肺結節(jié)的智能影像篩查新模式

金廣予，所世騰，馮建興，范曉晨，韋景琪，許建榮，虞濤

1 上海交通大學醫(yī)學院附屬仁濟醫(yī)院，上海市，200127

2 上海皓樺科技股份有限公司，上海市，200041

0 引言

人工智能（Artificial Intelligence，AI），它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。自1956年正式問世以來的五十多年已經(jīng)取得了長足的進展，由于其應用的極其廣泛性及存在的巨大研究開發(fā)潛力，吸引了越來越多的科技工作者投入人工智能的研究中去。而深度學習，作為人工智能的一種具體實踐，是一種使用多層復雜結構或由多重非線性變換構成的多個處理層進行數(shù)據(jù)處理的方法，其直接嘗試解決抽象認知的難題，并取得了突破性的進展。深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，特別是在圖像處理、語音識別、機器翻譯、自然語言處理、網(wǎng)絡安全等部分領域，已經(jīng)達到甚至超過人類的表現(xiàn)水平，具有極強的應用價值[1]。

1 人工智能在醫(yī)學上的應用

醫(yī)療與人民生活水平、生命健康息息相關。而伴隨各種先進醫(yī)療設備的使用，產(chǎn)生了海量的醫(yī)療數(shù)據(jù)。通過醫(yī)療數(shù)據(jù)進行疾病準確診斷或評估需要依靠醫(yī)生逐個逐次對醫(yī)療數(shù)據(jù)進行解譯，一方面這會造成醫(yī)生巨大而繁復的工作壓力，另一方面，人類對這些醫(yī)療數(shù)據(jù)的解譯難以避免地因為主觀性、不同醫(yī)生的較大差異及疲勞而導致解譯的片面性。而計算機化的工具，尤其是圖像分析、文本分析等工具，則可以改善上述問題，輔助和支持專家工作流程。目前已有報道，深度學習在肺結節(jié)[2]、肝臟腫瘤[3]、視網(wǎng)膜黃斑[4]等疾病的篩查、定位、分析等方面，取得了重要進展。

在所有癌癥中肺癌的致死率最高[5]。早期篩查是降低死亡率的重要手段。然而由于早期肺癌病人一般缺乏明顯臨床癥狀，也無特異的生物標記物，因此目前篩查的主要方法是通過放射影像檢查肺部是否存在可疑病灶。胸部放射影像技術中最常用的包括X射線或者CT檢查。相對于X射線的扁平二維圖像，CT可以提供胸腔的三維信息，因此其篩查的準確率遠高于X射線。低劑量CT掃描因為其掃描速度快、費用低、輻射劑量小，非常適合年度體檢。推廣這種篩查工作的一個主要障礙是CT影像診斷的巨大工作量。早期肺癌多表現(xiàn)為肺結節(jié)，它們尺寸小、對比度低、形狀異質(zhì)化高，篩查工作是由影像科醫(yī)師人工讀片完成。但是每位被檢者的胸部CT圖像少則幾十張，多則幾百張，所以隨著體檢人數(shù)的快速增長，人工處理的方法越來越難以勝任此項任務。

在過去的十多年里，多種針對肺結節(jié)CT影像篩查的計算機輔助診斷（Computer Aided Diagnosis，CAD）系統(tǒng)被開發(fā)出來。然而這些CAD系統(tǒng)往往檢出率低、假陽性高，并不能滿足日常的體檢診斷需求。近兩年來人工智能突飛猛進，在基于醫(yī)療影像數(shù)據(jù)的篩查，良惡性診斷方面的研究也取得了突破性的進展。雖然已經(jīng)有不少醫(yī)療影像設備方面的管理和質(zhì)量控制的探討[6-7]，但是如何將這樣的AI系統(tǒng)引入到日常的體檢和診斷流程中面臨諸多新的管理問題。本文以肺小結節(jié)的智能篩查為例，探討如何利用和管理醫(yī)療人工智能系統(tǒng)，進而提高醫(yī)生的診斷效率和診斷質(zhì)量。本文從數(shù)據(jù)安全、風險控制等多個方面進行論述，并且給出我們初步的解決方案。

2 肺結節(jié)智能影像篩查系統(tǒng)的管理問題

2.1 智能影像篩查系統(tǒng)簡介

智能影像篩查系統(tǒng)是一套輔助醫(yī)生查看影像的工具，其采用人工智能技術自動識別影像中的病灶，在人工智能識別的基礎上，結合醫(yī)生的工作方式及流程，為醫(yī)生提供一套新型的影像篩查工具，智能影像篩查系統(tǒng)界面，如圖1所示。

圖1 智能影像篩查系統(tǒng)界面Fig.1 Software interface of the intelligent image screening system

2.1.1 病灶的自動識別

智能影像篩查系統(tǒng)基于人工智能相關技術，能夠自動識別影像中的病灶，并計算病灶的屬性，如大小、性質(zhì)、體積。醫(yī)生在影像查看工具里面可直接定位跳轉(zhuǎn)到病灶所處的圖像層面，并在圖像上看到病灶所在位置的圓圈標記。醫(yī)生只需確認智能影像系統(tǒng)篩查出的相關病灶，可大大提高工作效率。

2.1.2 報告的自動生成

智能影像系統(tǒng)根據(jù)發(fā)現(xiàn)的病灶的位置及其屬性，自動匹配報告模板庫，在報告模板上動態(tài)填充相關描述，從而自動生成報告的大部分內(nèi)容。醫(yī)生在自動生成的報告內(nèi)容上進行局部修改以滿足特殊的情況。

2.1.3 影像歷史對比

智能篩查系統(tǒng)可以在一個頁面上同時展示一個患者最近一次及其上次檢查的影像，并計算兩次檢查的病灶的對應位置，當查看某次檢查的病灶時，另一次如果有對應的病灶，會自動跳轉(zhuǎn)到相應的位置。另外，系統(tǒng)會計算兩次檢查相同病灶的變化情況，比如直徑的增長情況和倍增時間。

2.2 數(shù)據(jù)安全管理

智能影像系統(tǒng)的安全管理主要體現(xiàn)在數(shù)據(jù)隱私、數(shù)據(jù)穩(wěn)定和數(shù)據(jù)防護上。

2.2.1 數(shù)據(jù)隱私

智能影像篩查系統(tǒng)設有RSA公私鑰加密的賬號登錄方式，所有的操作只能在登錄身份認證通過后，才能進行。

2.2.2 數(shù)據(jù)穩(wěn)定

智能影像篩查系統(tǒng)的數(shù)據(jù)庫使用主從庫的方式，在主庫出現(xiàn)故障時，會自動切換到從庫，從而保證數(shù)據(jù)訪問的可用性，另外數(shù)據(jù)每天會進行全量備份，保留最近10周每周一個備份和最近兩周每天一個備份，當數(shù)據(jù)操作發(fā)生失誤和系統(tǒng)故障導致數(shù)據(jù)丟失時，可以從備份文件恢復數(shù)據(jù)。

2.2.3 數(shù)據(jù)防護

各個用戶在系統(tǒng)上操作都會產(chǎn)生用戶操作日志，當系統(tǒng)數(shù)據(jù)出現(xiàn)問題時，如被刪除或者數(shù)據(jù)錯誤，可以從操作日志上進行追蹤，藉此幫助發(fā)現(xiàn)錯誤原因，也能追查惡意的數(shù)據(jù)破壞行為。

2.3 系統(tǒng)集成管理

智能影像篩查系統(tǒng)作為影像信息系統(tǒng)的一個組成部分，需要和其他相關系統(tǒng)進行無縫集成，才能保證醫(yī)生使用的便捷性。

2.3.1 PACS（Picture Archiving and Communication System）系統(tǒng)集成

PACS系統(tǒng)是影像管理的一個核心系統(tǒng)，智能篩查系統(tǒng)需要從PACS系統(tǒng)中獲取影像才能進行人工智能病灶識別。從PACS系統(tǒng)中獲取影像分為影像主動推送和影像拉取兩種方式，兩種方式作為互補同時使用。實時檢查的影像通過主動推送的方式推送給篩查系統(tǒng)，歷史對比影像和遺漏影像通過拉取方式進行影像獲取。篩查系統(tǒng)影像對接采用標準的DICOM（Digital Imaging and Communications in Medicine）協(xié)議，可擴展對接到其他DICOM協(xié)議支持的設備和系統(tǒng)，如CT機。

2.3.2 RIS（Radiology Information System）數(shù)據(jù)集成

RIS數(shù)據(jù)是對影像檢查患者信息及檢查信息的綜合記錄，通過RIS提供的數(shù)據(jù)視圖，可對篩查系統(tǒng)中的影像進行類型劃分、遺漏檢查及不需要數(shù)據(jù)的刪除等操作。

2.3.3 RIS頁面集成

在RIS書寫報告頁面上，點擊『機器讀片』按鈕可以直接打開對應檢查的智能影像系統(tǒng)篩查結果。醫(yī)生不需要再進行額外的搜索。智能影像篩查系統(tǒng)的前端影像查看工具頁面通過HTML頁面技術可快速集成到其他的系統(tǒng)頁面。

2.4 技術參數(shù)管理

AI系統(tǒng)往往需要在特定的有金標準的數(shù)據(jù)集（訓練數(shù)據(jù)）上進行訓練，然后將訓練的模型運用于其它沒有標記的數(shù)據(jù)（測試數(shù)據(jù)）。如果測試數(shù)據(jù)的分布和訓練數(shù)據(jù)的分布不一致，會導致訓練的模型效果變差。因此，AI系統(tǒng)對輸入數(shù)據(jù)質(zhì)量要求較高，要明確AI系統(tǒng)所需要數(shù)據(jù)的關鍵參數(shù)的范圍，據(jù)此優(yōu)化成像參數(shù)，做好圖像質(zhì)量控制，形成規(guī)范。對儀器的日常維護也非常重要，避免由于使用時間長，產(chǎn)生圖像質(zhì)量變差的問題。對于胸部CT的數(shù)據(jù)來說，最相關的參數(shù)是CT重建的層厚，CT層厚越小更有利于AI系統(tǒng)識別出結節(jié)。在條件允許的情況下，盡可能地提高掃描精度，推薦層厚在1.25 mm。

2.5 風險管理

AI系統(tǒng)不可避免地在某些未知的情況下會出現(xiàn)錯報和漏報的情況。為了很好地控制漏診誤診的風險，我們首先對肺結節(jié)智能影像篩查系統(tǒng)進行準確性評估。評估方法如下，隨機選取5天醫(yī)院日常的肺小結節(jié)患者834位的CT影像數(shù)據(jù)，其中男性、女性和未知性別分別為474、307和53?；颊吣挲g分布如表1，層厚分布如表2所示。這些數(shù)據(jù)的機器型號分布情況為：GE、UIH和其它的設備型號分別為661、157和16。

在這些數(shù)據(jù)上使用影像篩查系統(tǒng)檢測肺部小結節(jié)的位置，并將檢測結果和4名高年資放射科醫(yī)師的判讀結果相比較，進而分析影像篩查系統(tǒng)的檢出率和假陽性率。最后的統(tǒng)計結果見表3。影像篩查系統(tǒng)的檢出率超過99%，假陽性水平保持在1.35個/病人。

表1 患者年齡分布Tab.1 Patient age distribution

表2 掃描層厚分布Tab.2 Scanning slice thickness distribution

表3 智能影像篩查系統(tǒng)的診斷效果Tab.3 Diagnostic performance of the intelligent image screening system

盡管該影像篩查系統(tǒng)能達到很高的檢出率，但是還是有遺漏，因此不能單純地依靠AI系統(tǒng)而脫離醫(yī)生的干預，更合理的的方式是人機合作。如何管理好人機協(xié)作流程至關重要。有兩種可選方案如下：

（1）首先醫(yī)生和無AI輔助工作步驟相同，獨立完成結節(jié)識別。然后再檢查遺漏的，但是被AI系統(tǒng)識別出來的結節(jié)。這種方式能很好地提高結節(jié)檢出率，但是增加了日常的工作量。

（2）醫(yī)生快速瀏覽CT圖像，找出那些明顯的病灶。然后確認AI系統(tǒng)識別出來的其它小結節(jié)。在AI系統(tǒng)的檢出率能滿足臨床需求的情況下，這個方案能有效地在檢出率和效率之間取得平衡。

2.6 診斷結果管理

沒有AI輔助系統(tǒng)之前，每個病人的診斷結果只能體現(xiàn)在診斷報告上。引入AI影像篩查系統(tǒng)之后，每個病人的診斷結果還包含病灶的精確信息，如位置、大小、性質(zhì)等。這些信息不僅可以快速地定位病灶，方便臨床醫(yī)生的的參考，而且為教學和科研提供了豐富的資料。根據(jù)每個結節(jié)的屬性構建數(shù)據(jù)倉庫，然后根據(jù)教學和科研需求進行快速的查詢和統(tǒng)計，將極大地提高教學和科研的效率。還可以形成良好的教學案例庫，提高醫(yī)生的診斷水平。此外，根據(jù)最終的診斷結果可以對醫(yī)生日常的診斷效率和診斷質(zhì)量進行定量的評估，進而更有效地對醫(yī)生工作質(zhì)量進行管理。

3 總結

本文探討了醫(yī)院系統(tǒng)引入AI系統(tǒng)所帶來的一系列管理問題，并以肺小結節(jié)的智能篩查為例探索了相應的解決方案。我們發(fā)現(xiàn)在解決好相關的管理問題后，智能影像篩查系統(tǒng)能高效率、較準確地判讀分析胸部CT肺小結節(jié)圖像，放射科醫(yī)師可在此基礎上更加高效地判讀CT影像，為肺癌的早期篩查提供便利。此外，將智能影像篩查系統(tǒng)的處理結果進行合理的收集和整理還可以極大地提高教學和科研的效率。我們希望以此為支點，逐步完善AI系統(tǒng)的管理流程和方案，逐步引入更多的AI系統(tǒng)到診療、教研的各個環(huán)節(jié)，從而更好地服務于臨床、服務于患者。