吉 浩 曾凡榮 趙亞妮 謝穎夫

（云南省第一人民醫(yī)院信息科、昆明理工大學(xué)附屬醫(yī)院，云南昆明 650034）

現(xiàn)代醫(yī)學(xué)是建立在實(shí)驗(yàn)基礎(chǔ)上的循證醫(yī)學(xué)，這就使得影像屬于現(xiàn)代醫(yī)學(xué)最為重要的診斷依據(jù)，可以說80%～90%的醫(yī)療行業(yè)數(shù)據(jù)源于醫(yī)療影像，而對(duì)于本文開展的研究來說，人工智能在醫(yī)療影像診斷領(lǐng)域的應(yīng)用主要是通過深度學(xué)習(xí)實(shí)現(xiàn)影像的分類、目標(biāo)的檢測、圖像的分割和檢索，而為了更深入了解這一應(yīng)用，正是本文就人工智能在醫(yī)療影像診斷領(lǐng)域開展具體研究的原因所在。

1 人工智能參與醫(yī)療影像診斷的方式

1.1 能力概述

結(jié)合國內(nèi)外人工智能領(lǐng)域發(fā)展現(xiàn)狀，本文認(rèn)為人工智能參與醫(yī)療影像診斷的方式可以概括為影像分類、目標(biāo)檢測、圖像分割、影像檢索共四方面，由此智能技術(shù)支持下的醫(yī)療影像類型分類、目標(biāo)區(qū)域/病灶分類、病灶檢測、器官與組織標(biāo)記定位、器官解剖結(jié)構(gòu)區(qū)域分割、病灶區(qū)域分割、基于內(nèi)容的影像檢索即可較好實(shí)現(xiàn)，由此可見人工智能參與醫(yī)療影像診斷的價(jià)值。

1.2 主要工作模式

為了更直觀說明人工智能在醫(yī)療影像診斷領(lǐng)域的工作模式，本文選擇了肝部疾病篩查作為研究對(duì)象，具體工作流程如下：（1）獲取帶標(biāo)注的醫(yī)學(xué)影像樣本。在應(yīng)用人工智能開展的肝部疾病篩查中，首先需要獲取大量帶標(biāo)注醫(yī)學(xué)影像樣本，由此相關(guān)學(xué)習(xí)算法才能夠找到肝部疾病篩查的關(guān)鍵點(diǎn)，如靠近肝臟的點(diǎn)。（2）設(shè)定初始化模型。結(jié)合上一步驟得到的關(guān)鍵點(diǎn)，即可結(jié)合肝的形狀鮮艷模型設(shè)定初始化模型。（3）機(jī)器學(xué)習(xí)。結(jié)合初始化模型，可通過機(jī)器學(xué)習(xí)不斷完善模型形狀特征，不斷逼近邊界信息最終便能夠獲得高質(zhì)量的分割與篩查結(jié)果，人工智能的應(yīng)用依據(jù)也將由此獲得。（4）病理圖像分析。機(jī)器學(xué)習(xí)環(huán)節(jié)能夠?qū)崿F(xiàn)肝部的分割和病變標(biāo)記，但并不足以判定肝部疾病，因此需要進(jìn)一步開展病理圖像分析，這一分析需要得到神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)算法的支持，由此人工智能系統(tǒng)能夠擁有識(shí)別病變細(xì)胞特征的能力，人工智能支持下的病理圖像分析也才能夠在較短時(shí)間內(nèi)為醫(yī)生提供價(jià)值較高的輔助判斷依據(jù)[1]。

1.3 帶來的改變

對(duì)于人工智能在醫(yī)療影像診斷領(lǐng)域的應(yīng)用來說，這一應(yīng)用帶來的改變主要體現(xiàn)在閱片方式、閱片時(shí)間、準(zhǔn)確率三個(gè)層面，具體改變內(nèi)容如下所示：（1）閱片方式變化：人工智能在該領(lǐng)域的應(yīng)用則能夠?qū)崿F(xiàn)機(jī)器自動(dòng)完成初步篩選、判斷，醫(yī)生只需要負(fù)責(zé)最后的判斷即可完成閱片。（2）閱片時(shí)間變化：人工智能能夠快速完成初篩，醫(yī)生只需要負(fù)責(zé)關(guān)鍵部位的判斷，閱片時(shí)間將由此大幅縮短。（3）準(zhǔn)確率變化：人工智能具備全面性和穩(wěn)定性兩方面特點(diǎn)，全面性特點(diǎn)能夠做到完整觀察切片而無遺漏，穩(wěn)定性特點(diǎn)則能夠做到不受疲勞狀態(tài)影響，由此閱片的準(zhǔn)確率將得到有力保障。

2 人工智能參與醫(yī)療影像診斷的發(fā)展現(xiàn)狀

2.1 糖網(wǎng)病篩查

糖尿病性視網(wǎng)膜病變屬于常見的視網(wǎng)膜血管病變，但由于長期以來我國存在眼科醫(yī)生匱乏、居民重視程度不高情況，這就使得我國糖網(wǎng)病篩查比例長期低于10%，這種情況的出現(xiàn)與糖網(wǎng)病患者基數(shù)大、眼科領(lǐng)域眼底讀片需求不斷增加、眼底讀片醫(yī)生培訓(xùn)較慢等情況存在較為緊密聯(lián)系。

2.2 智能靶區(qū)勾畫

智能靶區(qū)勾畫成為了近年來人工智能的研究熱點(diǎn)。作為最主流的腫瘤治療方式之一，腫瘤病人的CT圖像勾畫往往需要消耗大量時(shí)間，傳統(tǒng)方法下醫(yī)生多需要應(yīng)用3～5 h進(jìn)行靶區(qū)勾畫，隨之開展的照射方案或手術(shù)方案設(shè)計(jì)同樣需要消耗大量時(shí)間，而這一系列過程隨著病人的病情變化將不斷循環(huán)，大量的醫(yī)療資源因此浪費(fèi)。事實(shí)上，靶區(qū)勾畫涉及大量勞動(dòng)密集型工作，而這類工作正是人工智能的專長，因此近年來學(xué)界涌現(xiàn)了大量相關(guān)研究成果，惡性腫瘤智能放療生物靶區(qū)勾畫系統(tǒng)、分子影像引導(dǎo)智能放療系統(tǒng)生物調(diào)強(qiáng)智能放療靶區(qū)勾畫與評(píng)估軟件均屬于其中代表，該領(lǐng)域的發(fā)展同樣需要得到重視[2]。

3 人工智能下醫(yī)療影像診斷領(lǐng)域的發(fā)展趨勢

3.1 長期發(fā)展趨勢

結(jié)合人工智能在醫(yī)療影像診斷領(lǐng)域的發(fā)展與應(yīng)用現(xiàn)狀，本文將醫(yī)療影像診斷領(lǐng)域的發(fā)展趨勢概括為建立標(biāo)準(zhǔn)化與大樣本的大數(shù)據(jù)中心、開展超大規(guī)模訓(xùn)練數(shù)據(jù)與復(fù)雜深層模式和分布式并行訓(xùn)練、以應(yīng)用的結(jié)果作為目標(biāo)驅(qū)動(dòng)?？偟膩碚f，只有認(rèn)知科學(xué)進(jìn)步大幅進(jìn)步、量子計(jì)算機(jī)取得突破性成果，人工智能才能夠更好服務(wù)于醫(yī)療影像診斷領(lǐng)域。

3.2 短期發(fā)展趨勢

跨領(lǐng)域協(xié)作屬于人工智能下醫(yī)療影像診斷領(lǐng)域的短期發(fā)展趨勢，近年來業(yè)界涌現(xiàn)的大量人工智能創(chuàng)業(yè)公司、各大公司在該領(lǐng)域的布局也較好證明了這一點(diǎn)，基于此，本文認(rèn)為獨(dú)立研發(fā)、組建聯(lián)盟將成為短期內(nèi)人工智能下醫(yī)療影像診斷領(lǐng)域的主要發(fā)展方向，臨床信息、基因檢測、病理信息、各醫(yī)療人工智能領(lǐng)域交叉合作均屬于發(fā)展過程中的重要內(nèi)容，人工智能將在不久的將來真正成為醫(yī)生的好助手。

4 結(jié)論

綜上所述，人工智能能夠較好應(yīng)用于醫(yī)療影像診斷領(lǐng)域。而在此基礎(chǔ)上，本文涉及的獲取帶標(biāo)注醫(yī)學(xué)影像樣本、病理圖像分析、糖網(wǎng)病篩查等內(nèi)容，則證明了研究的實(shí)踐價(jià)值。因此，在相關(guān)領(lǐng)域的理論研究和實(shí)踐探索中，本文內(nèi)容能夠發(fā)揮一定程度的參考作用。

[1] 巨變端倪：人工智能在醫(yī)療影像診斷領(lǐng)域全面爆發(fā)[J].中國醫(yī)學(xué)計(jì)算機(jī)成像雜志，2017，23（03）：278.

[2] 何哲.通向人工智能時(shí)代——兼論美國人工智能戰(zhàn)略方向及對(duì)中國人工智能戰(zhàn)略的借鑒[J].電子政務(wù)，2016，（12）：2-10.