曲雅楠

煙臺市北海醫(yī)院CT 科，山東龍口 265718

人工智能的最大特點(diǎn)就是能夠通過大數(shù)據(jù)來處理非常復(fù)雜的信息。通過人工智能深入的挖掘其中的信息可以為人類的社會發(fā)展提供更多的資源。醫(yī)學(xué)影像數(shù)據(jù)中含有大量的人體健康信息，目前90%的醫(yī)療數(shù)據(jù)來自于醫(yī)學(xué)影像，并且還在增長。醫(yī)學(xué)影像信息和持續(xù)增長的醫(yī)學(xué)影像診斷要求人工智能能夠更加準(zhǔn)確地判斷和分析除人體健康狀況，醫(yī)學(xué)人工影像解讀能夠通過醫(yī)生的主觀認(rèn)知和影像提高人體疾病的判斷率。目前這個階段，大部分醫(yī)學(xué)影像資料其實(shí)都無法做到自動化，均需要很多的人力參與分析，在這個分析的過程中有許多因素都有可能直接降低診斷的準(zhǔn)確率。所以，對于大幅度增多的圖像數(shù)據(jù)，采用人工的方式進(jìn)行處理顯然已經(jīng)是無法滿足臨床診斷的需求。人工智能是一門新興的學(xué)科，包括信息科學(xué)、數(shù)學(xué)和其他領(lǐng)域，在這些領(lǐng)域，像計(jì)算學(xué)習(xí)和算法模型等基本條件都會逐漸演變成人工智能發(fā)展不可或缺的力量。在最近幾年里，開始有越來越多的人工智能方法使用在醫(yī)學(xué)圖像領(lǐng)域。采用這些新技術(shù)不僅能夠大幅度提升醫(yī)生的工作效率，并且能夠顯著地提升診斷的準(zhǔn)確率。從臨床的角度來看，醫(yī)生會根據(jù)醫(yī)學(xué)影像和常規(guī)疾病檢查方法來判斷病情，目前這種方式已經(jīng)成為醫(yī)學(xué)診斷的主要依據(jù)，并且在臨床診斷上對影像數(shù)據(jù)的解讀也成為當(dāng)前醫(yī)生面臨的挑戰(zhàn)。

1 醫(yī)學(xué)影像大數(shù)據(jù)與AI

為了保證人工智能可以實(shí)現(xiàn)快速發(fā)展，必須要夯實(shí)數(shù)據(jù)基礎(chǔ)，而且通過人工智能能夠?qū)Υ罅康臄?shù)據(jù)進(jìn)行記錄、分析。從醫(yī)學(xué)角度來說，數(shù)據(jù)檢測是尤為重要的，這是保證病情診斷順利完成的關(guān)鍵所在。眾所周知，醫(yī)學(xué)檢測產(chǎn)生的數(shù)據(jù)是非常多的，尤其是在老年人口持續(xù)增加，大家日益重視身體健康的今天，醫(yī)學(xué)影像方面的需求明顯增多[1-2]。在大型醫(yī)院每年的醫(yī)療數(shù)據(jù)甚至超過1PB，對醫(yī)學(xué)影像資料的巨大需求給醫(yī)學(xué)攝影基金會帶來了巨大的需求。尤其是在當(dāng)前世界人口老齡化的基礎(chǔ)上，人們對于自己健康的關(guān)注度也在不斷的提升，對目前的醫(yī)療資源和技術(shù)提出更大的挑戰(zhàn)，這就要求醫(yī)療領(lǐng)域能夠更快的提高自己的技術(shù)水平來滿足人們的需求。當(dāng)前，國內(nèi)外的人工智能技術(shù)也是根據(jù)這些需求來不斷地發(fā)展，為了解決醫(yī)療領(lǐng)域的挑戰(zhàn)，也出現(xiàn)了許多新的產(chǎn)品。例如，計(jì)算機(jī)輔助診斷、智能專家系統(tǒng)等。

作為醫(yī)生的“第3 只眼睛”，醫(yī)學(xué)數(shù)字成像設(shè)備和電子診斷技術(shù)在臨床實(shí)踐中被普及和重用，其中成像和圖像是醫(yī)學(xué)影像的兩個重要組成部分。成像技術(shù)是醫(yī)學(xué)信息源頭，使用不同的物理成像原理來獲取人體組織的結(jié)構(gòu)圖像數(shù)據(jù)，該數(shù)據(jù)準(zhǔn)確、直觀、具體、敏感和可靠，其成像質(zhì)量也能夠成為后續(xù)疾病檢查和診斷的主要依據(jù)?，F(xiàn)階段，醫(yī)學(xué)成像技術(shù)的應(yīng)用是較為常見的，而要保證醫(yī)學(xué)影像方面的實(shí)際需要真正得到滿足，必須要確保其功能更加的全面，并要保證數(shù)據(jù)處理更為迅速[3]。大范圍數(shù)據(jù)處理是收集大型、高性能、多種類型和高價值數(shù)據(jù)信息，并查找特定規(guī)則。人工智能必須從豐富的資源中提取規(guī)則信息，然后通過模型將其轉(zhuǎn)換為“智能”。對醫(yī)學(xué)數(shù)據(jù)的深度學(xué)習(xí)和圖像識別的要求是顯而易見的。利用技術(shù)可以實(shí)現(xiàn)醫(yī)學(xué)影像質(zhì)量的提升，AI 優(yōu)化的掃描工作可以更好地提高掃描效率，并且保證成像質(zhì)量的標(biāo)準(zhǔn)化，在整個醫(yī)療健康鏈中有著重要的臨床和科研價值，其影響也是非常大的[4-5]。

2 人工智能醫(yī)學(xué)影像診斷技術(shù)的基本原理

圖像診斷和治療智能主要涉及到幾個方面:圖像識別主要是用于感知鏈接，目的是能夠得到相關(guān)患者重要的病理信息，并且能夠快速地實(shí)現(xiàn)組織和器官的定位、分類，同時能夠精準(zhǔn)地定位可疑位置，這是一種可以幫醫(yī)生迅速的從海量的信息中提取準(zhǔn)確的信息的方式，避免了人工閱讀帶來的主觀的差異性，對于去除對醫(yī)生的干擾項(xiàng)，幫助醫(yī)生提高對醫(yī)學(xué)圖像的解釋效率，AI 輔助圖像處理算法還可以幫助醫(yī)生完成對分割配準(zhǔn)都復(fù)雜功能通過用醫(yī)療設(shè)備。用以治療的醫(yī)療設(shè)備實(shí)現(xiàn)對病人的病灶結(jié)構(gòu)信息提供精準(zhǔn)的圖像；第二種是使用在預(yù)測和分類等方面的深度學(xué)習(xí)。利用對于醫(yī)學(xué)圖像大數(shù)據(jù)和診斷結(jié)果、定量分析和預(yù)測的特定多層神經(jīng)網(wǎng)絡(luò)培訓(xùn)，降低臨床漏診誤診率[6]。第三種是通過提取其中的診斷和治療信息精準(zhǔn)的確定?；颊叩年P(guān)鍵信息并且能夠在診療的過程中確定準(zhǔn)確的治療方案。AI 輔助診斷可以幫助醫(yī)生篩查病癥，這是一種通過海量的數(shù)據(jù)來提取準(zhǔn)確的信息的過程，在這一過程中，還能夠幫助醫(yī)生準(zhǔn)確的判斷相關(guān)的病癥和有價值的信息，醫(yī)學(xué)圖像的標(biāo)志者需要具備一定的醫(yī)學(xué)背景，同時在進(jìn)行AI 醫(yī)學(xué)影像的過程中通過掃描來完成對患者隱私問題的捕獲，進(jìn)而獲得高質(zhì)量的醫(yī)學(xué)圖像，對不同的病變類型進(jìn)行比較，能夠準(zhǔn)確地判斷出不同的病變類型在正確的醫(yī)學(xué)圖像數(shù)據(jù)上的差距。一些基于AI 非結(jié)構(gòu)醫(yī)學(xué)信息數(shù)據(jù)分析的同時結(jié)合相關(guān)影像，協(xié)助醫(yī)生撰寫診斷報(bào)告，并且能夠在此基礎(chǔ)上生成自動或半自動的標(biāo)注數(shù)據(jù)，從而保證數(shù)據(jù)集的準(zhǔn)確性和標(biāo)準(zhǔn)性。

2.1 圖像識別的基本工作原理

模式識別根據(jù)理論基礎(chǔ)劃分成多個處理階段，針對完整的圖像數(shù)據(jù)采取通用的機(jī)器學(xué)習(xí)方法，涵蓋典型的圖像技術(shù)、視頻技術(shù)以及機(jī)器人視覺。而視覺圖像識別技術(shù)則是利用多種類型的機(jī)器視覺系統(tǒng)提取二維或三維圖像信息，隨后將提取的信息傳輸?shù)綀D像處理系統(tǒng)。根據(jù)點(diǎn)的分布、亮度和顏色分布進(jìn)行二進(jìn)制分析和細(xì)分識別，并將其轉(zhuǎn)換為數(shù)字信號，然后執(zhí)行算法以自動檢測模式[7-8]。目前在臨床上常用的醫(yī)學(xué)影像模態(tài)包括電子計(jì)算機(jī)斷層掃描、磁共振成像、射線等等。不同模態(tài)的醫(yī)學(xué)影像可以辨別圖不同類型的生理病理信息。根據(jù)醫(yī)學(xué)影像設(shè)計(jì)的人體中的正常的生理標(biāo)準(zhǔn)數(shù)據(jù)與病理生理信息物理信號相比較，最終形成信號傳播的數(shù)學(xué)物理模型，然后形成信息精確的二維或三維空間分布醫(yī)學(xué)圖像。例如，CT 圖像就是通過特定普段射線的衰減系數(shù)，對對人體內(nèi)不同組織的數(shù)據(jù)進(jìn)行掃描，由于衰減系數(shù)和物質(zhì)密度有密切的聯(lián)系就會形成人體組織的三維密度分布。三維醫(yī)學(xué)圖像成像的過程中也是通過體外采集到的物理信號，重建產(chǎn)生該觀測信號的人體生理病理信息分布數(shù)據(jù)的采集。在這一過程中，數(shù)據(jù)是不穩(wěn)定的，受到掃描時間劑量的限制導(dǎo)致采集信號量不足，或者原始采集信號存在一定的干擾信號，這在一定程度上就會導(dǎo)致成像設(shè)備硬件的不完美，最終導(dǎo)致成像過程的隨機(jī)運(yùn)動，這些因素都會導(dǎo)致理想數(shù)學(xué)物理模型解析重建方法通常無法達(dá)到臨床要求的圖像。也就是說在圖像重建的過程中需要針對圖像進(jìn)行約束，這樣才能夠形成穩(wěn)定的圖像，而這種簡單的約束條件通用性很強(qiáng)卻無法準(zhǔn)確地反映數(shù)據(jù)本質(zhì)，對于特定的影像模態(tài)和成像模式，無法真正的形成最優(yōu)的成像結(jié)果。目前技術(shù)和醫(yī)學(xué)影像成像方法的結(jié)合已經(jīng)成為當(dāng)前醫(yī)學(xué)技術(shù)研究的重點(diǎn)和熱點(diǎn)問題，研究結(jié)果也在不斷地推出。

2.2 深度學(xué)習(xí)的基本工作原理

圖像數(shù)據(jù)自身展現(xiàn)出來的高維度直接決定了對于學(xué)習(xí)適應(yīng)性訓(xùn)練模型的高需求。多層深神經(jīng)網(wǎng)絡(luò)利用層層關(guān)系逐層獲取醫(yī)療圖片上沒有使用過的數(shù)據(jù)層，隨后得到不同分類預(yù)測層獨(dú)有的抽象屬性。其特殊優(yōu)勢是學(xué)習(xí)功能的有效算法，無需控制，自動獲得信息，而不是傳統(tǒng)的手動信息獲取。同原有的基于深度學(xué)習(xí)的醫(yī)學(xué)成像智能診斷系統(tǒng)對比，它取其精華融入了對于經(jīng)驗(yàn)的定量增長和逐步發(fā)展考慮。利用系統(tǒng)戰(zhàn)略網(wǎng)絡(luò)以及價值網(wǎng)絡(luò)針對大量的醫(yī)學(xué)成像信息層開展層層分析以及數(shù)據(jù)提取，根本不需要為其提供人工邏輯等知識，也就表示能夠在實(shí)時診斷的過程中深入學(xué)習(xí)[9]。所以，智能成像能夠依據(jù)深度神經(jīng)模型來進(jìn)一步研究成像信息，持續(xù)提升其臨床診斷能力。

3 人工智能在醫(yī)學(xué)影像診斷中的應(yīng)用

3.1 腫瘤性疾病

3.1.1 皮膚癌根據(jù)美國癌癥協(xié)會統(tǒng)計(jì)的報(bào)告可知，全世界每年患有皮膚癌的患者中大概是會出現(xiàn)232 000 個新病例以及55 500 個死亡病例。對于黑色素瘤而言，其發(fā)病早期診治同晚期診治的5年存活率數(shù)據(jù)分別達(dá)到了99%以及14%，表示如果能夠早期診斷，基本上黑色素瘤能被完全治愈。傳統(tǒng)使用的皮膚癌診斷主要是利用視覺診斷的方式實(shí)現(xiàn)初步的臨床檢查，隨后對患者使用結(jié)腸鏡檢查、活檢和組織病理學(xué)檢查[10]。從這個意義上說，深層的卷積神經(jīng)網(wǎng)絡(luò)顯示它復(fù)蓋了更多的惡性/良性皮膚癌和葡萄胎的皮膚鏡圖像。利用具有較高敏感性和較強(qiáng)特異性的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)檢測皮膚黑色素瘤，進(jìn)而診斷皮膚癌。隨機(jī)從國際黑色素瘤計(jì)算機(jī)視覺挑戰(zhàn)數(shù)據(jù)集（n=379）中選擇100 張皮膚鏡圖像（50 個黑色素瘤、44 個面片和6 個鏡頭），用于橫截面研究和集成的獨(dú)立自動檢測與算法。使用皮膚科醫(yī)生的圖像識別黑色素瘤時，智能診斷系統(tǒng)的準(zhǔn)確率的提升必定會直接提高醫(yī)生的效率[11]。

3.1.2 乳腺癌乳腺癌屬于女性遇到的常見癌癥問題之一。美國癌癥協(xié)會曾經(jīng)對外宣布，美國婦女中約有2.3億新的浸潤性乳腺癌病例，其中約39，620 例死于乳腺癌，8 名婦女中有一人患有乳腺癌。乳腺癌的檢查必須得到支持，必須為婦女提供高質(zhì)量的篩查、診斷和治療[12]。本文通過神經(jīng)網(wǎng)絡(luò)研究提出了一種基于自組織映射和復(fù)雜神經(jīng)網(wǎng)絡(luò)（CVNN）的混合計(jì)算模型來檢測乳腺癌。通過篩選了822 例患者，利用SOM 技術(shù)針對相似性最高的患者采取分類分組策略，隨后把提取到的特征信息融入到深度神經(jīng)網(wǎng)絡(luò)的處理分類。同臨床診斷結(jié)果對比可知，該病診斷率分別達(dá)到了94%以及95%，由此可見此模型自身的優(yōu)越性以及具有很強(qiáng)的可行性。這種基于人工智能的乳腺癌早期檢測技術(shù)，主要是利用乳腺X 線鉬靶分析來實(shí)現(xiàn)重要的乳腺癌自動分類環(huán)節(jié)，通過大量的臨床數(shù)據(jù)訓(xùn)練并進(jìn)行回歸測試了，結(jié)果表明惡性和性腫瘤區(qū)分的準(zhǔn)確率超過了95%，達(dá)到了95.83%[13]。由此可見，廣義回歸人工神經(jīng)網(wǎng)絡(luò)對于乳腺癌檢測而言屬于一個相對穩(wěn)定的系統(tǒng)，具有較高的準(zhǔn)確率。

3.1.3 肺癌在各類癌癥中，肺癌的發(fā)病率、病死率處于高位，尤其是病死率超過了70%，在所有癌癥死亡例數(shù)中的占比高達(dá)1/4。若想保證患者生存率大幅提高，最為關(guān)鍵的就是要完成好首次診斷。眾所周知，早期肺癌并沒有特別明顯的癥狀，中晚期時才會發(fā)現(xiàn)并接受治療，此時除了需要支付較高的治療費(fèi)用外，而且效果也不夠理想，所以要將早期預(yù)防、診斷做到位。胸部的X線平片、CT 掃描能夠提供肺部影像，這是進(jìn)行早期診斷的主要依據(jù)。在獲得CT 圖像后，通過智能神經(jīng)網(wǎng)絡(luò)模型就可針對肺部結(jié)節(jié)予以觀察，進(jìn)而了解肺癌隱患是否存在，展開量化分析之后也可對惡性程度進(jìn)行準(zhǔn)確判斷。對機(jī)器學(xué)習(xí)SVM 分類器加以應(yīng)用，建成了計(jì)算機(jī)輔助分析系統(tǒng)，這樣就可對分葉肺區(qū)近胸膜結(jié)節(jié)予以檢測，進(jìn)而保證肺癌診斷更加準(zhǔn)確[14]。對此系統(tǒng)予以分析可知，其選用的是10 倍交叉驗(yàn)證，可以確保準(zhǔn)確率高達(dá)96.22%。通過輔助決策系統(tǒng)可對每個肺結(jié)節(jié)進(jìn)行更為細(xì)致的劃分，進(jìn)而針對收集到的相關(guān)數(shù)據(jù)展開性能評估。相較于CNN，其在準(zhǔn)確率方面有著更大的優(yōu)勢，能夠達(dá)到84.58%。對于放射科醫(yī)師來說，對此系統(tǒng)加以充分應(yīng)用可以使得肺癌結(jié)節(jié)的檢測順利展開，準(zhǔn)確度有明顯提升，而且檢測效率也可得到切實(shí)保證[15]。

3.2 智能閱片

人工智能能夠首先判斷在影片中是不是存在人工智能，隨后當(dāng)值醫(yī)生會進(jìn)一步審查判決結(jié)果，進(jìn)而有助于醫(yī)生采取合理的措施進(jìn)行科學(xué)有效地分配時間。現(xiàn)階段，部分智能電影閱讀系統(tǒng)不僅僅能夠進(jìn)一步識別出標(biāo)尺，還能夠直接評估標(biāo)尺的屬性[16]。一般來說，使用大數(shù)據(jù)圖像和臨床說明，智能電影閱讀系統(tǒng)可以連續(xù)不斷地教學(xué)，然后為疾病類型制定標(biāo)準(zhǔn)，并可以長期穩(wěn)定地運(yùn)作。智者是神瑞藥學(xué)的人工智能產(chǎn)品，在幫助診斷圖像方面做得很好。本產(chǎn)品能夠用在肺癌、乳腺癌、急性骨折等疾病的輔助篩查以及診斷等方面。它擁有早期診斷功能、決策助理以及治療助理等功能[17]。診斷肺癌僅僅耗時30 s。其中，不論是點(diǎn)頭檢測的靈敏度還是特異性全部滿足國際先進(jìn)水平，整體準(zhǔn)確率達(dá)到了98.8%?，F(xiàn)階段被應(yīng)用在100 多家醫(yī)院，其中甲級醫(yī)院占比為70%。

3.3 智能放療

在如今的腫瘤治療領(lǐng)域，普遍采用的治療手段是放射治療。整個腫瘤放射治療過程涉及到多個環(huán)節(jié)，非常復(fù)雜，其中涵蓋了定位模擬、設(shè)計(jì)方案、檢查方案以及引入治療等環(huán)節(jié)[18]。在這當(dāng)中，需要重點(diǎn)關(guān)注的是目標(biāo)區(qū)域的確定。對于放射治療師來說，完成此項(xiàng)工作是其職責(zé)所在。然而從我們國家的現(xiàn)狀來看，放射治療師的數(shù)量明顯不足，而且大多是在甲級醫(yī)院中，綜合醫(yī)院、地方醫(yī)院擁有的放射治療師非常少，這對放射治療產(chǎn)生的影響是極大的，因此患者會到大醫(yī)院接受治療。放射治療用各種射線治療腫瘤細(xì)胞，這是有害的。必須徹底清理加工區(qū)，以免損壞正常細(xì)胞。放射科醫(yī)生必須在每次治療前手動識別患者的CT 圖像，這需要幾個小時，而且是無效的[19]。因此，人工智能企業(yè)開始開發(fā)智能放射治療系統(tǒng)，如此可以使得放射治療整體效率明顯提升，專業(yè)治療師不足的問題可以得到大幅緩解。在現(xiàn)階段，臨床腫瘤治療系統(tǒng)已經(jīng)開發(fā)出來，其是將醫(yī)學(xué)圖像數(shù)據(jù)作為基礎(chǔ)，并對人工智能算法加以運(yùn)用，確保放射科醫(yī)生能夠迅速確定目標(biāo)區(qū)域，而腫瘤、器官的識別則能夠自動完成。從此系統(tǒng)應(yīng)用的效果來看，準(zhǔn)確率在80%以上。這個系統(tǒng)在當(dāng)下已經(jīng)展開測試工作，相信能夠在更大的范圍內(nèi)得到應(yīng)用。

3.4 病理圖像智能分析

中國目前病理學(xué)家嚴(yán)重短缺，注冊病理學(xué)家只有10 200 人，這與100 張病床上1～2 名病理學(xué)家的標(biāo)準(zhǔn)相差甚遠(yuǎn)。病理學(xué)家總數(shù)超過90 000 人，現(xiàn)階段的病理學(xué)家僅僅支持10%的醫(yī)療需求。而隨著病理學(xué)家的空缺促使現(xiàn)有的病理學(xué)家工作負(fù)擔(dān)不斷加大。病理學(xué)家通?；ê芏鄷r間檢查細(xì)胞的病態(tài)部分。他們需要在數(shù)以億計(jì)像素的病態(tài)影像中識別出小的癌細(xì)胞，即使是有經(jīng)驗(yàn)的醫(yī)生也會犯錯。隨著圖像全彩數(shù)字化技術(shù)的發(fā)展和應(yīng)用，它偏向于獲取不使用的節(jié)，隨后產(chǎn)生大量的定量分析算法。所以，很多技術(shù)公司采取人工智能技術(shù)來針對性地研究疾病數(shù)據(jù)，進(jìn)而高效地提升疾病診斷的有效性和準(zhǔn)確性[20]。換句話說，人工智能技術(shù)在病理學(xué)中具有非常廣泛的應(yīng)用未來。一個典型的例子是武漢著陸公司研制的全自動數(shù)字（遠(yuǎn)程）病理細(xì)胞分析儀。該產(chǎn)品可以學(xué)習(xí)如何將癌癥細(xì)胞與數(shù)百萬個標(biāo)記的樣本中的正常細(xì)胞區(qū)分開來，并且還可以繼續(xù)開發(fā)[21]。同僅僅借助顯微鏡和肉眼的原始診斷方法對比，本系統(tǒng)得到的結(jié)果具有更高的準(zhǔn)確率，并且效率也提高很大幅度。最關(guān)鍵的是，整個診斷過程的透明度以及可追蹤度都是極高的，若是出現(xiàn)診斷錯誤，那么能夠在較短的時間里尋找原因。當(dāng)然需要重視的是，人工智能病態(tài)分析的結(jié)果并非最終結(jié)果，作為病理學(xué)家一定要仔細(xì)檢查結(jié)果，避免出現(xiàn)任何誤診。

4 結(jié)語

現(xiàn)階段不管是腫瘤性疾病還是非腫瘤性疾病，人工智能技術(shù)能夠有效地替代人類醫(yī)生實(shí)現(xiàn)海量圖像的分類工作，并且能夠代替人工完成資料的快速審查工作，一定會轉(zhuǎn)變成新型的疾病診斷和管理模式。以醫(yī)學(xué)圖像的智能診斷為基礎(chǔ)必定會造福于社會。如今，監(jiān)管機(jī)構(gòu)要求人工智能程序的性能需要同有經(jīng)驗(yàn)的醫(yī)生保持一致。在這個領(lǐng)域快速發(fā)展之際，人工智能必然能夠發(fā)揮出更大的作用，并滿足大家的期許。對于放射科領(lǐng)域來說，智能機(jī)器在不久的將來必然能夠成為醫(yī)生的幫手，甚至可以直接取代。無論如何，基于醫(yī)學(xué)圖像的智能診斷仍需要與醫(yī)生密切合作并相互補(bǔ)充。