人工智能在胸部疾病診斷中的研究進展

崔鳳至，弓婷婷，劉建華，穆興國

吉林大學第二醫(yī)院 放射線科，吉林 長春 130041

引言

人工智能（Artifi cial Intelligence，AI）是當今計算機技術(shù)高速發(fā)展的重要產(chǎn)物，與多學科多領(lǐng)域溝通合作，對人類社會的發(fā)展及科學技術(shù)的進步產(chǎn)生深遠的影響，尤其是與醫(yī)學影像的有機結(jié)合，是最具發(fā)展前景的領(lǐng)域之一。John McCarthy 最早提出人工智能概念：開發(fā)具有人類思維方式的機器軟件，使計算機能夠像人類一樣思考問題[1]。人工智能通過對人類大腦的思考、學習和工作方式進行研究分析，并將獲得的研究結(jié)果作為智能軟件開發(fā)與應用的基礎(chǔ)。

現(xiàn)階段，影像科室面臨以下兩大主要問題：首先，隨著公眾對健康教育的深入認識，胸部X 線、CT 檢查已成為健康體檢的重要醫(yī)療設(shè)備，因此，每日大量的X 線及CT 檢查，不僅增加了醫(yī)生的閱片量，而且加大了醫(yī)生的工作負擔。其次，在疾病發(fā)展的早期，病灶小且病變累及范圍小，胸部CT 或平片上顯示不明顯，再加上人眼的分辨力是有限的，可出現(xiàn)疾病的漏診，人工智能在醫(yī)學影像的應用與發(fā)展，有效解決上述出現(xiàn)的兩大問題，輔助影像科醫(yī)生對疾病早期做出準確的診斷以及降低醫(yī)生的工作負擔。目前，人工智能已應用于臨床中肺結(jié)節(jié)、乳腺癌、間質(zhì)性肺疾病、結(jié)腸癌以及腦腫瘤等的篩查以及診斷，雖然有些技術(shù)還不夠成熟，需要完善，但人工智能的應用大大降低放射科醫(yī)生的漏診率及誤診率，提高醫(yī)生的工作效率[2-3]。

1 人工智能

人工智能作為計算機領(lǐng)域的一個分支，是使計算機去做一些需要人類智能才能完成的復雜工作，被認為是21 世紀高精尖技術(shù)之一[4]。

1.1 人工智能發(fā)展

現(xiàn)階段，人工智能已廣泛應用于臨床，隨著技術(shù)的發(fā)展以及大數(shù)據(jù)的可利用性，人工智能在醫(yī)學影像的應用與發(fā)展成為當今時代研究的熱點。1956 年John McCarthy 等首次提出人工智能概念[1]，科學家一直不斷對人工智能技術(shù)進行探索，在對急腹癥的輔助診斷方面有一定成果，1972 年，英國利茲大學研發(fā)的AAPHelp 系統(tǒng)是醫(yī)療界最早出現(xiàn)的人工智能系統(tǒng)[5]。同年，Leaper 等[6]利用人工智能系統(tǒng)對472 名急腹癥患者進行輔助診斷，進一步推動了人工智能對內(nèi)科復雜疾病以及感染性疾病的輔助檢查。2006 年，隨著深度學習的神經(jīng)網(wǎng)絡(luò)的開發(fā)應用，推動計算機輔助檢測和診斷（Computer-Aided Detection/Diagnosis，CAD）的發(fā)展[7]，人工智能進入發(fā)展的鼎盛時期。相比國外，國內(nèi)的人工智能技術(shù)不僅起步晚而且發(fā)展道路曲折，直至1981 年，人工智能學會的成立，人工智能技術(shù)的發(fā)展才開始步入正軌；到21 世紀，人工智能研究與發(fā)展進入蓬勃時期。隨著國家對人工智能技術(shù)的不斷重視，人工智能在各領(lǐng)域都有顯著的成績，尤其是與醫(yī)學影像的結(jié)合，成為最受關(guān)注重視的領(lǐng)域之一。近幾年，人工智能快速發(fā)展，可應用于多個部位的篩查及診斷，尤其是對胸部疾病的輔助篩查與診斷，可對病灶進行定性定量的分析，降低放射醫(yī)生日常的工作負擔，提高影像診斷的準確性，促進精準醫(yī)療的發(fā)展[8]。

1.2 機器學習與深度學習

1959 年，Arthur Samuel 提 出 機 器 學 習（Machine Learning，ML）的概念，即利用算法使機器在大量數(shù)據(jù)中學習，獲得對新數(shù)據(jù)分析和研究的方法，應用于臨床中，可發(fā)現(xiàn)新的基于影像的病灶[9]。在淺層學習的不斷發(fā)展以及大量數(shù)據(jù)的支持下，深度學習應運而出，并成為人工智能的核心部分。它是以神經(jīng)網(wǎng)絡(luò)為特征的機器學習算法，對收集的數(shù)據(jù)進行準確的分類或預測[10-11]。深度學習開發(fā)應用，開啟AI 技術(shù)在醫(yī)學影像發(fā)展的新紀元。

2 人工智能在胸部疾病診斷中的應用

胸部影像的人工智能研究相對比較成熟且應用廣泛，主要對肺結(jié)節(jié)、肺間質(zhì)性疾病、乳腺癌的研究[12]。

2.1 肺結(jié)節(jié)

近年來，受環(huán)境污染、吸煙、人口老齡化等因素的影響，肺癌發(fā)病率、死亡率已居于我國常見惡性腫瘤的首位[13-14]。肺結(jié)節(jié)是肺癌的早期征象，對于診斷早期肺癌有重要的意義，早發(fā)現(xiàn)、早診斷、早治療可提高患者的生存率，延長患者的生存時間。因此，肺癌防治的重中之重是早期篩查。

胸部X 線檢查是最常用的檢查手段，由于胸部肋骨對肺野的遮蓋，往往會影響醫(yī)生的閱片，增加對肺部結(jié)節(jié)影的漏診率，因此盡可能去除X 線影像上肋骨密度，從而提高放射科醫(yī)生對肺結(jié)節(jié)診斷的準確率。von Berg 等[15]采用基于人工神經(jīng)網(wǎng)絡(luò)的雙能剪影技術(shù)來降低X 線片中的骨性密度影，降低被骨性結(jié)構(gòu)遮蓋的肺結(jié)節(jié)，因此提高了放射科醫(yī)生對肺結(jié)節(jié)診斷的敏感性以及特異性。

CT 檢查所得到的是斷層影像，其密度分辨力較X 線高。在CT 上肺結(jié)節(jié)定義為表現(xiàn)為類圓形，直徑不超過3 cm 的高密度影[16]。雖然CT 檢查可清晰的觀察肺部的結(jié)節(jié)影，但有些肺結(jié)節(jié)易與肺內(nèi)血管的斷面相混淆，人工智能可輔助醫(yī)生對肺結(jié)節(jié)檢出，其主要核心技術(shù)是深度學習，有文獻報道，深度學習可有效解決肺結(jié)節(jié)診斷的一些疑難問題，比如降低結(jié)節(jié)檢出的假陽性，da Silva 等[17]采用PSO（Particle Swarm Optimization）技術(shù)來優(yōu)化CAD 技術(shù)，其測試結(jié)果表明，PSO 技術(shù)對降低肺結(jié)節(jié)檢測的假陽性是有效的，從而提高CAD 系統(tǒng)對肺結(jié)節(jié)診斷的準確率。

有研究表明，肺結(jié)節(jié)AI 檢測軟件對3～6 mm 肺結(jié)節(jié)最敏感，其次是6 mm 以上的結(jié)節(jié)，而3～6 mm 的結(jié)節(jié)是放射科醫(yī)生最易漏診的[18]。肺結(jié)節(jié)AI 軟件還可將檢測出的肺結(jié)節(jié)進行定位、測量、分級（低危、高危）等。有文獻報道，肺結(jié)節(jié)AI 檢測軟件的篩查能力要等同于有資歷的影像科醫(yī)生的診斷[19]。現(xiàn)階段，有多家人工智能技術(shù)公司開發(fā)研制了肺結(jié)節(jié)檢測軟件，投入臨床使用后，取得不錯的反響。AI 檢測軟件對肺結(jié)節(jié)篩查診斷敏感性高，可輔助放射科醫(yī)生對肺結(jié)節(jié)的診斷，降低漏診率。

2.2 間質(zhì)性肺疾病

間質(zhì)性肺疾病是以彌漫性肺實質(zhì)及間質(zhì)纖維化為特點的一組疾病的總稱，在胸部CT 上多表現(xiàn)為肺部的網(wǎng)格狀及蜂窩狀改變，不同肺間質(zhì)疾病在胸部CT 中表現(xiàn)相似，很難將其區(qū)分。曾有文獻報道，利用CAD 通過紋理分析對胸片中的間質(zhì)性炎癥進行檢測，首先需要提取肺部有價值的信息，然后利用神經(jīng)網(wǎng)絡(luò)對肺部病變進行匯總分類[20]。Gao 等[21]提出新的CT 圖像特征分類方法，即以整體圖像作為輸入的方法，替代以前的圖像拼接算法，從而解決了臨床對肺間質(zhì)性疾病準確分類的難題，為臨床醫(yī)生治療肺間質(zhì)性疾病提供重要的臨床信息。AI 檢測軟件的應用，可提高低年資醫(yī)生對間質(zhì)性肺疾病診斷的準確性。關(guān)于間質(zhì)性肺疾病AI 檢測的文獻較少，在此僅做一些簡要的介紹。

2.3 乳腺癌篩查

乳腺癌是發(fā)生在女性常見的腫瘤，盡管臨床上對治療乳腺癌已取得很大的進步，但乳腺癌的病死率逐年增加，且發(fā)病率具有年輕化趨勢[22]。隨著公眾對健康意識的提升，乳腺定期篩查，對具有高危因素的女性來說至關(guān)重要。

CAD 檢測軟件可應用于CT、乳腺鉬靶、MRI 等不同檢查中，現(xiàn)階段，乳腺癌篩查最常用的是X 線鉬靶檢查。乳腺癌在鉬靶X 線片上主要的特征表現(xiàn)是微鈣化，因此乳腺癌AI 檢測軟件主要是對微鈣化的檢測，由于我國女性乳房大多為致密性乳腺為主，鈣化的檢出率相對較低[23-24]。MRI 對軟組織分辨力要高于X 線，因此，MRI 是診斷致密性乳腺內(nèi)腫塊的重要檢查手段。Li 等[25]采用學習遷移技術(shù)的輔助診斷系統(tǒng)，利用小數(shù)據(jù)分析研究得出：該方法乳腺癌的診斷有高靈敏度及高特異性，且對乳腺腫塊進行分類。Renz 等[26]利用CAD 對108 名乳腺癌患者的MRI 圖像進行檢測，其對病變的檢出率高，漏診率低。CAD 對乳腺癌的定性具有重要的臨床意義，可輔助放射科醫(yī)生對乳腺癌的診斷。

3 總結(jié)與討論

近年來，影像技術(shù)飛速發(fā)展，CT、MRI 等影像技術(shù)手段已成為腫瘤篩查、診斷的重要手段，高分辨率薄層掃描及多模態(tài)成像使影像數(shù)據(jù)日益增長，同時，影像科醫(yī)生的短缺，不能滿足當前增長的工作量，人工智能的出現(xiàn)大大減輕放射科醫(yī)生的工作負擔，降低因醫(yī)生疲勞工作造成的人為錯誤率，提高影像診斷的準確率[27]。

現(xiàn)階段，人工智能尚不能根據(jù)患者的影像資料生成一份完整的檢查報告，而是僅針對某個部位的某種病灶進行檢測，例如肺結(jié)節(jié)檢測AI 軟件僅針對肺部的結(jié)節(jié)進行篩查，而胸部CT 影像中不僅只有肺結(jié)節(jié)，還有胸部肋骨和胸椎以及縱膈腫瘤等疾病，這些部位的疾病AI 軟件是檢測不到的。在未來發(fā)展中，AI 技術(shù)在對病灶的測量和記憶等方面是會超于人類，這一點是不可否認的，但對于醫(yī)患關(guān)系溝通交流方面，AI 技術(shù)是永遠無法替代醫(yī)生[28-29]。