金子日

摘 要 文章首先介紹了人工智能的概念與發(fā)展現(xiàn)狀，之后闡述了智能醫(yī)學影像分析的發(fā)展背景及相關(guān)技術(shù)，接著從智能閱片、智能放療以及病理圖像智能分析3個方面對其應用現(xiàn)狀進行了說明，最后討論了智能影像分析在發(fā)展中存在的問題，并對其未來進行了展望。

關(guān)鍵詞 人工智能；醫(yī)學影像；分析；應用

中圖分類號 G2 文獻標識碼 A 文章編號 1674-6708（2018）221-0155-02

當前，醫(yī)療數(shù)據(jù)中有90%來自醫(yī)療影像（X-ray、CT、MRI等）且還在不斷增長。目前大部分醫(yī)學影像數(shù)據(jù)還需要花費大量的人力進行分析，圖像復雜，工作量大等諸多因素都很有可能降低對診斷的精準度。因此，面對快速增長的影像數(shù)據(jù)，采用人工處理方式越來越不能滿足臨床診斷的需求[1]。

人工智能是一門包括計算機學科、數(shù)學等多種學科在內(nèi)的新學科，其中數(shù)據(jù)資源、計算學習能力、算法模型等基礎(chǔ)條件將成為人工智能發(fā)展的重要力量。近年來越來越多的人工智能方法通過改進或結(jié)合傳統(tǒng)圖像的處理方法，應用到醫(yī)學圖像中，這些新技術(shù)的應用在提高影像醫(yī)生的工作效率的同時，還能提高診斷的準確率[2]。2017年，國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，其中提出了加快人工智能創(chuàng)新應用，實現(xiàn)智能影像識別、病理分型的目標。

1 智能醫(yī)學影像分析概述

早在20世紀80年代，研究者就開始嘗試利用計算機模擬人的大腦結(jié)構(gòu)進行計算，設(shè)計出了人工神經(jīng)網(wǎng)絡(luò)，經(jīng)過幾十年的發(fā)展，特別是近些年深度學習技術(shù)在理論和工程方面的突破，人工智能系統(tǒng)的性能不斷提升，在人臉識別、自然語言處理、機器翻譯等領(lǐng)域取得了許多革命性的進步。深度學習是當前人工智能領(lǐng)域研究最多，也是應用最多的算法[3]。相比傳統(tǒng)算法，深度學習在處理圖像時具有明顯的優(yōu)勢，因此越來越多的研究者將深度學習技術(shù)應用于醫(yī)學圖像分析任務(wù)中。

采用深度學習技術(shù)構(gòu)建醫(yī)學人工智能模型不需要告訴計算機具體的診斷規(guī)則，通過大量標注的圖像數(shù)據(jù)進行模型訓練就能達到很高的準確率。深度學習是一個黑箱模型，對使用者很友好，用戶只需關(guān)注系統(tǒng)的輸入和輸出，不需要完全明白其中間的處理過程就能快速使用，這一點有利于智能影像處理系統(tǒng)的推廣應用[4]。

當前，影像醫(yī)生的水平參差不齊，大醫(yī)院的水平較高，就診的病人眾多，從而導致影像醫(yī)生每天的工作都非常辛苦。另外，高水平的醫(yī)生也存在漏診、誤診的情況。在一些醫(yī)療水平相對較低的偏遠地區(qū)雖，影像醫(yī)生的水平更得不到保證。將人工智能技術(shù)應用在醫(yī)學影像分析，一方面可以提高醫(yī)生的工作效率與準確率，減輕大醫(yī)院醫(yī)生的工作負擔；另一方面，這些技術(shù)可以很容易地部署在偏遠地區(qū)，提高當?shù)氐挠跋裨\斷水平。

2 智能影像分析相關(guān)應用

2.1 智能閱片

人工智能可以首先判斷平片中是否存在病灶，之后醫(yī)生對判別的結(jié)果進行審核，幫助醫(yī)生合理有效地分配時間精力。當前，一些智能閱片系統(tǒng)不僅可以識別病變，還可以對病變的性質(zhì)進行判斷。一般而言，憑借影像大數(shù)據(jù)以及臨床指南，智能閱片系統(tǒng)能夠不斷學習，進而形成對于病癥種類的判斷標準，具有長時間不間斷工作的能力和較高的穩(wěn)定性。深睿醫(yī)療的人工智能產(chǎn)品深睿醫(yī)生Dr.Wise在影像輔助診斷方面表現(xiàn)優(yōu)秀。該款產(chǎn)品可用于肺癌、乳腺、腦卒中、急診骨折等病種的輔助篩查與診斷，具有早期診斷、輔助決策、輔助治療等功能，尤其擅長肺癌的早期篩查，僅需30秒即可對肺癌做出診斷，在肺結(jié)節(jié)檢出的敏感性及特異性已達到國際領(lǐng)先水平，其準確率達98.8%。目前已經(jīng)在超過100家醫(yī)院進行應用，其中70%為三甲醫(yī)院。

2.2 智能放療

在腫瘤治療領(lǐng)域，放射治療是治療腫瘤主要方式之一。腫瘤放療過程復雜，包括模擬定位、計劃設(shè)計、計劃驗證、治療實施等，其中勾畫靶區(qū)是非常重要的一環(huán)。這項工作主要有放療師完成，但目前全國范圍內(nèi)的放療師十分缺乏，且放療師都集中在大型三甲醫(yī)院，普通醫(yī)院，特別是基層醫(yī)院很少配有專職的放療師，因而即使有放療設(shè)備也很難開展放療工作，從而導致患者都去大醫(yī)院治療。放射治療是采用各類射線對腫瘤細胞進行處理，危害較大，需要對治療的區(qū)域進行準確勾畫，防止對正常細胞造成危害，每次治療前，放療師都要對病人的CT圖像進行手動標識，一個病人需要耗費幾個小時，工作效率較低。

為此，醫(yī)療人工智能企業(yè)都開始研發(fā)智能放療系統(tǒng)，希望提高放療師的工作效率，緩解放療師匱乏的問題。連心醫(yī)療研發(fā)了一套腫瘤臨床治療系統(tǒng)，該系統(tǒng)使用基于醫(yī)學影像大數(shù)據(jù)的人工智能算法，幫助放療師進行腫瘤治療的靶區(qū)勾畫，能夠智能識別腫瘤以及周邊的器官，準確率超過80%，在很大程度上提高了放療師的工作效率。目前這套系統(tǒng)已經(jīng)在許多醫(yī)療機構(gòu)進行試用。

2.3 病理圖像智能分析

現(xiàn)階段，我國病理醫(yī)生嚴重短缺，注冊的病理醫(yī)生只有1.02萬，與規(guī)定的每100張床配備1～2名病理醫(yī)生的標準差距懸殊，病理醫(yī)生的缺口總數(shù)達9萬人以上，目前病理醫(yī)生只滿足了10%的醫(yī)療需求。病理醫(yī)生的巨大缺口就導致了現(xiàn)有的病理醫(yī)生工作強度較大。通常，病理醫(yī)生花費時間較多的任務(wù)是檢查細胞病理切片，他們需要在上億級像素的病理圖片中識別微小的癌細胞，即使是有經(jīng)驗的醫(yī)生也會出現(xiàn)誤差。

隨著全切片圖像數(shù)字化技術(shù)的發(fā)展與應用使病理切片的獲取更加方便，大量定量分析算法應運而生，因此，許多科技公司將人工智能技術(shù)如深度學習應用于病理數(shù)據(jù)的分析，能夠有效提高病理診斷的效率和準確率，可以說，人工智能在病理界的應用前景十分巨大。

武漢蘭丁公司研發(fā)的全自動數(shù)字（遠程）病理細胞分析儀就是一個典型實例，該產(chǎn)品在數(shù)百萬份已標注的樣本中學習如何辨別癌細胞與正常細胞，能夠持續(xù)學習。相比傳統(tǒng)的依靠顯微鏡和肉眼的診斷方式，結(jié)果更加客觀、準確，效率也明顯提高，最重要的是診斷過程是透明的，可回溯的，一旦出現(xiàn)錯誤診斷能夠快速查明原因。

必須指出的是，采用人工智能進行病理分析后的結(jié)果不是最終結(jié)果，還需讓病理醫(yī)師對分析結(jié)果進行復核，防止出現(xiàn)錯診。

3 討論

就目前來講，人工智能在醫(yī)學影像分析領(lǐng)域所取得的成果還遠沒有達到預期?，F(xiàn)階段的應用大都集中在較為簡單的疾病領(lǐng)域或是特定的疾病，應用價值相對較低，不具備進一步推廣的潛力。此外，深度學習作為智能影像分析的重要技術(shù)，還存在許多問題需要解決。在具體應用中，選擇具有代表性的特征用于構(gòu)建模型是非常重要的，那么如何找出有特征的模型進行學習，如何解決多參數(shù)做調(diào)整的問題，如何在硬件設(shè)施越來越好的條件下，讓學習效率做更有效的分配或調(diào)整，這些都是未來應用深度學習進行醫(yī)學影像分析必須要解決的?？傊?，深度學習在醫(yī)學影像分析中有很大的潛力，能通過分析大量影像數(shù)據(jù)建立模型，不需要手工干預，其可發(fā)展性非常之大，值得進一步研究。

伴隨人工智能的快速發(fā)展，醫(yī)學影像與人工智能的結(jié)合將會越來越多，不僅僅只局限在閱片、放療、病理診斷方面。過去的幾年間，眾多產(chǎn)品的落地，使人們已經(jīng)感受到了其帶給我們的巨大改變。相信在未來智能醫(yī)學影影像分析一定能發(fā)揮出更大的價值。

參考文獻

[1]金征宇.前景與挑戰(zhàn)：當醫(yī)學影像遇見人工智能[J].協(xié)和醫(yī)學雜志，2018（1）：2-4.

[2]王弈，李傳富.人工智能方法在醫(yī)學圖像處理中的研究新進展[J].中國醫(yī)學物理學雜志，2013，30（3）：4138-4143.

[3]吉浩，曾凡榮，趙亞妮，等.人工智能在醫(yī)療影像診斷領(lǐng)域的研究進展[J].大醫(yī)生，2017（8）.

[4]王霄英.人工智能在醫(yī)學影像中的進展——2017年RSNA參會感受[J].放射學實踐，2018（2）：101-103.

[5]宋彬，黃子星.人工智能在影像學的發(fā)展、現(xiàn)狀及展望[J].中國普外基礎(chǔ)與臨床雜志，2018，25（5）：523-527.