zhǔn)確優(yōu)勢(shì)。

結(jié)論

近年來人工智能技術(shù)不斷發(fā)展，已逐步滲透至醫(yī)學(xué)領(lǐng)域，其中，人工智能在醫(yī)學(xué)影響方面起到較深的影像，人工智能運(yùn)用在骨肌系統(tǒng)影像中可以通過AI智能的方式高效并且精確的尋找病變部位，提供更加全面的預(yù)后評(píng)估，可以提高醫(yī)師工作效率，降低醫(yī)療成本，具體已應(yīng)用在對(duì)骨齡的檢測(cè)，骨折檢測(cè)于治療骨腫瘤中，該項(xiàng)技術(shù)是依靠于深度學(xué)習(xí)技術(shù)，通過AI計(jì)算出的結(jié)果通過影像與綜合分析結(jié)合患者實(shí)際情況，從而起到矯正正骨或手術(shù)需要，或用于測(cè)定患者的最終身高，并生成患者骨齡評(píng)價(jià)，身高預(yù)測(cè)與發(fā)育評(píng)價(jià)報(bào)告等。

參考文獻(xiàn)：

[1]李小敏，曲揚(yáng)，張少霆，趙亮，劉暢，謝帥寧，戴尅戎，艾松濤.人工智能技術(shù)在骨肌系統(tǒng)影像學(xué)方面的應(yīng)用[J/OL].上海交通大學(xué)學(xué)報(bào)（醫(yī)學(xué)版）：1-5[2021-03-14].http：//kns.cnki.net/kcms/detail/31.2045.R.20210203.1629.006.html.

[2] 周清清， 王佳碩， 唐雯， 等. 基于卷積神經(jīng)網(wǎng)絡(luò)成人肋骨骨折CT自動(dòng)檢測(cè) 和分類的應(yīng)用研究[J]. 影像診斷與介入放射學(xué)， 2020， 29（1）： 27-31.

[3] Lodwick GS， Wilson AJ， Farrell C， et al. Estimating rate of growth in bone lesions： observer performance and error[J]. Radiology， 1980， 134（3）： 585-590.

[4]李媛，張恩龍，李文娟，郎寧，袁慧書.人工智能在骨肌系統(tǒng)影像領(lǐng)域的研究進(jìn)展[J].中國(guó)醫(yī)學(xué)科學(xué)院學(xué)報(bào)，2020，42（02）：242-246.

成都醫(yī)學(xué)院第三附屬醫(yī)院.成都市郫都區(qū)人民醫(yī)院? 四川城都? 610000