加強(qiáng)人工智能深入學(xué)習(xí)在醫(yī)學(xué)影像學(xué)臨床應(yīng)用領(lǐng)域的研究

李坤成

(首都醫(yī)科大學(xué)宣武醫(yī)院放射科，北京 100053)

三次工業(yè)革命極大地推動(dòng)了人類社會(huì)的文明進(jìn)程。第一次工業(yè)革命是1760—1840年，蒸汽機(jī)的發(fā)明，將人類社會(huì)帶入“蒸汽時(shí)代”，使生產(chǎn)力得到顯著提高；第二次工業(yè)革命是1840—1950年的電氣化進(jìn)程；而1950年之后開始的信息化是第三次工業(yè)革命，使全球信息和資源空前整合，世界進(jìn)入“地球村”時(shí)代。邁入21世紀(jì)，以人工智能(artificial intelligence， AI)、清潔能源、機(jī)器人技術(shù)、量子信息技術(shù)、虛擬現(xiàn)實(shí)及生物技術(shù)為主的第四次綠色工業(yè)革命已經(jīng)悄然到來(lái)。

AI在醫(yī)學(xué)領(lǐng)域的應(yīng)用是目前熱點(diǎn)，在醫(yī)學(xué)影像學(xué)研究中占據(jù)重要地位。經(jīng)歷改革開放40余年的快速發(fā)展，我國(guó)現(xiàn)已成為世界第二大經(jīng)濟(jì)體，有實(shí)力面對(duì)第四次工業(yè)革命的機(jī)遇，在AI領(lǐng)域創(chuàng)新發(fā)展，實(shí)現(xiàn)“彎道超車”。據(jù)不完全統(tǒng)計(jì)，目前我國(guó)已經(jīng)成立的醫(yī)學(xué)影像學(xué)AI公司20余家，與發(fā)達(dá)國(guó)家同步開始有關(guān)產(chǎn)品研發(fā)。

我國(guó)人口基數(shù)大，大型教學(xué)醫(yī)院集中在省會(huì)及大城市，在數(shù)十年無(wú)分級(jí)醫(yī)療情況下，患者集中于這些高水平醫(yī)院接受診治，使得各醫(yī)學(xué)影像中心積累了大量數(shù)據(jù)，為AI奠定了雄厚基礎(chǔ)。本質(zhì)上講，AI的主力軍是生物醫(yī)學(xué)工程師、計(jì)算機(jī)專家和統(tǒng)計(jì)學(xué)專家等，醫(yī)師只是配角，但AI產(chǎn)品的研發(fā)必須針對(duì)臨床和影像學(xué)醫(yī)師的痛點(diǎn)和難點(diǎn)問題，而且首先需要由醫(yī)院提供數(shù)據(jù)，產(chǎn)品也要在臨床使用過(guò)程中不斷改進(jìn)，因此影像科醫(yī)師必然深涉其中。

眾所周知，多家跨國(guó)公司均已開展此領(lǐng)域研究，也有產(chǎn)品推出，但由于地域人群和疾病譜的不同，國(guó)外產(chǎn)品可能不適用于國(guó)內(nèi)。本刊作為中科院主管的醫(yī)學(xué)影像類期刊，編委會(huì)匯集了醫(yī)學(xué)物理、生物醫(yī)學(xué)工程、計(jì)算機(jī)、統(tǒng)計(jì)學(xué)和信息學(xué)專家，多學(xué)科融合、基礎(chǔ)技術(shù)研究與臨床應(yīng)用相結(jié)合，整合多種醫(yī)學(xué)影像技術(shù)是其顯著特色，理應(yīng)成為發(fā)表醫(yī)學(xué)影像學(xué)AI領(lǐng)域研究成果的平臺(tái)。本期AI專論回顧AI技術(shù)在醫(yī)學(xué)圖像分析中的應(yīng)用研究進(jìn)展，從4種常見計(jì)算機(jī)視覺任務(wù)(圖像分類、目標(biāo)檢測(cè)、物體分割和圖像生成)出發(fā)，介紹相關(guān)AI關(guān)鍵技術(shù)。醫(yī)學(xué)影像學(xué)檢查是臨床診療證據(jù)的主要來(lái)源，也是現(xiàn)代化醫(yī)院的重要支撐學(xué)科。伴隨影像學(xué)技術(shù)的飛速發(fā)展，醫(yī)學(xué)影像學(xué)檢查和數(shù)據(jù)量急劇增長(zhǎng)，影像學(xué)診斷醫(yī)師嚴(yán)重不足，且不同級(jí)別醫(yī)院中，醫(yī)師專家水平存在差距。將以深度學(xué)習(xí)(deep learning, DL)為代表的AI應(yīng)用于醫(yī)學(xué)影像分析，有望切實(shí)提升醫(yī)師工作效率和工作質(zhì)量，具有廣闊發(fā)展前景。本組論文主要針對(duì)醫(yī)學(xué)影像學(xué)普遍關(guān)注的肺結(jié)節(jié)檢出，乳腺X線攝影鈣化灶檢出、乳腺腫塊檢出及分類等，也有針對(duì)腕部X線平片應(yīng)用DL算法評(píng)估骨齡的研究，結(jié)果均顯示基于DL的圖像分析系統(tǒng)具有顯著優(yōu)勢(shì)。

在CT檢出肺結(jié)節(jié)方面，DL軟件檢出肺結(jié)節(jié)的敏感度很高，尤其對(duì)于右肺中葉結(jié)節(jié)，而右肺下葉最低,但差異無(wú)統(tǒng)計(jì)學(xué)意義，且不同大小肺結(jié)節(jié)的檢出率差異無(wú)統(tǒng)計(jì)學(xué)意義，即檢出肺結(jié)節(jié)不受結(jié)節(jié)所在肺葉及其大小的影響，且采用肺窗、縱隔窗和骨窗3種重建算法所得圖像檢出肺結(jié)節(jié)的敏感度、誤檢結(jié)節(jié)類型差異均無(wú)統(tǒng)計(jì)學(xué)意義，均有助于醫(yī)師提高工作效率和質(zhì)量。

在乳腺X線攝片方面，DL系統(tǒng)對(duì)于鈣化灶的檢出率不受鈣化形態(tài)、分布、BI-RADS分類等因素的影響。低年資醫(yī)師在AI輔助下對(duì)不同ACR腺體構(gòu)成分類、BI-RADS分類、形狀的腫塊檢出差異均無(wú)統(tǒng)計(jì)學(xué)意義。AI系統(tǒng)對(duì)不同類型(鈣化、腫塊、非對(duì)稱及結(jié)構(gòu)扭曲)和BI-RADS分類病灶的敏感度差異亦無(wú)統(tǒng)計(jì)學(xué)意義。基于DL算法的乳腺X線影像檢出系統(tǒng)對(duì)于鈣化灶和腫塊的檢出率高，AI系統(tǒng)對(duì)BI-RADS 3類及其以上病灶具有較高敏感度，可有效降低影像科醫(yī)師漏診率。

在對(duì)兒童和青少年的骨齡判斷中，DL模型通過(guò)腕部X線平片能準(zhǔn)確、快速地評(píng)測(cè)兒童骨齡，取得接近甚至優(yōu)于單純醫(yī)師的骨齡評(píng)測(cè)結(jié)果。

總之，AI可用于醫(yī)學(xué)影像學(xué)設(shè)備制造，掃描方案設(shè)計(jì)，數(shù)據(jù)采集、重建、分析和診斷與鑒別診斷等各個(gè)環(huán)節(jié)，具有較強(qiáng)的發(fā)展?jié)摿Α?/p>