薛佳凱

摘? 要：信息時代下，信息技術已經(jīng)產(chǎn)能為新時代背景下一種更加高效的生產(chǎn)力，推動社會的進步。在醫(yī)學領域，為了進一步提升臨床治療效果，在醫(yī)學影像中結合人工智能技術開展治療活動具有很大的發(fā)展前景?，F(xiàn)階段，人工智能技術已經(jīng)在醫(yī)學影像應用中進入嘗試階段，力求在人工智能技術、計算機信息技術、新一代醫(yī)學影像技術下共同提升臨床療效。

關鍵詞：信息技術? 人工智能? 醫(yī)學影像? 現(xiàn)狀

中圖分類號：TP18? 文獻標識碼：A? ?文章編號：1672-3791（2021）10（b）-0000-00

Discussion on the Present Situation and Challenge of Research， Development and Application of Medical Imaging Artificial Intelligence

XUE? Jiakai

（Medical School of Yan'an University， Yan'an， Shaanxi Province， 716000 China）

Abstract： In the information age， information technology has become a more efficient productivity under the background of the new era， promoting social progress. In the medical field， in order to further improve the clinical treatment effect， it has a great development prospect to carry out treatment activities in medical imaging combined with artificial intelligence technology. At this stage， artificial intelligence technology has entered the trial stage in the application of medical imaging， and strive to jointly improve the clinical efficacy under the artificial intelligence technology， computer information technology and the new generation of medical imaging technology.

Key Words： Information technology; Artificial intelligence; Medical imaging; Present situation

在計算機信息技術與網(wǎng)絡技術公共發(fā)展的背景下，人工智能技術應運而生?，F(xiàn)如今，人工智能技術已經(jīng)成為新時代背景下許多行業(yè)未來發(fā)展的新方向，對醫(yī)學領域也產(chǎn)生了十分深遠的影響。以人工智能作為核心的醫(yī)療技術，是未來一段時期內(nèi)主流的醫(yī)學研究發(fā)展方向。醫(yī)學影像是醫(yī)學診斷的重要手段，在未來，以人工智能為核心技術的醫(yī)學影像勢必成為主流的發(fā)展趨勢，因此該次研究中對醫(yī)學影像人工智能的研發(fā)應用現(xiàn)狀與挑戰(zhàn)進行分析，為人工智能技術未來在醫(yī)學影像當中的實際應用提供參考。

1 人工智能醫(yī)學影像簡介

人工智能，簡稱AI，屬于一種對人類智能理論、方法、技術、應用系統(tǒng)模擬、延伸、拓展的一類信息科學。關于人工智能的理論研究起源于20世紀50年代，但是在以后的一段時間內(nèi)，由于技術條件的限制，使得人工智能技術停滯于理論階段。今天，隨著計算機網(wǎng)絡信息技術的發(fā)展，已經(jīng)誕生了比傳統(tǒng)人工智能算法更加先進的深度學習算法，基于深度學習算法技術上的人工智能技術，無論是學習能力，還是自主學習進化能力都更加出眾，可以在海量學習數(shù)據(jù)的基礎上，擺脫傳統(tǒng)算法帶來的一系列限制，進一步提升人工智能技術的實際運用效率。

人工智能醫(yī)學影像的理念，在20世紀60年代就被提出。早期的人工智能醫(yī)學影像主要采用邏輯算法、統(tǒng)計模式對放射診斷流程進行有效識別，發(fā)展到20世紀80年代，因為計算機技術已經(jīng)開始發(fā)展，推動了醫(yī)學影像技術開始向數(shù)字化方向發(fā)展，這種背景下的人工智能醫(yī)學影像已經(jīng)逐漸從起初的主觀角度向定量計算方向發(fā)展，計算機輔助診斷系統(tǒng)在此背景下應運而生，不過這一階段的人工智能醫(yī)學影像技術還處于發(fā)展階段，基于深度學習的人工智能醫(yī)學影像技術才標志著走向成熟階段，并且開始真正具備臨床實踐價值[1]。除了人工智能技術本身，以更加強大計算機存儲技術為代表的一系列硬核技術進一步推動了人工智能醫(yī)學影像技術的進步，為人工智能醫(yī)學影像實現(xiàn)在臨床治療中的大范圍推廣應用奠定技術基礎。

2 人工智能醫(yī)學影像的實際應用的目標與意義

2.1目標

從現(xiàn)階段臨床醫(yī)學發(fā)展的需求來看，人工智能醫(yī)學影像對于臨床醫(yī)學放射診斷具有積極意義。醫(yī)學影響是現(xiàn)代醫(yī)學實現(xiàn)數(shù)字化醫(yī)療的核心技術代表，并且人工智能醫(yī)學影像正在向著高分辨薄層掃描、多模態(tài)的方向發(fā)展。據(jù)不完全統(tǒng)計，人工智能醫(yī)學影像正在以30%的速度增長持續(xù)增長，并且已經(jīng)占據(jù)現(xiàn)階段醫(yī)院全部數(shù)字化數(shù)據(jù)的90%。醫(yī)學影像從起初的以膠片為載體，發(fā)展至后期的數(shù)字化載體，在簡化放射科醫(yī)師工作程序的同時也增加了工作量，并且隨著我國居民健康意識的增強，臨床放射的工作量會增加，面對如此龐大的放射醫(yī)療需求，而在醫(yī)療方面的資源投入明顯無法滿足日益增長的居民醫(yī)療需求。人工智能醫(yī)學影像的到來可以幫助緩解放射醫(yī)師壓力，提升醫(yī)學影像診斷效率，滿足時代發(fā)展需求。

2.2意義

人工智能醫(yī)學影像面對龐大的工作量對病例進行篩選、檢查。人工智能醫(yī)學影像的應用場景：（1）陽性病例所占比重低;（2）陽性病灶區(qū)數(shù)據(jù)占比小;（3）對影像診斷專業(yè)知識水平需求低。人工智能技術對檢查出陽性病例/病灶區(qū)域以后，專業(yè)的放射醫(yī)師再開展進一步診斷，因此可以避免因為大量陰性病例數(shù)據(jù)中篩選篩選少量陽性病例所浪費的資源與時間[2]。

人工智能醫(yī)學影像技術可以替代一部分放射醫(yī)師的工作，特別是判讀結果可以達到標準簡明、穩(wěn)定水平，且知識構成相對簡單。

此外，人工智能醫(yī)學影像還可以提供一些附加價值，主要體現(xiàn)在兩方面：輔助放射醫(yī)師進行醫(yī)學影像診斷，可以在專業(yè)醫(yī)師的指導下對患者腫瘤的參數(shù)進行測量，而運用人工智能可以更加精準地實現(xiàn)此項工作，且醫(yī)學影像指標更加豐富。

不難看出，人工智能醫(yī)學影像可以優(yōu)化放射醫(yī)師在資源、時間等方面的合理配置，使有限的資源發(fā)揮出更多的價值，但是人工智能醫(yī)學影像并不能取代放射醫(yī)師，而是為放射醫(yī)師提供更多的幫助。

在現(xiàn)代信息技術的幫助下，人工智能醫(yī)學影像可以推廣到一些醫(yī)療技術落后的基層醫(yī)療單位，可以實現(xiàn)分級治療，優(yōu)化醫(yī)療資源配置，推動醫(yī)學向著智能化的方向發(fā)展。

3 現(xiàn)階段人工智能醫(yī)學影像的發(fā)展狀況

3.1發(fā)展過程中遇到的瓶頸

現(xiàn)階段我國國內(nèi)的人工智能醫(yī)學影像，已經(jīng)基本完成了臨床研究階段，在不久的未來就可以實現(xiàn)在臨床實踐中應用。理想狀態(tài)下，人工智能醫(yī)學影像可以提升醫(yī)護人員工作效率，同時增加患者康復幾率。

雖然人工智能醫(yī)學影像并不是新的概念，但是在臨床實踐中應用人工智能醫(yī)學影像解決實際問題依然處于試水階段，在推廣過程中可以發(fā)現(xiàn)，人工智能醫(yī)學影像在實際應用中往往會遭遇許多瓶頸，阻礙了人工智能醫(yī)學影像在臨床實踐工作中的應用和推廣。

現(xiàn)有的醫(yī)學模型性能對人工智能醫(yī)學影像的實際應用造成負面影響?，F(xiàn)階段臨床上使用的DL算法雖然可以實現(xiàn)對病情的自動化識別與分類，不過其靈敏度、特異度、精確度還有待提升，只有這樣才可以進一步提升DL算法在臨床應用的效率與價值;現(xiàn)階段對于人工智能醫(yī)學影像的成果測評都是各設計公司自行組織的，并沒有官方的、權威的驗證平臺。由于各設計公司在水平上存在顯著差異，所以驗證結果也會存在差異，可信度往往遭到質疑;現(xiàn)階段，我國存在相當一部分醫(yī)院的醫(yī)學影像科使用的影像設備均來源于不同的生產(chǎn)商，因此在同一科室會出現(xiàn)多個不同的操作標準，這就使得設備的后續(xù)服務失去了一站式的優(yōu)點，影響科室的工作效率;要確保人工智能醫(yī)學影像的數(shù)據(jù)安全，首先需要十分明確且健全的數(shù)據(jù)使用權、所有權，在此基礎上才可以進一步構建相關的規(guī)范，實現(xiàn)人工智能醫(yī)學影像產(chǎn)品實際使用過程中的一系列倫理規(guī)范[3]。

3.2人工智能醫(yī)學影像發(fā)展規(guī)劃

從現(xiàn)階段人工智能醫(yī)學影像的發(fā)展形勢來看，人工智能醫(yī)學影像的發(fā)展狀況實際上是處于動態(tài)變化的。首先，伴隨人工智能技術的進步，關于人工智能醫(yī)學影像相關的產(chǎn)品一定越來越多，最終會涵蓋人體全身各個部位。人工智能醫(yī)學影像也會從現(xiàn)如今的圖像診斷階段，發(fā)展至最終療效的評估階段，即從現(xiàn)階段的單方向發(fā)展轉向未來的多元化發(fā)展，展現(xiàn)出人工智能醫(yī)學影像一站式的優(yōu)勢。

未來的人工智能醫(yī)學影像勢必會走向一體化發(fā)展趨勢，不僅可以提升人工智能醫(yī)學影像實際應用效率，還可以實現(xiàn)信息的全球互動。例如：人工智能醫(yī)學影像會參與到患者從掛號到出院的全過程，在方便患者的同時，也方便了廣大醫(yī)護人員[4]。伴隨人工智能醫(yī)學影像的普及推廣，相關的一系列政策也將陸續(xù)到來，配套的基礎設施建設也將不斷完善，以人工智能為核心技術的醫(yī)療活動也將逐漸成為現(xiàn)實。

4 人工智能醫(yī)學影像研發(fā)應用

4.1臨床模型設計

有時在臨床治療過程中需要使用臨床模型解決實際問題，運用人工智能進行臨床模型設計具備非常理想的效果，并且臨床實踐結果表明，人工智能醫(yī)學影像設計的臨床模型可以提升實際治療效果以及準確性，受到廣大醫(yī)護人員與患者的歡迎。在根據(jù)人工智能醫(yī)學影像設計臨床模型時需要嚴格參照最新的臨床指南，在當前的醫(yī)療流程基礎上，結合設計完成的臨床模型對患者展開科學的治療。

人工智能算法并不是一成不變的，而是結合最新的數(shù)據(jù)、技術，學習發(fā)展為更加先進的算法，這樣做才可以保證人工智能醫(yī)學影像以及設計的模型始終是符合實際臨床治療需求的[5]。

盡管現(xiàn)階段在技術層面，已經(jīng)開始用小樣本、無樣本人工智能算法學習，但是尚未成熟，因此并不能滿足臨床實際需求。鑒于此，結合人工智能醫(yī)學影像在設計臨床模型時，需要密切結合醫(yī)師決策與醫(yī)護人員自身需求，并且在實際應用過程中，依然需要將獲取足夠的學習數(shù)據(jù)作為重點解決的問題。

4.2結構化數(shù)據(jù)

自人工智能醫(yī)學影像開始在臨床治療中嘗試被應用以后，在設計臨床模型時，就需要以人工智能醫(yī)學影像作為依據(jù)，因為在人工智能醫(yī)學影像基礎上設計的模型可以更加精確，而運用人工智能技術要實現(xiàn)高質量高精度的模型設計，需要以高質量的數(shù)據(jù)作為依據(jù)。在運用人工智能技術構建結構化數(shù)據(jù)的過程中，需要注意一系列問題：（1）采集數(shù)據(jù)。專門收集醫(yī)學影響數(shù)據(jù)的設備，通常類型繁多、參數(shù)不同、質控不同，而這些因素最終都會對設備的實際效果造成影響，因此為了最大限度上確保醫(yī)學影像數(shù)據(jù)的質量，需要在采集數(shù)據(jù)的過程中保證人工智能模型的質量。雖然人工智能具有很大的應用潛力，但是在實際應用過程中需要盡量參考對照多廠家、參數(shù)的圖像質量與疾病類型;（2）標注數(shù)據(jù)。在學習數(shù)據(jù)標注之前，需要事先明確需要學習的目標問題。任務標注的過程中，需要盡可能使用金標準，例如病理、生存期等等;配合使用放射醫(yī)師量化知識，對結構化數(shù)據(jù)進一步明確。對數(shù)據(jù)集開展質量控制工作是非常重要的，因此在數(shù)據(jù)結構化的過程中需要進一步提升數(shù)據(jù)模型的精確性與魯棒性。正因如此，構建高質量結構化數(shù)據(jù)的過程中，需要將工作重點放在準確數(shù)據(jù)集以及提升數(shù)據(jù)集質量上。

4.3選擇人工智能算法

傳統(tǒng)計算機輔助診斷使用的是機器視覺算法、機器學習算法，最新的人工智能算法會使用樣本量更大的數(shù)據(jù)突破準確率對數(shù)據(jù)量的限制，由此實現(xiàn)模型在臨床治療中的有效應用。因為建模方式的不同，需要使用的數(shù)據(jù)量、復雜程度也不同，所以需要結合模型的實際情況對數(shù)據(jù)量、復雜程度進行慎重選擇[6]。

（1）海量的學習數(shù)據(jù)，建議使用神經(jīng)網(wǎng)絡類型豐富多樣的深度學習作為建模學習器;（2）中等數(shù)量的學習數(shù)據(jù)，建議使用深度學習進行建模，如果在實際建模過程中發(fā)現(xiàn)效果并不理想，可以選擇更換為神經(jīng)網(wǎng)絡對數(shù)據(jù)特征進行有效提取;（3）對于數(shù)量極少的數(shù)據(jù)，建議使用影像組學提取病變范圍的實際特征，并使用機器算法進行建模;（4）還有一種相對特殊的情況，就是即便是數(shù)據(jù)量偏中等的情況下，模態(tài)數(shù)據(jù)數(shù)量依然龐大，此時就可以考慮使用遷移學習，以此來實現(xiàn)在小樣本學習數(shù)據(jù)中應用大樣本數(shù)據(jù)經(jīng)驗。

雖然在對算法進行選擇時，需要結合實際情況選擇不同類型的算法，但是無論哪一種算法，都需要堅持對模型準確性、魯棒性、泛化性的驗證。運用交叉驗證法，可以進一步驗證數(shù)據(jù)的可行性，這也是運用人工智能算法建模的關鍵所在。

5結語

人工智能醫(yī)學影像的理念從20世紀60年代就已經(jīng)被提出，經(jīng)過數(shù)十載的發(fā)展，這一理論正在逐漸變?yōu)楝F(xiàn)實?，F(xiàn)階段，人工智能醫(yī)學影像處于研究階段，為人工智能早日實現(xiàn)臨床大規(guī)模推廣奠定技術基礎。截至目前為止，關于人工智能醫(yī)學影響的研究不斷增多，主要研究的方面包括構建模型、數(shù)據(jù)，根據(jù)人工智能醫(yī)學影像設計的模型、構建的數(shù)據(jù)具有更高的精確度，可以更好地支持一系列醫(yī)療活動的開展，造福廣大患者。

參考文獻

[1]吳毅，張小勤.人工智能在醫(yī)學圖像處理中的研究進展與展望[J].第三軍醫(yī)大學學報，2021，43（18）：1707-1712.

[2]邱陳輝，黃崇飛，夏順仁，等.人工智能在醫(yī)學影像輔助診斷中的應用綜述[J].航天醫(yī)學與醫(yī)學工程，2021，34（5）：407-414.

[3]張知非，楊鄭鑫，黃運有，等.醫(yī)學大數(shù)據(jù)與人工智能標準體系：現(xiàn)狀、機遇與挑戰(zhàn)[J].協(xié)和醫(yī)學雜志，2021，12（5）：614-620.

[4]李明洋.基于機器學習的醫(yī)學影像研究和輔助診斷平臺[D].長春：吉林大學，2020.

[5]馬舉銘.基于深度學習的人工智能在早期肝癌磁共振影像的應用研究[D].濟南：山東大學，2020.

[6]王麗會，秦永彬.深度學習在醫(yī)學影像中的研究進展及發(fā)展趨勢[J].大數(shù)據(jù)，2020，6（6）：83-104.