人工智能技術在塵肺病診斷中的應用研究進展

牟春華

【摘 要】現(xiàn)如今，我國的科學技術發(fā)展十分迅速，塵肺病診斷主要依據(jù)醫(yī)學影像學的判斷，目前人工智能（AI）已經運用到塵肺病醫(yī)學影像學的輔助診斷上。臨床上貳期和叁期塵肺病診斷并不困難，困難之處在于無塵肺病和壹期塵肺病的診斷，其診斷結論往往差異很大，特別是診斷經驗不足的醫(yī)師很容易出現(xiàn)漏診、誤診的情況。AI技術在塵肺病影像診斷中的應用就是著重解決無塵肺病和壹期塵肺分類診斷的問題。本文綜述了近年來AI技術在塵肺病診斷中的應用研究，重點闡述支持向量機（SVM）和人工神經網絡（ANN）這兩種AI技術在塵肺病分類診斷中的應用，并分析其優(yōu)缺點;展望卷積神經網絡（CNN）技術和其他AI深度學習算法在未來應用到塵肺病圖像分類的可能，分析其存在的困難及今后突破的

方向。

【關鍵詞】塵肺;人工智能;支持向量機;人工神經網絡

【中圖分類號】R587.1【文獻識別碼】B ? ?【文章編號】1002-8714（2020）07-0026-01

引 言

塵肺病是我國最主要的職業(yè)病之一，其發(fā)病機制復雜，主要過程如下：當塵粒進入上呼吸道及肺泡后，約有2%～3%最終沉積于肺泡壁，繼而被人體組織內的巨噬細胞吞噬、消化，而后被排出體外或轉運至淋巴系統(tǒng)。當人體吸入大量游離二氧化硅（SiO2）塵粒時，后者在肺泡壁內大量積聚，由于超出機體對其清除的能力，常引起以白細胞和巨噬細胞浸潤為主的巨噬細胞肺泡炎。當吸入的粉塵量超出含塵巨噬細胞（塵細胞）的轉運和分解能力時，塵細胞和粉塵顆粒將會積聚于肺實質及間質內。此過程中，伴隨著粉塵引起的免疫應答，病變局部發(fā)生膠原組織增生，肺泡結構及功能受損，最終導致肺組織纖維化。

1 計算機輔助診斷（computeraideddiagnosisCAD）技術的進展

計算機輔助診斷技術是一個相對年輕的跨學科技術。計算機技術和醫(yī)學影像設備的快速發(fā)展，使人工智能，數(shù)字圖像與影像學的圖像處理可以有效的結合，以發(fā)現(xiàn)機體損傷，評估疾病的嚴重程度。利用計算機對醫(yī)學圖像的分析結果作為參考，放射科專家可以在疾病篩查，圖像檢測，癌風險評估等方面得出更為準確的診斷結論。以乳腺為例，CAD可檢測微小鈣化的分辨率為0.05-0.1mm，結節(jié)陰影為0.1-0.4mm，對比度深度可達10-12bit。1998年，用于乳腺癌篩查的CAD軟件已經獲得FDA認證，并應用于臨床。國內也有學者進行了基于X線的乳腺腫塊自動檢測技術的研究，并且在其他方面如肺內小結節(jié)的自動篩查，肺結核的檢測與診斷等計算機輔助技術也進行了大量的基礎研究，取得了許多技術突破。一般來說，CAD是指計算機輔助診斷（computeraideddiagnosis）和計算機輔助檢測（computeraideddetection），還包括計算機化的癌癥風險評估和計算機化的腫瘤治療評估。CAD技術的核心在于利用各種技術手段實現(xiàn)機器學習，繼而給出一個合理的診斷結果。傳統(tǒng)的機器學習模型一個重要特點是依靠人工經驗預先提取出樣本數(shù)據(jù)的特征，然后做出分類或預測。典型的CAD模型包括4個主要模塊：圖像預處理，定義感興趣區(qū)ROI，特征的提取和選擇以及對所選取的ROI進行

分類。

2 人工智能技術在塵肺病診斷中的應用研究進展

2.1AI在塵肺病診斷中的應用

培養(yǎng)一位合格的影像醫(yī)師至少需要5～8年的時間，需要大量的臨床實踐才能勝任工作。AI解放了人類的大腦，具有豐富的知識存儲能力、自我學習能力及多維思考能力，對于高強度、重復性、機械性的影像學診斷活動不會疲憊，不會視覺疲勞。影像醫(yī)生可以把節(jié)約出來的時間從事創(chuàng)新性的思考及課題研究。塵肺病作為一種肺部彌漫性纖維化的疾病，高千伏X線胸片和數(shù)字化X線胸片是塵肺病篩查和診斷的有效手段;CT片還沒有診斷標準，但在輔助診斷中發(fā)揮重要作用。CT在塵肺病診斷中的主要作用是在發(fā)現(xiàn)肺大泡、肺氣腫、胸膜改變，且在與縱隔或橫膈重疊的大陰影的診斷上，比X線胸片有很大優(yōu)勢，在與其他疾病的鑒別診斷上也起著重要作用。目前基于AI的醫(yī)學影像學主要應用在CT的肺結節(jié)識別上，對于塵肺病診斷來說，胸片的AI診斷還需要做大量的研究工作。基于計算機輔助檢測系統(tǒng)（computer-aideddetection，CAD）的塵肺病胸片計算和分析方法，大致分為兩類：一類是在胸片上檢測出圓形或不規(guī)則小陰影，然后對比國際勞工組織塵肺病標準片，將胸片分為正常或塵肺胸片;另一類是對胸片肺紋理進行分析以診斷塵肺，對塵肺病胸片肺紋理特征的研究是這幾年研究的熱門課題，主要通過灰階直方圖、灰階共生矩陣、功率譜和胸片頻率來計算紋理特征，不同的方法和數(shù)據(jù)設置表現(xiàn)出不同的特質。

2.2對塵肺病的病情進行分級診斷

“塵肺病治療中國專家共識”中提出，進行塵肺病診療時應先評估病情后進行分級治療。現(xiàn)行的職業(yè)性塵肺病診斷病名包括塵肺種類和分期，尚不能全面反映病情程度，需要進行完善。建議將影響病情及預后的因素如粉塵性質、期別、臨床癥狀、肺功能損傷程度、并發(fā)癥及合并癥、危險因素（如吸煙、營養(yǎng)不良等）也納入塵肺病臨床診斷分級，用于分級診療、康復指導和預后評估，即癥狀嚴重程度可參照慢阻肺評估試驗（CAT）評分表、呼吸困難程度可選用呼吸困難評分表（mMRC）、肺功能損傷程度可根據(jù)肺功能測定和血氣分析檢查結果判定、并發(fā)癥及合并癥可根據(jù)各個獨立疾病病情分級（或分度）進行評估、危險因素可按照因素多少和對病情影響程度進行評估。

2.3ANN技術分類診斷塵肺病

ANN是以數(shù)學模型模仿大腦神經網絡結構和學習能力而建立的一種機器學習過程。ANN把大量的處理單元互相連接形成復雜網絡結構，通過對已知信息的反復學習訓練，逐步調整改變處理單位連接權重，達到信息處理、模擬人腦組織輸入輸出的功能。

結 語

塵肺病是一種預防可控的疾病，若能早期發(fā)現(xiàn)、早期診斷并實施有效干預，就可在很大程度上減少末期塵肺病的發(fā)病率，提高塵肺患者的生活質量。塵肺病的影像學診斷標準依據(jù)X線胸片制定，包括高千伏X線胸片和數(shù)字化X線胸片。

參考文獻

[1] 蕭毅，劉士遠.人工智能將改變影像醫(yī)學的未來[J].科技與金融，2018（10）：11-15.

[2] 李德鴻.不要把塵肺病防治引入歧途[J].環(huán)境與職業(yè)醫(yī)學，2018，35（4）：283-285.