張?！『蚊J　劉姝妮　賈璐璐　吳永兵　謝成彬

【摘要】? 目的? ? 研究一款智能超聲危急值管理系統(tǒng)并探討其在臨床應(yīng)用的價(jià)值。方法? ? 運(yùn)用H5技術(shù)研發(fā)一款基于微信平臺(tái)的超聲危急值智能監(jiān)測(cè)軟件，建立超聲危急值數(shù)據(jù)庫(kù)。通過智能識(shí)別超聲危急值，進(jìn)行危急值預(yù)警。收集就診疑似腹部超聲危急值的82例患者，同時(shí)進(jìn)行人工智能（AI）診斷（AI組）及專業(yè)超聲醫(yī)生診斷（醫(yī)生組）。以手術(shù)病理或臨床醫(yī)師最終的綜合診斷為金標(biāo)準(zhǔn)，比較人工報(bào)告與軟件智能識(shí)別2種診斷結(jié)果的靈敏度、特異性、陽性預(yù)測(cè)值以及診斷準(zhǔn)確率。結(jié)果? ? 醫(yī)生組診斷準(zhǔn)確率93.90%、陽性預(yù)測(cè)值97.37%、靈敏度96.10%，AI組診斷準(zhǔn)確率90.24%、陽性預(yù)測(cè)值96.00%、靈敏度93.51%，2組比較，差異無統(tǒng)計(jì)學(xué)意義（均P>0.05）。結(jié)論? ? AI組與醫(yī)生組的診斷超聲危急值具備足夠的準(zhǔn)確度，可協(xié)助醫(yī)生判讀超聲報(bào)告，提高診斷的準(zhǔn)確性，有助于危急重癥患者的救治。

【關(guān)鍵詞】? 超聲危急值； 臨床診斷； 人工智能

Preliminary application study of artificial intelligence-assisted ultrasound in critical value clinical diagnosis

Zhang Rui He Maorui Liu Shuni Jia Lulu Wu Yongbing Xie Chengbin 1. The Ninth People's Hospital of Chongqing，Chongqing? ?400700; 2. The Chongqing Emergency Medical Center，Chongqing? ?400014; 3. The Second Affiliated Hospital of Chongqing Medical University，Chongqing? ?400000; 4. The Chongqing Beibei District Center for Disease Control and Prevention，Chongqing? ?400700

【Abstract】? Objective? ? To study an intelligent ultrasound emergency value management system and explore its value in clinical application. Methods? ? Use H5 technology to develop an intelligent monitoring software based on WeChat platform and establish ultrasonic critical value database. Through the intelligent identification of ultrasonic emergency value， emergency value warning.A total of 82 cases to be diagnosed as common abdominal ultrasound critical value were collected， and AI diagnosis （AI group） and professional sononologist diagnosis （doctor group） were performed simultaneously.Overall final diagnosis of surgical pathology or clinician was taken as the gold standard.To compare the sensitivity， specificity， positive predictive value and diagnostic accuracy of manual report with software intelligence. Results? ? Diagnosis accuracy rate was 93.90%， positive prediction value 97.37%， and sensitivity 96.10%. Group AI， diagnostic accuracy was 90.24%， positive predictive value 96.00%， and sensitivity 93.51%. There was no significant difference between the two groups （P both> 0.05）. Conclusion? ? The diagnosis of AI group and doctors has sufficient accuracy to assist doctors to interpret the ultrasound report， improve the diagnostic accuracy， and facilitate the treatment of critical patients.

【Key Words】? Ultrasound critical value； Diagnostic technology； Artificial intelligence

中圖分類號(hào)：R445.1? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? 文章編號(hào)：1672-1721（2023）25-0001-03

DOI：10.19435/j.1672-1721.2023.25.001

超聲檢查因其無創(chuàng)性及無放射性損傷等優(yōu)點(diǎn)被廣泛應(yīng)用于臨床，并已成為基層醫(yī)療機(jī)構(gòu)中影像診斷技術(shù)服務(wù)的主力軍。隨著超聲技術(shù)的蓬勃發(fā)展，超聲在疑難危重疾病的臨床檢查和診斷方面的優(yōu)勢(shì)越來越突出，具有不可替代的作用。但我國(guó)超聲診療人才分布不均衡，基層醫(yī)療衛(wèi)生機(jī)構(gòu)缺乏技術(shù)精湛的醫(yī)生，漏診、誤診發(fā)生率比大型醫(yī)院高[1]。部分基層醫(yī)生對(duì)超聲危急值的識(shí)別能力差，易導(dǎo)致醫(yī)患矛盾，發(fā)生醫(yī)療糾紛。因此，如何輔助超聲醫(yī)生特別是基層醫(yī)生更快更好地完成準(zhǔn)確的診斷，提高診療效率，已成為臨床亟待解決的重要問題。

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和智能化水平的不斷提高，人工智能（artificial intelligence，AI）已經(jīng)成為醫(yī)療創(chuàng)新的前沿領(lǐng)域，新藥研發(fā)、疾病預(yù)測(cè)、高級(jí)成像、醫(yī)療管理等環(huán)節(jié)，均離不開AI技術(shù)的支持，AI已成為醫(yī)療行業(yè)的有力輔助和支撐[2-3]。因此，探索如何應(yīng)用AI技術(shù)更好地協(xié)同醫(yī)生判讀超聲報(bào)告，優(yōu)化超聲危急值診斷流程，提高超聲危急值診斷的時(shí)效性顯得尤為重要。本研究通過在現(xiàn)有超聲設(shè)備基礎(chǔ)上開發(fā)一款基于微信平臺(tái)的超聲危急值智能監(jiān)測(cè)軟件，對(duì)腹部常見超聲危急值報(bào)告進(jìn)行智能識(shí)別分析，并闡述AI智能系統(tǒng)超聲危急值的臨床應(yīng)用價(jià)值。

1? ? 超聲危急值智能系統(tǒng)的開發(fā)

1.1? ? 系統(tǒng)介紹? ? 該系統(tǒng)由重慶市第九人民醫(yī)院與重慶電子工程職業(yè)學(xué)院人工智能與大數(shù)據(jù)軟件技術(shù)開發(fā)團(tuán)隊(duì)合作研發(fā)，采用了管道—過濾器的架構(gòu)模式完成系統(tǒng)的架構(gòu)設(shè)計(jì)，見圖1，利用視頻圖像特征，從連續(xù)得到的視頻流中提取動(dòng)態(tài)目標(biāo)信息進(jìn)行識(shí)別并預(yù)警（最低可以使用480×800像素），醫(yī)生可實(shí)時(shí)通過微信或電腦將視頻發(fā)送給上級(jí)醫(yī)療機(jī)構(gòu)的超聲醫(yī)生，上級(jí)醫(yī)療機(jī)構(gòu)專家可實(shí)時(shí)查閱超聲視頻，進(jìn)行結(jié)果審核或會(huì)診回復(fù)。反饋的數(shù)據(jù)集中于中心數(shù)據(jù)庫(kù)，為以后的大數(shù)據(jù)分析提供數(shù)據(jù)資源。醫(yī)生亦可通過互聯(lián)網(wǎng)進(jìn)行資源共享，用于學(xué)習(xí)培訓(xùn)。本軟件采用.NET C#語言編寫，連接SQL2008 R2版本的數(shù)據(jù)庫(kù)，該系統(tǒng)已取得軟件著作權(quán)證書。

1.2? ? 診斷系統(tǒng)運(yùn)行流程? ? 基層醫(yī)療機(jī)構(gòu)（下級(jí)醫(yī)療機(jī)構(gòu)）超聲醫(yī)生通過微信平臺(tái)將疑似危急值超聲視頻上傳至智能系統(tǒng)進(jìn)行AI智能分析，若符合超聲危急值，視頻圖像自動(dòng)傳輸至上級(jí)醫(yī)療機(jī)構(gòu)專家組，并以危急值符合進(jìn)行預(yù)警。若不符合超聲危急值，將診斷報(bào)告返回基層醫(yī)療機(jī)構(gòu)醫(yī)生，若醫(yī)生存在疑慮，可自行手動(dòng)上傳至上級(jí)醫(yī)療機(jī)構(gòu)專家組，由專家組進(jìn)行在線診斷復(fù)核后將彩超診斷結(jié)果回傳至基層醫(yī)療機(jī)構(gòu)，見圖2。

2? ? 資料與方法

2.1? ? 研究對(duì)象? ? 將2019年10月—2021年10月于重慶市第九人民醫(yī)院門診、重慶市急救中心就診患者及天生社區(qū)全科門診就診的82例疑似腹部超聲危急值患者納入研究，包括肝脾損傷、異位妊娠破裂、主動(dòng)脈夾層、重癥胰腺炎等患者。

2.2? ? 超聲智能檢測(cè)平臺(tái)? ? 采用一款基于微信平臺(tái)的超聲危急值智能監(jiān)測(cè)軟件，利用時(shí)空融合算法確定視頻中的異常，通過2種超聲視頻來判斷患者的病癥，避免產(chǎn)生偽圖和誤診。該監(jiān)測(cè)軟件同時(shí)兼容安卓及蘋果系統(tǒng)，通過手機(jī)即可聯(lián)網(wǎng)操作。團(tuán)隊(duì)根據(jù)視頻標(biāo)準(zhǔn)優(yōu)化軟件，利用時(shí)間差分方法，即利用視頻圖像特征，從連續(xù)得到的視頻流中提取所需要的動(dòng)態(tài)目標(biāo)信息。系統(tǒng)建立背景模型，設(shè)定邊緣界限，之后進(jìn)入“分析”狀態(tài)，如果前景出現(xiàn)移動(dòng)物體，并在設(shè)置的范圍區(qū)域內(nèi)出現(xiàn)色彩不同的目標(biāo)，系統(tǒng)將自動(dòng)測(cè)量和監(jiān)控該目標(biāo)，并根據(jù)預(yù)先的算法觸發(fā)報(bào)警。

2.3? ? 方法? ? 對(duì)82例疑似腹部超聲危急值患者同時(shí)進(jìn)行AI診斷（AI組）及專業(yè)超聲醫(yī)生診斷（醫(yī)生組）。以手術(shù)病理或臨床醫(yī)師最終的綜合診斷為標(biāo)準(zhǔn)。

2.4? ? 觀察指標(biāo)? ? 比較AI組與醫(yī)生組2種診斷結(jié)果的靈敏度、陽性預(yù)測(cè)值以及診斷準(zhǔn)確率。

2.5? ? 統(tǒng)計(jì)學(xué)方法? ? 使用SPSS 23.0統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析，計(jì)數(shù)資料以百分比表示，采用χ²檢驗(yàn)，P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

3? ? 結(jié)果

經(jīng)診斷疑似超聲危急值的82例病例中，以手術(shù)病理結(jié)果或CT等臨床綜合判斷為金標(biāo)準(zhǔn)，明確符合超聲危急值的病例77例，發(fā)生率為93.9%。醫(yī)生組診斷準(zhǔn)確率93.90%，陽性預(yù)測(cè)值97.37%，靈敏度96.10%。AI組診斷準(zhǔn)確率90.24%，陽性預(yù)測(cè)值96.00%，靈敏度93.51%。2組數(shù)據(jù)對(duì)比，差異無統(tǒng)計(jì)學(xué)意義（P>0.05）。見表1、表2。

4? ? 討論

人工智能起源于20世紀(jì)50年代，是一門研究、開發(fā)、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的新科學(xué)[4]。隨著關(guān)鍵數(shù)據(jù)處理方式的變革、核心建模方式的提出及計(jì)算機(jī)技術(shù)的迅速發(fā)展，人工智能技術(shù)與醫(yī)療 （尤其是醫(yī)學(xué)影像領(lǐng)域）的融合不斷加深，為臨床疾病診治提供了幫助[5-6]。AI在乳腺結(jié)節(jié)、甲狀腺結(jié)節(jié)良惡性的鑒別、肝臟纖維化程度分析、心血管疾病診斷治療等多領(lǐng)域的研究發(fā)展中取得了一定成就，如FUJIOKA T等[7]通過對(duì)乳腺進(jìn)行AI超聲檢測(cè)發(fā)現(xiàn)對(duì)良惡性腫瘤輔助診斷準(zhǔn)確率為92.5%。PRIHADI E A等[8]發(fā)現(xiàn)通過Heartmodel自動(dòng)分析軟件對(duì)主動(dòng)脈瓣環(huán)及根部進(jìn)行評(píng)估，對(duì)手術(shù)準(zhǔn)確建模，其準(zhǔn)確性可與心臟核磁數(shù)據(jù)相近，同時(shí)大大縮短了測(cè)量時(shí)間。李柯研等[9]研究顯示，運(yùn)用5G遠(yuǎn)程機(jī)器人對(duì)急腹癥患者進(jìn)行超聲診斷，其準(zhǔn)確率88.64%，特異度100%，敏感度87.18%，同樣具有良好的準(zhǔn)確性及時(shí)效性。臨床中，對(duì)于危急重癥患者，如常見的急腹癥，超聲是簡(jiǎn)便有效的檢測(cè)手段之一。但我國(guó)目前各級(jí)醫(yī)療機(jī)構(gòu)超聲醫(yī)生水平參差不齊，超聲結(jié)果的識(shí)別能力差距較大。超聲是一種動(dòng)態(tài)影像，數(shù)據(jù)繁雜，臨床工作中，特別是基層醫(yī)療機(jī)構(gòu)更易出現(xiàn)遺漏或錯(cuò)誤。因此，AI超聲智能系統(tǒng)的搭建，可對(duì)海量數(shù)據(jù)快速完成識(shí)別，給予客觀的結(jié)論。臨床中可充分利用AI對(duì)超聲報(bào)告進(jìn)行初步處理，特別是對(duì)超聲危急值的及時(shí)準(zhǔn)確識(shí)別，可在提高超聲診斷質(zhì)量的同時(shí)有效縮短診斷時(shí)間。AI輔助超聲醫(yī)生如能及時(shí)、準(zhǔn)確地報(bào)告危急值則有助于臨床醫(yī)生迅速做出判斷，給予有效的干預(yù)措施，從而使患者最大限度地獲得救治機(jī)會(huì)。

本研究對(duì)擬診的82例腹部超聲危急值患者超聲圖像進(jìn)行分析統(tǒng)計(jì)，結(jié)果顯示AI 組與醫(yī)生組在超聲危急值的診斷符合率分別達(dá)90.24%、93.90%，表明本研究的AI分析具有足夠的準(zhǔn)確度，能完成病例的預(yù)分析診斷。本研究AI組診斷分組的靈敏度為93.51%，陽性預(yù)測(cè)值為96.00%，表明AI診斷能有效實(shí)現(xiàn)超聲危急值預(yù)警。該系統(tǒng)對(duì)視頻質(zhì)量要求最低可以使用480×800像素，因此即使在相對(duì)偏遠(yuǎn)地區(qū)，醫(yī)療資源匱乏的情形下亦能做出快速、準(zhǔn)確的診斷，可為臨床診療工作提供幫助，特別是對(duì)醫(yī)療人才相對(duì)缺乏的基層醫(yī)療機(jī)構(gòu)落實(shí)分級(jí)診療有著重要意義。不斷提高AI診斷的準(zhǔn)確性及有效性，特別是更好地發(fā)揮AI在危急重病例識(shí)別中的優(yōu)勢(shì)，保證患者管理的質(zhì)量[10-11]，將是本研究團(tuán)隊(duì)繼續(xù)探索的方向。

綜上所述，超聲作為腹部超聲危急值的重要檢查方式，可有效檢出病變，但其結(jié)果受經(jīng)驗(yàn)差異、主觀意識(shí)影響較大。人工智能可有效彌補(bǔ)上述不足，自動(dòng)檢出病變，通過圖像處理對(duì)病變進(jìn)行客觀量化分析，減少漏、誤診，從而有效提高診斷準(zhǔn)確率，有助于基層醫(yī)療衛(wèi)生機(jī)構(gòu)對(duì)危急重患者的救治。本系統(tǒng)仍處于不斷研究進(jìn)展中，下一步擬將不斷擴(kuò)展超聲危急值數(shù)據(jù)庫(kù)，將典型病例視頻錄入學(xué)習(xí)版塊，供基層醫(yī)院醫(yī)生學(xué)習(xí)，進(jìn)行互動(dòng)教學(xué)，以便提高基層超聲醫(yī)生的臨床診治能力。

參考文獻(xiàn)

[1] 曾小萍，蘇琴，安麗英，等.基層醫(yī)院超聲科醫(yī)師臨床誤診漏診原因分析與對(duì)策[J].中醫(yī)藥管理雜志，2015，23（13）：103-104.

[2] 劉琪，谷笑穎.醫(yī)療人工智能應(yīng)用中的倫理困境及對(duì)策研究[J].醫(yī)學(xué)與哲學(xué)，2019，40（21）：5-8.

[3] 王海星，田雪晴，游茂，等.人工智能在醫(yī)療領(lǐng)域應(yīng)用現(xiàn)狀、問題及建議[J].衛(wèi)生軟科學(xué)，2018，32（5）：3-5，9.

[4] VISVIKIS D，CHEZE L R C，JAOUEN V，et al.Artificial intelligence，machine（deep）learning and radio（geno）mics：de-finitions and nuclear medicine imaging applications[J].Eur JNucl Med Mol Imaging，2019，46（13）：2630-2637.

[5] GORE J C.Artificial intelligence in medical imaging[J].Magn Reson Imaging，2020，68：A1-A4.

[6] RUSSAKOVSKY O，DENG J，SU H，et al.ImageNet large scale visual recognition challenge[J].Int J Comput Vis，2015，115（3）：211-252.

[7] FUJIOKA T，KUBOTA K，MORI M，et al.Distinction between benign and malignant breast masses atbreast ultrasound using deep learning method with convolutional neural network[J].Jpn J Radiol，2019，37（6）：466-472.

[8] PRIHADI E A，VAN ROSENDAEL P J，VOLLEMA E M，et al.Feasibility，accuracy，and reproducibility of aortic annular and root sizing for transcatheter aortic valve replacement using novel automated three dimensional echocardiographic software：comparison with multi-detector row computed tomography[J].J Am Soc Echocardiogr，2018，31（4）：505-514.

[9] 李柯研，任秀昀，呂發(fā)勤，等.5G遠(yuǎn)程機(jī)器人超聲診斷急腹癥[J].中國(guó)醫(yī)學(xué)影像技術(shù)，2022，38（6）：928-931.

[10] SHOKOOHI H，LESAUX M A，ROOHANI Y H，et al.En-advanced point-of-care ultrasound applications by integrating automated feature-learning systems using deep learning[J].J Ultras Med，2019，38（7）：1887-1897.

[11] 楊瑤瑤.人工智能背景下的移動(dòng)醫(yī)療平臺(tái)現(xiàn)狀及展望[J].未來與發(fā)展，2020，44（2）：5-11.

（收稿日期：2023-06-06）