吳林玉，許茂盛

（1.浙江中醫(yī)藥大學(xué)附屬第一醫(yī)院/浙江省中醫(yī)院醫(yī)學(xué)影像科，浙江 杭州 310006；2.浙江中醫(yī)藥大學(xué)第一臨床醫(yī)學(xué)院，浙江 杭州 310053）

目前，大數(shù)據(jù)與人工智能在醫(yī)學(xué)影像領(lǐng)域發(fā)展迅速，具有廣闊的應(yīng)用前景。人工智能不僅廣泛應(yīng)用于改善成像質(zhì)量、提升成像速度等醫(yī)學(xué)成像前處理中，其在疾病診斷、腫瘤分型、基因表達(dá)模式及患者預(yù)后評(píng)估等方面也廣受關(guān)注。但人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用仍存在較大的挑戰(zhàn)與瓶頸，如人工智能產(chǎn)品缺乏規(guī)范與標(biāo)準(zhǔn)、深度學(xué)習(xí)或機(jī)器學(xué)習(xí)模型的可重復(fù)性與臨床應(yīng)用有待提高［1-4］。因此，有必要加強(qiáng)人工智能在醫(yī)學(xué)影像領(lǐng)域的研究，促進(jìn)其臨床應(yīng)用。

1 醫(yī)學(xué)影像人工智能的應(yīng)用現(xiàn)狀與面臨挑戰(zhàn)

隨著人工智能、大數(shù)據(jù)的蓬勃發(fā)展，醫(yī)學(xué)影像人工智能的研究已涉及放射影像、超聲影像、病理圖像等多個(gè)方面，包括肺部、乳腺、心血管等多個(gè)部位，腦腫瘤、腦卒中等多個(gè)病種，以及骨齡檢測等領(lǐng)域［5-7］。深度學(xué)習(xí)及機(jī)器學(xué)習(xí)是醫(yī)學(xué)影像人工智能的核心技術(shù)，機(jī)器學(xué)習(xí)又可根據(jù)底層任務(wù)分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)及強(qiáng)化學(xué)習(xí)，旨在解決醫(yī)學(xué)中不同類別問題的預(yù)測分析［8］。醫(yī)學(xué)影像人工智能在醫(yī)學(xué)成像設(shè)備開發(fā)、疾病影像診斷，以及醫(yī)學(xué)智能服務(wù)等諸多方面均有應(yīng)用潛力。醫(yī)學(xué)影像人工智能在醫(yī)學(xué)成像設(shè)備方面的應(yīng)用包括低劑量圖像高質(zhì)量重建減低患者輻射劑量、提高成像速度等［9］；在疾病影像診斷方面的應(yīng)用，如對肺結(jié)節(jié)、乳腺癌篩查、腦腫瘤等的輔助診斷［10-12］；此外，醫(yī)學(xué)影像人工智能可優(yōu)化診斷與報(bào)告的工作流程，提供分診、初診、復(fù)讀和智能報(bào)告等全方位智能服務(wù)。

醫(yī)學(xué)影像人工智能利用人工神經(jīng)網(wǎng)絡(luò)能夠分析處理多層次、多樣化大數(shù)據(jù)，完成特定的任務(wù)，將有望在未來徹底改變疾病診療方式。目前，醫(yī)學(xué)影像人工智能在醫(yī)學(xué)領(lǐng)域發(fā)揮著重要作用，并取得了長足進(jìn)步，但同時(shí)也存在諸多問題與挑戰(zhàn)［13］，如深度學(xué)習(xí)算法的優(yōu)化與提升、人工智能產(chǎn)品的臨床驗(yàn)證與評(píng)估規(guī)范、多個(gè)公司人工智能產(chǎn)品的一站式服務(wù)功能，以及醫(yī)療數(shù)據(jù)安全等問題。為促進(jìn)醫(yī)學(xué)影像人工智能技術(shù)應(yīng)用，以下問題值得關(guān)注：人工智能研究需采用具有可獲取性、標(biāo)準(zhǔn)化和高質(zhì)量的代表性數(shù)據(jù)；用于開發(fā)人工智能的代表性數(shù)據(jù)、組成和數(shù)據(jù)質(zhì)量等的完全透明、公開至關(guān)重要；此外，關(guān)于人工智能性能相關(guān)方面的透明與評(píng)估也同樣重要［13］。

2 人工智能提升影像組學(xué)研究與其生物學(xué)驗(yàn)證

人工智能是國際學(xué)術(shù)前沿?zé)狳c(diǎn)，其技術(shù)融合臨床、影像等大數(shù)據(jù)信息，使影像組學(xué)在醫(yī)學(xué)精準(zhǔn)診療的研究與應(yīng)用中得到了提升。影像組學(xué)最早于2012 年由Lambin 提出，其可采用人工智能技術(shù)等定量分析醫(yī)學(xué)影像等海量數(shù)據(jù)，為實(shí)現(xiàn)精準(zhǔn)診斷提供了新機(jī)遇［14］。近年來，隨著對影像組學(xué)生物學(xué)意義關(guān)注度的增加，影像組學(xué)的生物學(xué)驗(yàn)證將成為該領(lǐng)域的實(shí)踐標(biāo)準(zhǔn)之一，從而進(jìn)一步推進(jìn)影像組學(xué)在臨床決策中的應(yīng)用［15］。影像組學(xué)研究面臨的主要挑戰(zhàn)為實(shí)現(xiàn)影像組學(xué)研究數(shù)據(jù)、流程的標(biāo)準(zhǔn)化，以及影像組學(xué)模型的驗(yàn)證［16-17］，包括內(nèi)部驗(yàn)證、外部驗(yàn)證，甚至是生物學(xué)基礎(chǔ)上的驗(yàn)證，最好是采用前瞻性多機(jī)構(gòu)、多來源的數(shù)據(jù)進(jìn)行研究驗(yàn)證［17］。此外，對于影像組學(xué)特征的生物學(xué)驗(yàn)證將會(huì)促進(jìn)影像組學(xué)研究的臨床應(yīng)用。

人工智能、機(jī)器學(xué)習(xí)等技術(shù)的飛速發(fā)展，促進(jìn)了影像組學(xué)研究的飛速發(fā)展?；卺t(yī)學(xué)圖像能夠反映潛在病理生理特征的假設(shè)，影像組學(xué)能夠定量提取圖像的特征，這可能為疾病診斷、預(yù)后和治療反應(yīng)評(píng)估提供有價(jià)值的信息。影像組學(xué)研究蓬勃發(fā)展，但大部分影像組學(xué)研究缺乏深度分析，如對影像組學(xué)特征生物學(xué)基礎(chǔ)的探討不夠深入。一些研究努力將生物學(xué)意義引入影像組學(xué)研究中，尋找其與生物學(xué)潛在的關(guān)系，包括分析影像組學(xué)特征與基因組、組織病理學(xué)圖像或生物標(biāo)志物表達(dá)的相關(guān)性［15］。

雖然影像組學(xué)與一些臨床終點(diǎn)相關(guān)，但影像組學(xué)、臨床因素和腫瘤生物學(xué)的復(fù)雜關(guān)系多數(shù)未知。已有相關(guān)研究利用影像組學(xué)特征、分子途徑、組織病理學(xué)標(biāo)志物和臨床信息之間關(guān)系，探索影像組學(xué)特征與組織學(xué)染色、血管生成和缺氧的組織病理學(xué)標(biāo)志物之間的相關(guān)性［18-19］。這些影像組學(xué)特征在生物學(xué)方面的解釋，將有利于增加影像組學(xué)模型的泛化性及臨床應(yīng)用的可能性。

3 本期“智能影像學(xué)”專欄介紹

本專欄共有4 篇人工智能與影像組學(xué)臨床應(yīng)用相關(guān)論文，包括影像組學(xué)參數(shù)的一致性和重復(fù)性研究、深度學(xué)習(xí)對髓母細(xì)胞瘤與室管膜瘤的鑒別、高密度胸腺囊腫和低危胸腺瘤的影像組學(xué)鑒別，以及腦動(dòng)脈瘤破裂風(fēng)險(xiǎn)影像評(píng)估的人工智能研究，展示了人工智能、影像組學(xué)應(yīng)用的廣泛前景。

在關(guān)于影像組學(xué)參數(shù)的一致性和重復(fù)性研究中，其通過提取較低級(jí)別膠質(zhì)瘤的MRI 影像組學(xué)特征，得出觀察者間和觀察者內(nèi)一致性均為良好，這為今后構(gòu)建低級(jí)別膠質(zhì)瘤MRI 影像組學(xué)模型提供了參考。臨床應(yīng)用影像組學(xué)特征鑒別髓母細(xì)胞瘤與室管膜瘤、高密度胸腺囊腫和低危胸腺瘤，為疾病的術(shù)前分級(jí)提供了客觀、準(zhǔn)確、無創(chuàng)的影像診斷依據(jù)。上述研究表明，基于T2FLAIR 圖像灰度游程矩陣特征對術(shù)前鑒別兒童幕下髓母細(xì)胞瘤與室管膜瘤有一定鑒別價(jià)值。此外，CT 平掃難以準(zhǔn)確鑒別高密度胸腺囊腫和低危胸腺瘤，作者通過提取CT 平掃的影像組學(xué)特征構(gòu)建列線圖進(jìn)行鑒別。關(guān)于人工智能在腦動(dòng)脈瘤破裂風(fēng)險(xiǎn)評(píng)估研究的文獻(xiàn)綜述，從腦動(dòng)脈瘤影像與破裂風(fēng)險(xiǎn)預(yù)測、人工智能在腦動(dòng)脈瘤破裂風(fēng)險(xiǎn)評(píng)估中的作用與挑戰(zhàn)等方面介紹相關(guān)領(lǐng)域的最新研究成果，有助于提高臨床對腦動(dòng)脈瘤破裂風(fēng)險(xiǎn)的評(píng)估能力。

綜上所述，人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用已初現(xiàn)曙光，未來在輔助醫(yī)學(xué)影像科醫(yī)師實(shí)現(xiàn)更高效、更精準(zhǔn)的影像診斷等方面也將發(fā)揮重要作用。相信隨著人工智能算法的優(yōu)化、硬件設(shè)備的提升、醫(yī)學(xué)數(shù)據(jù)集的擴(kuò)增、未來人工智能行業(yè)及影像組學(xué)研究流程標(biāo)準(zhǔn)的完善，以及多機(jī)構(gòu)、多來源數(shù)據(jù)的外部驗(yàn)證與生物學(xué)基礎(chǔ)驗(yàn)證的進(jìn)一步推進(jìn)，多器官、多病種一體化的醫(yī)學(xué)影像人工智能產(chǎn)品將在未來逐步落地于醫(yī)療領(lǐng)域。