AI醫學影像

陳麒宇 劉彩霞

摘要：人工智能在醫學影像領域的發展前景以及潛力是顯而易見的。一方面人工智能在發現病變方面是大有作為的;另一方面人工智能在醫療影像設備、影像診斷及其智能服務等諸多方面有著明顯的優勢。目前，越來越多的學術研究及演講都在積極討論人工智能在醫學影像中的應用與挑戰。本文章從不同角度展示了AI醫學影像發展前景、目標，并對出現的問題進行了分析。

關鍵詞：人工智能，醫學影像

引言

在21世紀全新的社會環境中，如何跟進技術變遷和行業發展大趨勢以及AI醫學影像的學術研究與產業進一步突圍，對于AI醫學影像新模式的探索，都是挑戰。在過去的幾年里，技術、標準化和可用性有了巨大的飛躍，使醫學影像成為人工智能最有吸引的應用領域之一[1]。

1.AI概念及AI醫學影像簡介

1.1AI概念

AI脫離了人類控制與干預的自主性，是其與傳統技術相比的根本區別所在，這一屬性也賦予了其代替人類獨立完成創造性工作的能力[2]。人工智能是包括十分廣泛的科學，它由不同的領域組成，如指紋識別，人臉識別，視網膜識別，語言和圖像理解等，在醫療應用方面，利用最先進的物聯網技術，實現患者與醫務人員、醫療機構、醫療設備之間的互動，逐步達到信息化。

1.2 AI醫學影像簡介

AI醫學影像是為了輔助診斷、醫療狀況或檢測某一部位而對人體進行觀察的不同類型的技術。在醫學圖像輔助診療領域，計算機對圖像的識別準確率可以達到?90%?乃至接近99%，所以人工智能醫療影像可以幫助解決當前醫院影像科醫生數量不足，漏診、誤診率高，讀片效率低、耗時長的問題。

2.AI醫學影像的影響

內在需求中，可以看到醫學影像學作為數字化醫療時代發展的代表學科，以高分辨薄層掃描、多模態成像為特點的影像設備和技術的飛躍發展，影像數據以每年30%的速度增長，占醫院數字化數據的90%[3]。

“AI+遠程醫學影像”對解決基層醫院的會診率低以及二三級醫院就診壓力大的現象有著重要影響，通過基層醫院與更高一層醫院遠程影像會診，配合大數據和人工智能閱片，給人們提供更大的便利。

3.AI醫學影像的應用

3.1輔助診斷疾病

在輔助診斷肺部、眼底、腦部、神經系統、心血管等疾病方面可以更有效解決部分問題。AI能有效識別易漏診結節，能對肺結核、氣胸、肺癌等疾病進行較為準確的篩查;如對肺癌篩查來說，醫師的閱片量太大，并且當肺小結節<3 mm時更加耗時費力，更容易漏診，該閱片模式加重了醫師的工作負擔[4]在醫療資源嚴重匱乏，誤診、漏診情況較多的情況下，可以大大改善如糖網病篩查效率;AI可以迅速定位腦出血部位，簡化確診步驟，協助醫生完成專業性要求高、耗費時間長的影響評估的判斷，讓患者第一時間獲得最優化治療方案;智能診斷主動脈疾病類型、主動脈瘤等復雜疾病。

3.2 AI醫學影像技術在影像診斷中的臨床運用體現

AI技術在臨床診斷中應用非常廣泛，其主要在為臨床試驗匹配研究員與病人，為制藥企業提供臨床數據等方面具有重要的臨床價值。

3.3智能輔助診斷方案的其他應用

臟器的三維成像、超聲輔助甲狀腺結節等。

4.AI醫學影像存在的難題

AI醫學影像在算法、算力、和數據三核心要素需要得到快速提升，數據的增長、運算力的提升和深度學習算法的優化必須得到改進。臨床驗證沒有規范性的方法，驗證方式沒得到統一;數據的使用權、使用倫理、安全性;人才缺失、數據庫的建立和商業化落地等是限制AI醫學影像發展的幾大限制因素。33.97%的人認為：本模式如果誤診，醫生“應負相同責任”[5]。

4.1分析數據的局限性

醫學影像數據實際上是報告加影像，單單分析影像本身還不夠，更重要的是對應的診斷報告加以分析，這是AI所難以做到的，由于影像診斷醫生的個人習慣、執業醫院的不同教育背景等因素導致了不同地區不同醫院的影響報告不同標準的情況。

4.2數據獲取與標注的困難

盡管AI在一定程度上能夠減輕醫生的工作量，還能提高醫生的診斷準確率，但對于醫療機構來說，這并不是剛需，具體的付費主體、應用場景等問題仍需多方探索[6]。醫院之間的數據共享和互通程度較低，獲得大規模的數據對業內公司是一個較大的考驗;數據標注將耗費較大的人力和時間，在醫療影像獲取具有高可靠性的數據標注成為較大的挑戰。

4.3學科人才的選拔

領域人才不僅要研究人工智能算法，更要對醫療影像識別建立深入了解，AI+醫學影像的復合型背景人才的培養與選拔成為問題。

5結論

總之，AI醫學影像這一模式有著廣闊的發展前景，在輔助診斷疾病、提高診斷水平，提升診斷效率方面尤其凸顯;但距全面落實各醫院、規范化應用診斷仍然還需很大的努力，相信AI醫學影像定會為人工智能醫療做出最重要貢獻。

參考文獻

[1]Sollini?Martina，Bartoli?Francesco，Marciano?Andrea，Zanca?Roberta，Slart?Riemer?H.?J.?A.，Erba?Paola?A..?Artificial?intelligence?and?hybrid?imaging：?the?best?match?for?personalized?medicine?in?oncology[J].?European?Journal?of?Hybrid?Imaging，2020，4（1）.

[2]Matthew?U.?Scherer.?Regulating?Artificial?Intelligence?Systems：Risks，?Challenges，Competencies，?and?Strateg?ie?Harv，?J.?L.&?Tech.?29，no.2?（2016）：363-369.

[3]金征宇. 前景與挑戰：當醫學影像遇見人工智能 [J]. 協和醫學雜志， 2018， 1： 2-4.

[4]Ciompi F， Chung K， van Riel SJ，et al.Towards automatic pulmonary nodule management in lung cancer screening with deep learning[J].Sci Rep，2017，7：46479.

[5]劉志鵬， 侯瑞剛， 李雯等. AI醫學影像學診斷新模式前景的調查研究[J]. 山東醫學高等專科學校學報， 2020， 第42卷（3）：224-226.

[6]許婧. AI醫學影像成中國人工智能醫療最成熟領域[J]. 現代養生（下半月）， 2019， （1）：10-11.

作者簡介：陳麒宇，男，漢族，山東省淄博市;劉彩霞，女，漢族，甘肅省張掖市，學士學位，山東協和學院助教，為本文指導老師。

（山東協和學院?山東?濟南?250109）