唐丹 王耀東

廣東省醫(yī)學(xué)學(xué)術(shù)交流中心（廣東省醫(yī)學(xué)情報(bào)研究所），廣州 510180

醫(yī)學(xué)人工智能（artificial intelligence，AI）是AI 領(lǐng)域的一個(gè)重要發(fā)展方向。國(guó)務(wù)院于2017 年印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出要“開(kāi)發(fā)智能診療助手，實(shí)現(xiàn)智能影像識(shí)別、病理分型和智能多學(xué)科會(huì)診”，明確將AI 納入國(guó)家重點(diǎn)研究發(fā)展規(guī)劃。醫(yī)療數(shù)據(jù)中有90%來(lái)自于醫(yī)學(xué)影像，并且我國(guó)醫(yī)學(xué)影像的數(shù)據(jù)正以30%的年增長(zhǎng)率逐年增長(zhǎng)，相比之下，影像科醫(yī)師的增長(zhǎng)速度和工作效率不足以應(yīng)對(duì)這樣的增長(zhǎng)趨勢(shì)，給醫(yī)學(xué)影像診斷工作帶來(lái)巨大的壓力［1］。同時(shí)，傳統(tǒng)的醫(yī)學(xué)影像診斷主要依靠影像醫(yī)師的主觀判斷，大部分醫(yī)學(xué)影像數(shù)據(jù)仍需要人工分析，診斷的準(zhǔn)確率與閱片醫(yī)師的水平、經(jīng)驗(yàn)及工作狀態(tài)密切相關(guān)，在疲憊及狀態(tài)不良的情況下所做的判斷容易造成誤診漏診。因此，AI 技術(shù)在醫(yī)學(xué)影像學(xué)領(lǐng)域的研究與應(yīng)用備受關(guān)注，通過(guò)巨大數(shù)據(jù)量的深度學(xué)習(xí)，有望成為疾病精準(zhǔn)治療、預(yù)后評(píng)估等的重要輔助手段［2-6］。廣東省科學(xué)技術(shù)廳于2018 年10 月印發(fā)了《廣東省新一代人工智能創(chuàng)新發(fā)展行動(dòng)計(jì)劃（2018～2020 年）》［7］，促進(jìn)了人工智能在醫(yī)學(xué)領(lǐng)域的研究，也使醫(yī)學(xué)影像診斷的人工智能研發(fā)項(xiàng)目日益受到重視。本文依據(jù)2016 年至2022 年廣東省醫(yī)學(xué)情報(bào)研究所查新咨詢中心接收的與“人工智能”“深度學(xué)習(xí)”“機(jī)器學(xué)習(xí)”“支持向量機(jī)”等相關(guān)的查新申請(qǐng)，從中篩選與醫(yī)學(xué)影像診斷相關(guān)的項(xiàng)目，對(duì)其研究方向及應(yīng)用情況進(jìn)行歸類統(tǒng)計(jì)，并提出相關(guān)建議，以期為AI在醫(yī)學(xué)影像診斷研究提供借鑒與參考。

資料與方法

1.一般資料

以廣東省醫(yī)學(xué)學(xué)術(shù)交流中心（廣東省醫(yī)學(xué)情報(bào)研究所）2016年至2022年的查新委托為基礎(chǔ)，篩選其中與醫(yī)學(xué)AI在影像診斷中的研究項(xiàng)目作為研究對(duì)象，所用資料包括用戶查新委托單、項(xiàng)目申報(bào)書(shū)、項(xiàng)目可行性分析報(bào)告及存檔的查新報(bào)告，均為立項(xiàng)申請(qǐng)，共計(jì)50 個(gè)項(xiàng)目。統(tǒng)計(jì)時(shí)間為2016年1月1日至2022年12月31日。

2.方法

利用本單位的查新項(xiàng)目管理系統(tǒng)及Microsoft Excel 軟件，對(duì)查新委托單、項(xiàng)目申報(bào)書(shū)、查新項(xiàng)目登記、查新報(bào)告中的數(shù)據(jù)逐條核實(shí)、統(tǒng)計(jì)，按查新項(xiàng)目的年度、類別、區(qū)域、學(xué)科分布、查新結(jié)論等方面進(jìn)行統(tǒng)計(jì)分析。

結(jié)果

1.委托項(xiàng)目的基本情況

2016 年至2022 年共接收50 項(xiàng)相關(guān)的查新委托。根據(jù)年度分析，2016 年接到委托2 項(xiàng)（占總數(shù)的4.00%），2017 年0項(xiàng)，2018年5項(xiàng)（占總數(shù)的10.00%），2019年7項(xiàng)（占總數(shù)的14.00%），2020年10項(xiàng)（占總數(shù)的20.00%），2021年12項(xiàng)（占總數(shù)的24.00%），2022 年14 項(xiàng)（占總數(shù)的28.00%）。自2020年起，每年申報(bào)的項(xiàng)目均超過(guò)10項(xiàng)，呈逐年上升趨勢(shì)。

按申報(bào)課題級(jí)別劃分，申報(bào)省級(jí)項(xiàng)目4 項(xiàng)（8.00%），市廳級(jí)項(xiàng)目25項(xiàng)（50.00%），其他類別項(xiàng)目21項(xiàng)（42.00%）。以市廳級(jí)以及其他類別的項(xiàng)目為主。要求出具國(guó)內(nèi)外查新報(bào)告12 項(xiàng)（24.00%），國(guó)內(nèi)查新報(bào)告38 項(xiàng)（76.00%），以國(guó)內(nèi)文獻(xiàn)新穎性對(duì)比分析為主，國(guó)內(nèi)外查新數(shù)量遠(yuǎn)低于國(guó)內(nèi)查新。對(duì)上述申報(bào)項(xiàng)目的查新結(jié)果進(jìn)行對(duì)比，國(guó)內(nèi)外未見(jiàn)報(bào)道的項(xiàng)目9項(xiàng)（18.00%），國(guó)內(nèi)未見(jiàn)報(bào)道的項(xiàng)目16項(xiàng)（32.00%），廣東省內(nèi)未見(jiàn)報(bào)道項(xiàng)目17 項(xiàng)（34.00%），地級(jí)市未見(jiàn)報(bào)道的項(xiàng)目8項(xiàng)（16.00%）。以國(guó)內(nèi)及廣東省內(nèi)未見(jiàn)相關(guān)報(bào)道為主。

2.所采用的關(guān)鍵技術(shù)

AI所采用的關(guān)鍵技術(shù)有機(jī)器學(xué)習(xí)、知識(shí)圖譜、計(jì)算機(jī)視覺(jué)、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)等。機(jī)器學(xué)習(xí)是委托項(xiàng)目最常用的方法。機(jī)器學(xué)習(xí)分為傳統(tǒng)機(jī)器學(xué)習(xí)（支持向量機(jī)方法等）和深度學(xué)習(xí)。深度學(xué)習(xí)包括深度置信網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，以及遷移學(xué)習(xí)、主動(dòng)學(xué)習(xí)和演化學(xué)習(xí)等算法［8-12］。委托查新的項(xiàng)目中，涉及深度學(xué)習(xí)的項(xiàng)目有25 項(xiàng)，未標(biāo)明采用何種技術(shù)的15項(xiàng)，采用機(jī)器學(xué)習(xí)算法7項(xiàng)，支持向量機(jī)模型2 項(xiàng)，遷移學(xué)習(xí)1 項(xiàng)。深度學(xué)習(xí)占了一半，說(shuō)明深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)診斷學(xué)中的應(yīng)用相對(duì)成熟，而未標(biāo)明采用何種關(guān)鍵技術(shù)的項(xiàng)目，皆為地市級(jí)及以下項(xiàng)目，采用的是輔助診斷系統(tǒng)，如覓影輔助診斷系統(tǒng)、數(shù)坤冠脈智能輔助診斷系統(tǒng)、糖尿病視網(wǎng)膜病變?nèi)斯ぶ悄茏詣?dòng)診斷系統(tǒng)、AI輔助診斷系統(tǒng)等。有3 個(gè)項(xiàng)目對(duì)不同的關(guān)鍵技術(shù)進(jìn)行了對(duì)比分析，如對(duì)多個(gè)機(jī)器學(xué)習(xí)（包括有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)）算法模型進(jìn)行對(duì)比分析，擇優(yōu)選擇，提高預(yù)測(cè)模型的臨床實(shí)用性；在遷移學(xué)習(xí)中，分別比較ResNet50、Inception V3 和NASNet 等網(wǎng)絡(luò)架構(gòu)；有的則是比較不同的機(jī)器學(xué)習(xí)方法在甲狀腺結(jié)節(jié)良惡性CT 影像診斷中的應(yīng)用價(jià)值。加強(qiáng)對(duì)算法的優(yōu)化與研究并應(yīng)用于實(shí)踐，是促進(jìn)AI 在影像診斷領(lǐng)域深度使用的一個(gè)重要方法。

3.學(xué)科分布

人工智能的影像診斷涉及多個(gè)學(xué)科，但在各學(xué)科的應(yīng)用并不平衡。在腫瘤學(xué)的應(yīng)用最多，共14 項(xiàng)，多涉及微小結(jié)節(jié)的良惡性病變的性質(zhì)判斷，表明疾病的良惡性鑒別診斷對(duì)于治療方案的制定及預(yù)后具有重要的意義，也是影像診斷關(guān)注的重點(diǎn)，尤其是基層醫(yī)療機(jī)構(gòu)，更是需要得到這方面的有效指引。其次是在心血管病學(xué)的應(yīng)用，共9 項(xiàng)，心臟超聲造影、心肌缺血病變及其預(yù)警模型、卒中的早期智能分類等為研究熱點(diǎn)，也是當(dāng)前的診斷難點(diǎn)。人工智能在婦產(chǎn)科學(xué)的應(yīng)用有9項(xiàng)，主要是乳腺X線圖像的良惡性病變的鑒別診斷、超聲乳腺篩查、子宮肌瘤以及子宮內(nèi)膜癌智能輔助評(píng)估等。在其他學(xué)科的應(yīng)用中，骨科學(xué)有5 項(xiàng)，神經(jīng)病學(xué)4項(xiàng)，兒科學(xué)3項(xiàng)，其余為呼吸病學(xué)、基礎(chǔ)醫(yī)學(xué)、糖尿病、超聲醫(yī)學(xué)、風(fēng)濕免疫學(xué)、眼科學(xué)，各有1項(xiàng)，提示廣東省醫(yī)學(xué)AI在醫(yī)學(xué)影像診斷中的研究存在學(xué)科發(fā)展不太平衡。

4.地域分布

廣東省21個(gè)地級(jí)市中，共有15個(gè)城市申報(bào)了人工智能在醫(yī)學(xué)影像診斷方面的項(xiàng)目，占71.43%。申報(bào)項(xiàng)目最多的是佛山市，共9項(xiàng)，其次是深圳8項(xiàng)，東莞7項(xiàng)，廣州5項(xiàng)。其余地級(jí)市均在4 項(xiàng)及以下。項(xiàng)目委托單位及地域分布在一定程度上反映出各醫(yī)療單位的科研力量及科研水平。廣東省申報(bào)的項(xiàng)目中，申請(qǐng)的基金類別有廣東省重大科技項(xiàng)目、地級(jí)市的社會(huì)科技發(fā)展項(xiàng)目，也有支持高水平醫(yī)院建設(shè)的項(xiàng)目等。重大項(xiàng)目多數(shù)與輔助診斷、篩查診斷、重點(diǎn)實(shí)驗(yàn)室的建設(shè)等相關(guān)。佛山申報(bào)項(xiàng)目數(shù)量較多，多數(shù)為市級(jí)項(xiàng)目，重大項(xiàng)目的申報(bào)集中在深圳、廣州兩地，表明省會(huì)城市與副省級(jí)城市的科研實(shí)力較強(qiáng)，科研經(jīng)費(fèi)充足，政府的投入較大。

5.人工智能在醫(yī)學(xué)影像診斷中的應(yīng)用

由于疾病的復(fù)雜性，臨床上針對(duì)同一種疾病往往需要不同的診斷手段。也存在不同疾病可以使用同一種診斷手段。AI 技術(shù)在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用也是基于以上兩種思路。本文依據(jù)查新委托分析AI 在CT、MRI、超聲、X 線診斷等方面的應(yīng)用。

5.1.人工智能在CT 中的應(yīng)用 CT 技術(shù)是目前普遍開(kāi)展的診斷方式。人工智能技術(shù)與CT 結(jié)合，有助于減少疾病的誤診以及漏診，提高準(zhǔn)確率［13-16］。本單位共收到人工智能技術(shù)與CT結(jié)合的查新項(xiàng)目15項(xiàng)，在超急性和急性缺血性腦卒中的智能診斷模型構(gòu)建、冠狀動(dòng)脈CT 血管成像重建與診斷應(yīng)用、心腦血管缺血性疾病的預(yù)警模型的研發(fā)、甲狀腺良惡性結(jié)節(jié)中的應(yīng)用、肺結(jié)節(jié)的診斷等方面均開(kāi)展了研究。

5.2.人工智能在超聲中的應(yīng)用 超聲影像具有簡(jiǎn)便、價(jià)廉、安全等優(yōu)勢(shì)，在影像診斷中占有重要地位，但受主觀因素和人為經(jīng)驗(yàn)影響較大［17］。本單位共接受11 項(xiàng)超聲診斷的查新申請(qǐng)，包括人工智能超聲乳腺癌篩查的應(yīng)用研究、超聲造影Vessel Max 技術(shù)聯(lián)合人工智能減少甲狀腺良性結(jié)節(jié)穿刺率、人工智能輔助三維超聲精準(zhǔn)定量評(píng)估卵圓孔未閉、胎兒圓錐動(dòng)脈干畸形智能化超聲診斷研究、基于超聲圖像的子宮病變?nèi)斯ぶ悄茌o助評(píng)估、基于超聲圖像的人工智能技術(shù)在子宮肌瘤中的診斷應(yīng)用研究等，以臨床應(yīng)用為主。

5.3.AI 在MRI、X 線等其他影像技術(shù)中的應(yīng)用 AI 在MRI、X線等也有相關(guān)的研究。如基于深度學(xué)習(xí)的眼動(dòng)追蹤新型診療技術(shù)聯(lián)合腦結(jié)構(gòu)MRI 早期診斷阿爾茨海默病、人工智能在兒童骨齡X 線影像診斷的應(yīng)用、基于乳腺X 線圖像放射組學(xué)分析的人工智能精準(zhǔn)診斷系統(tǒng)構(gòu)建的研究。

5.4.AI 在多種影像技術(shù)中的應(yīng)用比較 還有一些項(xiàng)目將AI 在幾種影像技術(shù)的應(yīng)用進(jìn)行對(duì)比分析，如X 線與超聲的對(duì)比分析，超聲與MRI的比較，或者是對(duì)幾種技術(shù)同時(shí)進(jìn)行比較。如高級(jí)機(jī)器學(xué)習(xí)在心血管醫(yī)學(xué)影像技術(shù)領(lǐng)域的應(yīng)用示范研究，將X 線、心血管造影、超聲心動(dòng)圖、CT 及MRI 5 種影像學(xué)檢查的影像解剖結(jié)構(gòu)進(jìn)行分割、提取，實(shí)現(xiàn)智能建模。

5.5.代表性研究應(yīng)用 廣東省在醫(yī)學(xué)人工智能領(lǐng)域的大項(xiàng)目較少，但也有一些大規(guī)模的研究在省內(nèi)、甚至國(guó)內(nèi)有一定的影響力。廣東省的梁長(zhǎng)虹、劉再毅團(tuán)隊(duì)是以人工智能挖掘醫(yī)學(xué)影像大數(shù)據(jù)為核心的多學(xué)科交叉團(tuán)隊(duì)，是醫(yī)工交叉的研究型隊(duì)伍。2019 年，該團(tuán)隊(duì)申報(bào)廣東省醫(yī)學(xué)圖像人工智能技術(shù)重點(diǎn)實(shí)驗(yàn)室。其后，該團(tuán)隊(duì)申報(bào)的廣東省醫(yī)學(xué)影像智能分析與應(yīng)用重點(diǎn)實(shí)驗(yàn)室（2022年度）獲廣東省科技廳立項(xiàng)，是當(dāng)年17 家學(xué)科類省重點(diǎn)實(shí)驗(yàn)室之一，獲經(jīng)費(fèi)資助300 萬(wàn)元。團(tuán)隊(duì)聚焦惡性腫瘤量化研究，將醫(yī)學(xué)影像轉(zhuǎn)化為可挖掘數(shù)據(jù)，創(chuàng)新性地基于影像組學(xué)構(gòu)建個(gè)體化預(yù)測(cè)模型，用于腫瘤精準(zhǔn)診斷、療效評(píng)估和預(yù)后預(yù)測(cè)，具有較高的國(guó)際學(xué)術(shù)影響力［18］。

6.廣東省發(fā)表的AI在醫(yī)學(xué)影像診斷研究的文獻(xiàn)分析

在《中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)》中，以“人工智能”“深度學(xué)習(xí)”“機(jī)器學(xué)習(xí)”“支持向量機(jī)”“影像診斷學(xué)”等為檢索詞進(jìn)行檢索，排除綜述性、述評(píng)文獻(xiàn)，篩選廣東省作者發(fā)表的相關(guān)論文進(jìn)行統(tǒng)計(jì)分析，并與上述的項(xiàng)目申報(bào)情況進(jìn)行對(duì)比分析。共檢索到相關(guān)文獻(xiàn)63 篇。其中人工智能在MRI中應(yīng)用的文獻(xiàn)20篇，在超聲中的應(yīng)用12篇，在CT 中的應(yīng)用12篇，在X線診斷中的應(yīng)用文獻(xiàn)4篇，X線與超聲對(duì)比分析、CT 與MRI 對(duì)比分析各1 篇。未表明用何種檢查方法的共13 篇。與委托項(xiàng)目相比較，人工智能在MRI 中的研究文獻(xiàn)最多，但委托項(xiàng)目較少。人工智能在CT 和超聲中的研究大致與項(xiàng)目申報(bào)數(shù)量相當(dāng)。按學(xué)科分類，人工智能在腫瘤學(xué)中的應(yīng)用最廣［19-22］，有19篇文獻(xiàn)進(jìn)行了相關(guān)研究，在婦產(chǎn)科中的研究有7篇相關(guān)文獻(xiàn)，在心血管系統(tǒng)中的應(yīng)用有4篇文獻(xiàn)，其他文獻(xiàn)進(jìn)行理論探討居多。

討論

隨著醫(yī)學(xué)影像診斷數(shù)據(jù)量越來(lái)越大，醫(yī)學(xué)影像診斷的難點(diǎn)也在不斷增加。AI 的快速發(fā)展，為醫(yī)療健康的智能化進(jìn)程提供了非常有利的技術(shù)條件，在影像診斷中的作用也越來(lái)越重要。在醫(yī)學(xué)影像輔助診斷方面，影像判讀系統(tǒng)的發(fā)展是人工智能技術(shù)的產(chǎn)物。影像組學(xué)是通過(guò)醫(yī)學(xué)影像對(duì)特征進(jìn)行提取和分析，為患者的診斷和治療提供評(píng)估方法和精準(zhǔn)診療決策［23-25］。在AI 領(lǐng)域，廣東省的醫(yī)學(xué)影像診斷的研究開(kāi)展較早，也取得一定的進(jìn)展，有其自身特點(diǎn)：（1）醫(yī)學(xué)影像診斷的委托項(xiàng)目在AI 的委托中占了重要地位。2016 年至2022 年，本單位接受AI 的查新委托項(xiàng)目共計(jì)79 項(xiàng)，其中醫(yī)學(xué)影像診斷的相關(guān)研究有50 項(xiàng)（占63.29%），提示在廣東的醫(yī)學(xué)AI中，醫(yī)學(xué)影像診斷是AI的重要研究方向及科技攻關(guān)的重點(diǎn)、難點(diǎn)。（2）基于影像組學(xué)和深度學(xué)習(xí)開(kāi)展診斷研究的委托項(xiàng)目較多。在所有50 項(xiàng)的相關(guān)研究中，通過(guò)影像組學(xué)分析的項(xiàng)目有18項(xiàng)（占36.00%）。而采用深度學(xué)習(xí)技術(shù)的委托項(xiàng)目有25 項(xiàng)，占了一半，表明廣東重視精準(zhǔn)診療，深度學(xué)習(xí)是最常用的AI 關(guān)鍵技術(shù)。（3）樣本量差異較大，有些項(xiàng)目不適宜列入醫(yī)學(xué)AI。從研究?jī)?nèi)容分析，有的項(xiàng)目納入的樣本有20 000 例，也有一些是5 000 例、3 000 例不等，都屬于數(shù)據(jù)量較大的項(xiàng)目，但也有些項(xiàng)目的圖片不足100 例，還要分組進(jìn)行對(duì)比分析，數(shù)據(jù)明顯不足。人工智能是一種基于計(jì)算機(jī)科學(xué)的技術(shù)，可以模擬人類的智能行為和思維方式，需要大數(shù)據(jù)作為支撐，這也是AI 應(yīng)用項(xiàng)目獨(dú)有的特點(diǎn)，樣本量太小對(duì)于研究結(jié)果的影響較大。（4）地區(qū)發(fā)展不平衡。此次統(tǒng)計(jì)顯示，人工智能在醫(yī)學(xué)影像診斷中的應(yīng)用研究，涉及15 個(gè)地級(jí)市，研究機(jī)構(gòu)包括高等院校附屬醫(yī)院、各級(jí)醫(yī)療衛(wèi)生機(jī)構(gòu)，縣級(jí)基層醫(yī)療衛(wèi)生機(jī)構(gòu)也有參與，一線城市、經(jīng)濟(jì)發(fā)達(dá)地區(qū)的申報(bào)熱情更高，擬申報(bào)項(xiàng)目的級(jí)別也較高，側(cè)面反映了廣東省在醫(yī)學(xué)人工智能領(lǐng)域中影像診斷的研究方向及發(fā)展?fàn)顩r。

針對(duì)廣東醫(yī)學(xué)影像診斷在AI中的應(yīng)用特點(diǎn)，結(jié)合AI的發(fā)展，建議加強(qiáng)以下幾方面的工作。（1）政府應(yīng)加強(qiáng)對(duì)醫(yī)學(xué)AI研究的投入。近年，各地紛紛出臺(tái)AI產(chǎn)業(yè)鏈高質(zhì)量發(fā)展行動(dòng)計(jì)劃，加強(qiáng)基礎(chǔ)研究，推動(dòng)新一代人工智能開(kāi)放創(chuàng)新平臺(tái)的發(fā)展［26］。但醫(yī)學(xué)AI 的專項(xiàng)更需早日提上議程。作為對(duì)影像診斷效率影響巨大的醫(yī)學(xué)AI，對(duì)于提升基層醫(yī)院診療水平，縮小區(qū)域間差異具有重要作用。（2）醫(yī)學(xué)AI 要重視醫(yī)工融合。委托項(xiàng)目的申報(bào)人及參與人員多數(shù)為醫(yī)務(wù)人員或管理人員，對(duì)于AI 的認(rèn)識(shí)及了解有限，這也是部分申報(bào)書(shū)設(shè)計(jì)方案不盡合理、部分申請(qǐng)書(shū)無(wú)法提出采用何種技術(shù)解決問(wèn)題、申請(qǐng)書(shū)撰寫(xiě)質(zhì)量不高的原因。醫(yī)學(xué)專業(yè)技術(shù)人員與計(jì)算機(jī)科學(xué)領(lǐng)域人才共同參與項(xiàng)目研究是實(shí)現(xiàn)“醫(yī)工”結(jié)合的一個(gè)有效途徑，可以達(dá)到強(qiáng)強(qiáng)聯(lián)合。另外，醫(yī)學(xué)AI也可能通過(guò)創(chuàng)建相關(guān)領(lǐng)域的重點(diǎn)實(shí)驗(yàn)室或提供更高的科研平臺(tái)，吸引更多的原創(chuàng)研究，達(dá)成成果轉(zhuǎn)化。（3）有限度開(kāi)展區(qū)域性資源共享。出于保密及信息安全等方面的考慮，影像共享目前還處于探索階段，尚未能實(shí)現(xiàn)醫(yī)學(xué)資源的共建共享。如果暫時(shí)不能解決全面的資源共享，橫向合作，較小規(guī)模的醫(yī)療機(jī)構(gòu)聯(lián)合申報(bào)，小范圍的區(qū)域共享也利于解決基層醫(yī)療衛(wèi)生機(jī)構(gòu)研究樣本不足的問(wèn)題，利于項(xiàng)目的順利完成。（4）要注重隱私及倫理規(guī)范。在醫(yī)療領(lǐng)域中，人工智能可以通過(guò)分析大量的醫(yī)療數(shù)據(jù)，提高醫(yī)生對(duì)疾病的診斷準(zhǔn)確率。但AI 畢竟是模仿人的行為及思維，在研究過(guò)程中，需要考慮如何保護(hù)傷者的隱私，避免其個(gè)人信息泄露。同時(shí)，需要研究如何遵守相關(guān)倫理規(guī)范，確保AI 的應(yīng)用符合道德和法律要求。

目前，影像的判讀主要依賴于臨床醫(yī)生經(jīng)驗(yàn)進(jìn)行主觀判斷，遠(yuǎn)未達(dá)到現(xiàn)代精準(zhǔn)診斷的要求。近年來(lái)，隨著AI 技術(shù)的不斷進(jìn)步，基于AI 的影像輔助診斷系統(tǒng)的性能和準(zhǔn)確性持續(xù)提升，為AI 在影像診斷領(lǐng)域的應(yīng)用拓展提供更多可能性。隨著公眾及醫(yī)務(wù)人員對(duì)AI 接受度的提高，將傳統(tǒng)的醫(yī)學(xué)影像診斷從單純的人工主觀判斷轉(zhuǎn)向人工與AI 輔助相結(jié)合，將是醫(yī)學(xué)影像學(xué)未來(lái)一個(gè)重要的發(fā)展方向。醫(yī)學(xué)影像診斷與AI 技術(shù)的結(jié)合，推進(jìn)標(biāo)準(zhǔn)化研究，必將得到更大的發(fā)展。機(jī)遇與挑戰(zhàn)并存，仍需不斷推進(jìn)該領(lǐng)域的研究，開(kāi)發(fā)基于臨床應(yīng)用的個(gè)性化AI 軟件，并加強(qiáng)不同領(lǐng)域的交叉融合，才能更好促進(jìn)影像診療技術(shù)的發(fā)展。

作者貢獻(xiàn)聲明 唐丹：實(shí)施研究，采集數(shù)據(jù)，分析/解釋數(shù)據(jù)，起草文章，統(tǒng)計(jì)分析，行政、技術(shù)或材料支持；王耀東：實(shí)施研究，分析/解釋數(shù)據(jù)，對(duì)文章的知識(shí)性內(nèi)容作批評(píng)性審閱，獲取研究經(jīng)費(fèi)，指導(dǎo)，支持性貢獻(xiàn)