用于疑似新冠肺炎患者篩查的AI醫學影像輔助診斷系統與PACS系統對接的設計與實現

杜金蓉 李婷婷 韓俗

摘要：為了快速篩查新冠肺炎疑似病例，通過將AI醫學影像輔助診斷系統與PACS系統無縫連接，利用標準化的接口服務，形成不影響醫生操作的工作流程，系統后臺自動判定肺炎，高效應對新冠病毒肺炎疫情。PACS系統通過人工智能快速篩查新型冠狀病毒疑似患者，減輕工作人員負擔，提高臨床工作效率。本文主要對該系統流程設計與實現進行了總結。

關鍵詞：新型冠狀病毒;人工智能;輔助診斷

中圖分類號：R-05;TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?DOI：10.3969/j.issn.1006-1959.2020.15.005

文章編號：1006-1959（2020）15-0010-03

Abstract：In order to quickly screen for suspected cases of novel coronary pneumonia， the AI medical imaging assisted diagnosis system is seamlessly connected with the PACS system， and standardized interface services are used to form a workflow that does not affect the doctor's operation. The system backstage automatically determines pneumonia and effectively responds to new coronavirus pneumonia. epidemic. The PACS system uses artificial intelligence to quickly screen suspected patients with the novel coronavirus， reducing the burden on staff and improving clinical work efficiency. This article mainly summarizes the design and implementation of the system process.

Key words：Novel coronavirus;Artificial intelligence;Assisted diagnosis

2019年12月，新冠疫情迅速傳播，做到早發現、早報告、早隔離、早治療，快速篩查疑似新冠患者，對于防控疫情有著重要作用[1]。在診斷過程中，首先需要判斷是否為新冠肺炎疑似病例。根據國家衛健委發布的《新型冠狀病毒感染的肺炎診療方案》（試行第七版），新型冠狀病毒肺炎疑似病例需要綜合流行病學史和臨床表現綜合分析[2]，新冠肺炎影像學特點對于確認疑似病例起著關鍵的作用。若診斷為疑似病例，則進一步判斷是否確定感染新型冠狀病毒。根據前述診療方案，CT檢查成為最快最便捷的篩查疑似病例的手段。目前人工智能（artificial intelligence，AI）輔助診斷主要為針對肺部結節的研究[3，4]，很少有針對肺部炎癥的。鑒于新冠肺炎的高傳染性，AI與醫學影像管理系統（picture archiving and communication system，PACS）對接，實現人工智能讀取胸部CT影像[5]，并且出具初步報告，若AI診斷結果為陽性則實現實時警示功能，以便相關科室做好防護工作。

1系統流程設計與實現

1.1系統流程設計? 根據業務流程，PACS系統須進行以下功能實現：在CT技師拍攝完成CT影片后，PACS系統自動將放射影像DICOM[6]數據傳遞給AI醫學影像輔助診斷系統，系統快速分析形成初步結果后將結果傳遞給PACS系統;如果診斷為肺炎， PACS系統則推送消息到對應CT技師的工作站， 提示技師對應病人疑似新冠肺炎警告和病人相關信息， 醫院可以進行相應操作（如隔離、活動軌跡嚴格消毒等），其流程見圖1。實際工作中，影像科醫生對1位患者的CT的數百張切片需逐層分析，每診斷1個病例，影像醫生需要投入大約為5～? ? ? 15 min時間[7]。而針對新冠肺炎確診患者，影像科醫生還需要反復查看患者歷史影像，閱片時間至少再翻1倍。PACS系統利用AI輔助診斷篩查新型冠狀病毒疑似患者，從醫生實際工作需求設計功能，迅速篩查疑似病例，極大提高醫生工作效率，同時有效降低漏診誤診率。

1.2系統功能詳細分析? PACS系統能夠通過AI輔助診斷分析放射影像圖片，快速得出初步診斷結果供醫生參考，如有高風險則及時通知技師并報告醫生，做好相關處理[8]。PACS篩查疑似新冠病毒病人技術實現流程見圖2。主要實現功能詳細分析：①PACS系統傳遞患者基本信息給AI醫學影像輔助診斷系統（后文簡稱AI系統），若患者信息修改，則AI系統患者信息同步修改[9]。（AI智能分析工作范圍：胸部CT相關檢查項目的影像）;②PACS傳遞DICOM影像給AI系統;③AI系統得出初步診斷結果;④AI系統將結果報告傳遞給PACS系統;⑤如果有高風險疑似病人，PACS系統通過推送消息給技師客戶端進行預警。報告醫生編輯報告時，也能看到高風險提示信息。

1.3系統功能實現? PACS系統與AI系統集成事務遵照IHE 的放射集成業務流程執行，采用HL7標準進行消息通訊[10]。①患者檢查完畢后，設備迅速將影像圖片發送給PACS系統服務器;②PACS服務生成一條到圖通知，判定該到圖通知是否滿足上傳AI系統服務條件（條件為：胸部CT等項目），如果滿足條件，則發消息（消息包含：消息類型標識、病人ID、檢查號、檢查UID和序列UID）將患者基本信息和DICOM影像發送到醫院前置影像服務[11];③前置影像服務器服務收到消息后將患者基本信息發送給AI診斷服務器;④當AI診斷服務器收到患者基本信息，并且確認是胸部CT相關的檢查后，則主動到醫院前置影像服務器拉取此患者DICOM影像。AI診斷服務器收到患者信息和DICOM影像后，自動通過大數據快速分析出該份病例的初步報告結果以及陰陽性[12]，若為陽性，則指出DICOM影像的病灶區域以及結果分析，出具圖文報告;⑤AI診斷服務器再將分析的結果消息（消息包含：消息類型標識、病人ID、檢查號、檢查UID和序列UID， 肺炎提示語）傳遞到RIS[13]服務器，RIS服務器接收到結果后，將內容存儲到數據庫中;⑥接收的報告若有肺炎提示語，則馬上調用消息服務通知，通知檢查技師工作站（PACS系統根據AI系統反饋消息中檢查/序列UID找到對應拍攝CT技師工作站，將消息提示到對應CT技師工作站），提示此可能為疑似病例，請注意并做好隔離和防護準備，技師客戶端實現效果見圖3;⑦在報告客戶端和技師客戶端增加調用AI智能分析報告的按鈕，通過實現以上功能，AI系統能夠有效的篩查出問題圖片和位置，幫助影像科醫生迅速完成新冠肺炎征象甄別、疑似征象預警，提升發熱門診患者、疑似患者CT影像判讀的準確率、降低漏診率，輔助醫生迅速判讀[14]，有效減少患者在院等待時間，降低交叉感染風險。如果為疑似病人，給技師客戶端發送警示信息，協助其緊急處理。

1.4系統功能發散和拓展? PACS系統+AI智能診斷快速篩查新冠肺炎疑似患者的功能，可繼續發散強化，使系統更加完整，進一步提高醫生工作效率[15]。主要有以下幾點：①AI智能分析也可篩查肺結節患者，如果為肺結節患者，也可做出消息提示;②AI診斷報告傳遞給PACS系統，形成初級報告，再由報告醫生修改及審核;③在發現新冠患者疑似病例時，可增加提示方式，比如微信消息提示、危急值警報等[16]（技師和牽涉相關醫務人員），做好防護準備。

2總結

在新冠肺炎疫情期間，由于感染患者多、傳染性強，CT檢查成為最普遍篩查疑似病例的方法，影像醫生工作量也隨之增加。通過AI與PACS系統無縫對接，基本實現了新冠疑似患者病例的自動診斷。AI通過大量分析學習醫學影像，找出肺炎規律，提取影像圖片病灶區域，快速協助醫生定位分析，可減少漏診誤診率、提高工作效率，增加患者滿意度，提高就醫體驗舒適度。

參考文獻：

[1]中共中央政治局常務委員會召開會議 研究新型冠狀病毒感染的肺炎疫情防控工作 中共中央總書記習近平主持會議[J].時代主人，2020（1）：5-6.

[2]國家衛生健康委員會辦公廳.國家中醫藥管理局辦公室.關于印發新型冠狀病毒肺炎診療方案（試行第七版）的通知[Z]2020-03-03. http：//www.gov.cn/zhengce/zhengceku/2020-03/04/content_5486705.htm.

[3]張殿禮.從“互聯網+”到“AI+”，人工智能潮起[J].城市開發，2019（2）：32-33.

[4]王芳敏.AI“啄醫生”對肺結節良惡性鑒別的價值研究[D].西南醫科大學，2019.

[5]于觀貞，劉西洋，張彥春，等.人工智能在臨床醫學中的應用與思考[J].第二軍醫大學學報，2018，39（4）：358-365.

[6]丁磊.基于DICOM標準的醫學文件研究與處理[D].電子科技大學，2019.

[7]陳海峰.新冠肺炎影像輔助診斷系統成功研發可3秒完成輔助診斷[EB/OL].http：//www.chinanews.com/jk/2020/03-02/9111139.shtml，2020-03-02.

[8]李志勇，李鵬偉，高小燕，等.人工智能醫學技術發展的聚焦領域與趨勢分析[J].中國醫學裝備，2018，15（7）：136-145.

[9]金廣予，所世騰，馮建興，等.肺結節的智能影像篩查新模式[J].中國醫療器械雜志，2019，43（3）：226-229.

[10]顧培華，趙一凡.基于健康等級7的放射學信息系統與影像歸檔及傳輸系統集成方法[J].中國醫學裝備，2016，13（4）：50-54.

[11]高忠軍，孟群，李岳峰，等.醫學數字影像通信（DICOM）標準符合性測試方法與方案[J].中國衛生信息管理雜志，2017，14（6）：776-780.

[12]韓冬，李其花，蔡巍，等.人工智能在醫學影像中的研究與應用[J].大數據，2019，5（1）：39-67.

[13]王磊，鄭云硉，王培軍.PACS與人工智能診斷系統的接口研究與實現[J].中國數字醫學，2020，15（1）：22-24.

[14]趙一鳴，左秀然.PACS與人工智能輔助診斷的集成應用[J].中國數字醫學，2018，13（4）：20-22.

[15]蔣軍.現代軟件工程在醫療軟件開發中的應用[J].電子技術與軟件工程，2019（13）：35.

[16]李貴平，金晨霞，任維東，等.淺析“危急值”報告制度對保證體檢質量及規避醫療風險的作用[J].甘肅醫藥，2016，35（11）：855-856.

收稿日期：2020-04-29;修回日期：2020-05-10

編輯/肖婷婷