白榕林,曾令紅,彭書鑫,姚 斌,張曉梅

(1.長沙醫(yī)學(xué)院醫(yī)學(xué) 影像學(xué)院,湖南 長沙 410219;2.長沙醫(yī)學(xué)院附屬第一醫(yī)院,湖南 長沙 410219;3.深圳華聲醫(yī)療技術(shù)有限公司,廣東 深圳 518071;4.寬城縣醫(yī)院,河北 承德 067600)

0 引言

現(xiàn)代化科學(xué)手段廣泛應(yīng)用于醫(yī)學(xué)輔助檢查,包括影像學(xué)檢查、病理組織檢查等,其中,臨床影像學(xué)是通過反映人體器官功能及形態(tài)對疾病的診療做出輔助。超聲檢查在臨床中有著價(jià)格低廉、操作便捷的優(yōu)勢,面對日益增加的醫(yī)療需求和大量影像數(shù)據(jù),傳統(tǒng)影像科醫(yī)師需要仔細(xì)甄別篩查超聲片,根據(jù)超聲圖像及回聲特點(diǎn)判斷器官組織疾病狀態(tài),大量地消耗了醫(yī)生的精力,易發(fā)生判斷失誤的現(xiàn)象。 近年來,醫(yī)學(xué)影像數(shù)字化和人工智能輔助診斷給臨床影像分析帶來了較大改變,人工智能技術(shù)輔助醫(yī)生進(jìn)行病灶識(shí)別、定位,有效地提升了病灶檢出率和準(zhǔn)確率。

1 人工智能在超聲醫(yī)學(xué)中的應(yīng)用現(xiàn)狀

人工智能是在1956 年達(dá)特茅會(huì)議中被約翰·麥卡錫第一次提出。 2015 年以來,人工智能在國內(nèi)獲得了快速發(fā)展,國家相繼出臺(tái)一系列政策扶持人工智能的發(fā)展,很多醫(yī)療單位已經(jīng)將超聲醫(yī)學(xué)人工智能產(chǎn)品應(yīng)用在實(shí)際臨床試驗(yàn)中。 其中,我國自行研發(fā)的超聲機(jī)器人已被廣泛投入醫(yī)療臨床行業(yè),并通過多次的試驗(yàn)與研究,取得了頗有成就的效果,同時(shí)也是一款基于超聲影像,能夠較好地輔助醫(yī)生進(jìn)行肝臟、甲狀腺等疾病良惡性結(jié)節(jié)識(shí)別的智能診斷系統(tǒng)。

1.1 人工智能在肝臟超聲影像中的應(yīng)用

在肝臟疾病中,人工智能超聲主要是檢測肝臟脂肪及其纖維化等。 Ciompi 等[1]學(xué)者對深度學(xué)習(xí)網(wǎng)絡(luò)在肝臟超聲影像特征分層中進(jìn)行優(yōu)化,提出了又22 層神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)網(wǎng)絡(luò)Symtosis,通過設(shè)置相關(guān)參數(shù),抑制一定比例神經(jīng)元活性沒去除肝臟原始圖像中的背景,平均準(zhǔn)確率可高達(dá)100%。

1.2 人工智能在甲狀腺超聲影像中的應(yīng)用

在甲狀腺疾病中,人工智能超聲可對甲狀腺結(jié)節(jié)的位置、大小、回聲強(qiáng)度、形態(tài)規(guī)整度、邊界清晰度、鈣化情況及彩色多普勒血流信號(hào)等情況進(jìn)行辨別。 王洪杰等[2]學(xué)者利用卷積神經(jīng)網(wǎng)絡(luò)模型對甲狀腺結(jié)節(jié)進(jìn)行檢測,共采集1 786 張圖像,疾病診斷準(zhǔn)確率82.82%、敏感度64.74%、特異度91.18%,證實(shí)了人工智能和超聲結(jié)合對甲狀腺結(jié)節(jié)診斷發(fā)揮著重要的作用。 Wang等[3]學(xué)者基于離散小波變換特征對不同模態(tài)下的超聲圖進(jìn)行歸類,判斷甲狀腺結(jié)節(jié)惡性風(fēng)險(xiǎn),取得了98.9%～100%的準(zhǔn)確率,這種方法結(jié)合預(yù)處理和參數(shù)微調(diào),深度學(xué)習(xí)技術(shù)識(shí)別甲狀腺腫瘤良惡性的準(zhǔn)確率96.34%、靈敏度82.8%和特異性99.3%。

1.3 人工智能在其他超聲影像中的應(yīng)用

超聲胎兒診斷中,標(biāo)準(zhǔn)平面獲取是先決條件,除了使用傳統(tǒng)機(jī)器學(xué)習(xí)方法檢測胎兒US 標(biāo)準(zhǔn)平面外,最近使用深度學(xué)習(xí)算法檢測胎兒超聲標(biāo)準(zhǔn)平面的趨勢越來越明顯。 在闌尾炎超聲診斷時(shí),可通過深度學(xué)習(xí)協(xié)助定位急性闌尾炎,準(zhǔn)確率高達(dá)90%,達(dá)到與CT 診斷能力相當(dāng)?shù)乃疁?zhǔn)[4]。 人工智能超聲圖像可自動(dòng)識(shí)別脊柱水平,為麻醉起到一定的協(xié)助作用。 人工智能設(shè)備在醫(yī)療彩超中也得到推廣與應(yīng)用,超聲心動(dòng)圖的相關(guān)綜合應(yīng)用,主要涉及二維及多普勒超聲心動(dòng)圖。

2 人工智能在超聲醫(yī)學(xué)中的應(yīng)用優(yōu)勢

超聲醫(yī)師數(shù)量不足,分布不均,且超聲圖像的質(zhì)量參差不齊,因此超聲人工智能應(yīng)運(yùn)而生,不僅可為超聲醫(yī)師提供閱片參考,節(jié)約醫(yī)師精力與時(shí)間,為臨床疾病的診斷、治療、手術(shù)等后續(xù)操作提供了非常重要的支持[5]。 人工智能在算法優(yōu)化的同時(shí),可對圖像進(jìn)行精細(xì)化分析,主要優(yōu)勢分為以下3 點(diǎn):(1)減少超聲醫(yī)師的工作量,人工智能輔助診斷還具有高效快速的優(yōu)勢,且標(biāo)準(zhǔn)統(tǒng)一,減少工作負(fù)擔(dān),提升工作效率。(2)提高醫(yī)師診斷率,在超聲AI 技術(shù)應(yīng)用過程中,對疾病診斷發(fā)揮著很重要的作用,正常情況下,因各種因素影響會(huì)出現(xiàn)假陽性、假陰性的結(jié)果,將人工智能在超聲醫(yī)學(xué)領(lǐng)域中最大潛能地進(jìn)行充分挖掘比對,幫助臨床醫(yī)生縮短診斷時(shí)間,及時(shí)為患者制定治療方案,最大限度地降低因人工因素導(dǎo)致的誤差出現(xiàn)[6]。(3)為疾病預(yù)測、風(fēng)險(xiǎn)評估等帶來了可行性參考意見及解決方案。

3 人工智能在超聲醫(yī)學(xué)中存在的問題與建議

人工智能在超聲醫(yī)學(xué)中的應(yīng)用還存在缺乏準(zhǔn)入與監(jiān)管制度、診斷準(zhǔn)確率有待提高、圖像不標(biāo)準(zhǔn)等問題,筆者就此提出了相應(yīng)的建議。

3.1 存在問題

3.1.1 缺乏準(zhǔn)入與監(jiān)管制度

近年來,隨著5G 技術(shù)、計(jì)算機(jī)技術(shù)的高速發(fā)展,人工智能也在飛速發(fā)展,為產(chǎn)品準(zhǔn)入和監(jiān)管帶來了新的風(fēng)險(xiǎn)。 超聲人工智能屬于創(chuàng)新型產(chǎn)品,其多方面存在著較大缺陷,需要在收費(fèi)、技術(shù)準(zhǔn)入、規(guī)范管理等方面完善[7]。 我國現(xiàn)如今對AI 技術(shù)相關(guān)內(nèi)容沒有相應(yīng)的政策法規(guī)約束管制,對數(shù)字化醫(yī)療審批沒有成立專門的部門。

3.1.2 診斷準(zhǔn)確率有待提高

人工智能雖然對疾病診斷有一定的幫助,但對于諸多超聲偽象及復(fù)雜疾病的診斷能力不強(qiáng),需要在臨床醫(yī)師的協(xié)同下開展,無法進(jìn)行獨(dú)立診斷,這說明了人工智能在超聲醫(yī)學(xué)領(lǐng)域的潛力還有待挖掘。 只有真正地提高臨床診斷率,才能降低臨床醫(yī)師的壓力[8]。 因此,要優(yōu)化算法,促使該技術(shù)在臨床中的使用,是超聲人工智能在臨床進(jìn)行使用的條件,現(xiàn)如今的超聲人工智能在醫(yī)學(xué)圖像標(biāo)注與識(shí)別中還在不斷優(yōu)化。

3.1.3 超聲AI 發(fā)展中圖像不標(biāo)準(zhǔn)

超聲診斷需要采集不同切面的動(dòng)態(tài)圖像進(jìn)行實(shí)時(shí)診斷,其圖像獲取和診斷非常依賴醫(yī)生的經(jīng)驗(yàn),需要與多個(gè)科室密切配合方能得出準(zhǔn)確的結(jié)果。 盡管各類形態(tài)的超聲已在技術(shù)上足夠成熟,但技術(shù)成熟的專業(yè)醫(yī)生還是相對缺乏,而標(biāo)準(zhǔn)超聲圖像是推動(dòng)超聲AI 發(fā)展的重要基礎(chǔ),所以如何獲取大量標(biāo)準(zhǔn)圖像數(shù)據(jù)也是問題所在。

3.2 應(yīng)用建議

3.2.1 加強(qiáng)準(zhǔn)入管理

我國政策對人工智能輔助診斷技術(shù)實(shí)施有一定的限制,各種技術(shù)管理規(guī)范和指標(biāo)相繼問世。 對醫(yī)療機(jī)構(gòu)和醫(yī)務(wù)工作人員體驗(yàn)使用開展人工智能輔助診斷系統(tǒng),在有了明確的規(guī)范規(guī)定后,才能保證我國超聲與人工智能技術(shù)的深入融合,促進(jìn)醫(yī)療事業(yè)的健康發(fā)展。

3.2.2 強(qiáng)化超聲影像數(shù)據(jù)基礎(chǔ)

提高超聲AI 輔助診斷結(jié)果的準(zhǔn)確率同樣重要,只有研發(fā)出獨(dú)立診斷技術(shù),才能發(fā)揮更大的臨床價(jià)值。算法模式與數(shù)據(jù)基礎(chǔ)是構(gòu)建超聲AI 診斷準(zhǔn)確率的重要條件,人工智能技術(shù)需要更好質(zhì)量的超聲圖像數(shù)據(jù)以及高水平專業(yè)醫(yī)生的參與,保證準(zhǔn)確數(shù)據(jù)標(biāo)注與合理模型設(shè)計(jì)開展深入學(xué)習(xí)[9]。 長沙醫(yī)學(xué)院醫(yī)學(xué)影像學(xué)院與深圳華聲醫(yī)療開展醫(yī)學(xué)超聲數(shù)據(jù)采集工作,在完成基礎(chǔ)大數(shù)據(jù)的積累下,集成人工智能,通過相關(guān)圖像算法使計(jì)算機(jī)能夠做到人工自動(dòng)準(zhǔn)確地識(shí)別采集圖像,對圖像進(jìn)行結(jié)構(gòu)標(biāo)注,量化和挑選出最理想的圖像,提高了算法和計(jì)算能力,為采集最優(yōu)圖像提供基礎(chǔ)。

3.2.3 注重人機(jī)協(xié)同

超聲人工智能技術(shù)的圖像采集還需醫(yī)生完成,超聲影像的獲取依賴于醫(yī)師的操作,而每個(gè)醫(yī)生掃描手法不同,得到的數(shù)據(jù)不可避免地具有主觀差異性。 醫(yī)生操作手法對人工智能診斷有著最直觀的影響,所以,人工智能應(yīng)用中,需要有經(jīng)驗(yàn)豐富的醫(yī)師和智能診斷系統(tǒng)實(shí)現(xiàn)協(xié)調(diào)、規(guī)范的配合[10]。

4 人工智能在超聲領(lǐng)域中的應(yīng)用

超聲醫(yī)學(xué)進(jìn)入大數(shù)據(jù)時(shí)代后,超聲醫(yī)學(xué)的AI 技術(shù)越來越成熟,物聯(lián)網(wǎng)在醫(yī)學(xué)方面的應(yīng)用也逐步擴(kuò)大,AI與超聲的結(jié)合正成為后起之秀。 目前,超聲智能診斷迅速發(fā)展,超聲圖像標(biāo)準(zhǔn)化采集成為了發(fā)展的重要一環(huán)[11]。 在互聯(lián)網(wǎng)+的背景下,通過在實(shí)踐應(yīng)用中下功夫,結(jié)合大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等技術(shù)優(yōu)化超聲圖像,將物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、5G 新概念技術(shù)等交叉融合入醫(yī)學(xué)超聲影像,著手于提高超聲圖像采集質(zhì)量、采集效率以及超聲診斷的效率等優(yōu)化[12],可為促進(jìn)AI 超聲技術(shù)升級、超聲醫(yī)學(xué)發(fā)展等起到重要作用。 長沙醫(yī)學(xué)院醫(yī)學(xué)影像學(xué)院創(chuàng)新地提出了在超聲圖像采集探頭中植入壓力傳感器、定位傳感器等設(shè)計(jì),運(yùn)用5G傳輸技術(shù)、大數(shù)據(jù)存儲(chǔ)、人工智能分析,指導(dǎo)使用者采集的圖像趨于符合診斷要求的標(biāo)準(zhǔn)圖像。 打造一款集數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)反饋的超聲智能探頭,成為集數(shù)據(jù)采集、反饋、管理、分析于一體的深度融入學(xué)習(xí)的智能終端。 在現(xiàn)階段的研究中,長沙醫(yī)學(xué)院醫(yī)學(xué)影像學(xué)院已完成AI 分析反饋指導(dǎo)系統(tǒng),實(shí)現(xiàn)數(shù)據(jù)的采集和傳輸、儲(chǔ)存后,在使用者給被檢查對象掃描的過程中,AI 系統(tǒng)實(shí)時(shí)地調(diào)取采集的數(shù)據(jù)在后臺(tái)同步分析,快速獲得計(jì)算機(jī)的輔助分析支持,基于動(dòng)態(tài)圖像實(shí)時(shí)在超聲顯示屏上輸出AI 算法分析的圖像掃描手法獲取的最優(yōu)解,從而使得采集圖像無限趨于符合診斷要求的標(biāo)準(zhǔn)圖像。

5 結(jié)語

醫(yī)學(xué)影像AI 近年來發(fā)展迅速,在AI 醫(yī)學(xué)影像這個(gè)賽道中,AI+超聲這個(gè)細(xì)分領(lǐng)域受到的關(guān)注遠(yuǎn)不如AI+CT 影像,AI+超聲發(fā)展面臨幾大痛點(diǎn):(1)算法框架限制。 因?yàn)?目前的算法框架,絕大部分公司都是用的開源算法,尤其是在超聲領(lǐng)域,能夠擁有自己算法的企業(yè)非常少。 (2)要實(shí)現(xiàn)實(shí)時(shí)診斷。 超聲圖像是動(dòng)態(tài)實(shí)時(shí)圖像,超聲檢測的難點(diǎn)在于圖像采集與閱片需要同時(shí)完成,這就為輔助診斷提出了更大的挑戰(zhàn),包括在算法和算力上。 (3)由于超聲影像數(shù)據(jù)的瀏覽處理存儲(chǔ)習(xí)慣,數(shù)據(jù)庫的規(guī)模大小受到限制,超聲影像的標(biāo)準(zhǔn)化程度也較低,超聲標(biāo)準(zhǔn)化圖像數(shù)據(jù)獲取較困難。 雖然人工智能在超聲醫(yī)學(xué)中的應(yīng)用仍在起步階段,但隨著科學(xué)技術(shù)的發(fā)展,人工智能和超聲影像會(huì)實(shí)現(xiàn)更深入的結(jié)合。 利用人工智能進(jìn)行自動(dòng)化分類并保證圖像獲取的完整性、連續(xù)性,在實(shí)踐應(yīng)用中提高臨床疾病的診斷率,引領(lǐng)醫(yī)學(xué)影像邁入新階段,是未來超聲影像人工智能必然的趨勢。