牟春華

【摘 要】現(xiàn)如今，我國的科學(xué)技術(shù)發(fā)展十分迅速，塵肺病診斷主要依據(jù)醫(yī)學(xué)影像學(xué)的判斷，目前人工智能（AI）已經(jīng)運(yùn)用到塵肺病醫(yī)學(xué)影像學(xué)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(jié)論往往差異很大，特別是診斷經(jīng)驗不足的醫(yī)師很容易出現(xiàn)漏診、誤診的情況。AI技術(shù)在塵肺病影像診斷中的應(yīng)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(shù)在塵肺病診斷中的應(yīng)用研究，重點(diǎn)闡述支持向量機(jī)（SVM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）這兩種AI技術(shù)在塵肺病分類診斷中的應(yīng)用，并分析其優(yōu)缺點(diǎn);展望卷積神經(jīng)網(wǎng)絡(luò)（CNN）技術(shù)和其他AI深度學(xué)習(xí)算法在未來應(yīng)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(guān)鍵詞】塵肺;人工智能;支持向量機(jī);人工神經(jīng)網(wǎng)絡(luò)

【中圖分類號】R587.1【文獻(xiàn)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(jī)制復(fù)雜，主要過程如下：當(dāng)塵粒進(jìn)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(nèi)的巨噬細(xì)胞吞噬、消化，而后被排出體外或轉(zhuǎn)運(yùn)至淋巴系統(tǒng)。當(dāng)人體吸入大量游離二氧化硅（SiO2）塵粒時，后者在肺泡壁內(nèi)大量積聚，由于超出機(jī)體對其清除的能力，常引起以白細(xì)胞和巨噬細(xì)胞浸潤為主的巨噬細(xì)胞肺泡炎。當(dāng)吸入的粉塵量超出含塵巨噬細(xì)胞（塵細(xì)胞）的轉(zhuǎn)運(yùn)和分解能力時，塵細(xì)胞和粉塵顆粒將會積聚于肺實質(zhì)及間質(zhì)內(nèi)。此過程中，伴隨著粉塵引起的免疫應(yīng)答，病變局部發(fā)生膠原組織增生，肺泡結(jié)構(gòu)及功能受損，最終導(dǎo)致肺組織纖維化。

1 計算機(jī)輔助診斷（computeraideddiagnosisCAD）技術(shù)的進(jìn)展

計算機(jī)輔助診斷技術(shù)是一個相對年輕的跨學(xué)科技術(shù)。計算機(jī)技術(shù)和醫(yī)學(xué)影像設(shè)備的快速發(fā)展，使人工智能，數(shù)字圖像與影像學(xué)的圖像處理可以有效的結(jié)合，以發(fā)現(xiàn)機(jī)體損傷，評估疾病的嚴(yán)重程度。利用計算機(jī)對醫(yī)學(xué)圖像的分析結(jié)果作為參考，放射科專家可以在疾病篩查，圖像檢測，癌風(fēng)險評估等方面得出更為準(zhǔn)確的診斷結(jié)論。以乳腺為例，CAD可檢測微小鈣化的分辨率為0.05-0.1mm，結(jié)節(jié)陰影為0.1-0.4mm，對比度深度可達(dá)10-12bit。1998年，用于乳腺癌篩查的CAD軟件已經(jīng)獲得FDA認(rèn)證，并應(yīng)用于臨床。國內(nèi)也有學(xué)者進(jìn)行了基于X線的乳腺腫塊自動檢測技術(shù)的研究，并且在其他方面如肺內(nèi)小結(jié)節(jié)的自動篩查，肺結(jié)核的檢測與診斷等計算機(jī)輔助技術(shù)也進(jìn)行了大量的基礎(chǔ)研究，取得了許多技術(shù)突破。一般來說，CAD是指計算機(jī)輔助診斷（computeraideddiagnosis）和計算機(jī)輔助檢測（computeraideddetection），還包括計算機(jī)化的癌癥風(fēng)險評估和計算機(jī)化的腫瘤治療評估。CAD技術(shù)的核心在于利用各種技術(shù)手段實現(xiàn)機(jī)器學(xué)習(xí)，繼而給出一個合理的診斷結(jié)果。傳統(tǒng)的機(jī)器學(xué)習(xí)模型一個重要特點(diǎn)是依靠人工經(jīng)驗預(yù)先提取出樣本數(shù)據(jù)的特征，然后做出分類或預(yù)測。典型的CAD模型包括4個主要模塊：圖像預(yù)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(jìn)行

分類。

2 人工智能技術(shù)在塵肺病診斷中的應(yīng)用研究進(jìn)展

2.1AI在塵肺病診斷中的應(yīng)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(xué)習(xí)能力及多維思考能力，對于高強(qiáng)度、重復(fù)性、機(jī)械性的影像學(xué)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(biāo)準(zhǔn)，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(xué)影像學(xué)主要應(yīng)用在CT的肺結(jié)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?；谟嬎銠C(jī)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(biāo)準(zhǔn)片，將胸片分為正常或塵肺胸片;另一類是對胸片肺紋理進(jìn)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(shè)置表現(xiàn)出不同的特質(zhì)。

2.2對塵肺病的病情進(jìn)行分級診斷

“塵肺病治療中國專家共識”中提出，進(jìn)行塵肺病診療時應(yīng)先評估病情后進(jìn)行分級治療?，F(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(jìn)行完善。建議將影響病情及預(yù)后的因素如粉塵性質(zhì)、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(fù)指導(dǎo)和預(yù)后評估，即癥狀嚴(yán)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?dú)夥治鰴z查結(jié)果判定、并發(fā)癥及合并癥可根據(jù)各個獨(dú)立疾病病情分級（或分度）進(jìn)行評估、危險因素可按照因素多少和對病情影響程度進(jìn)行評估。

2.3ANN技術(shù)分類診斷塵肺病

ANN是以數(shù)學(xué)模型模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)能力而建立的一種機(jī)器學(xué)習(xí)過程。ANN把大量的處理單元互相連接形成復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，通過對已知信息的反復(fù)學(xué)習(xí)訓(xùn)練，逐步調(diào)整改變處理單位連接權(quán)重，達(dá)到信息處理、模擬人腦組織輸入輸出的功能。

結(jié) 語

塵肺病是一種預(yù)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(yù)，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(zhì)量。塵肺病的影像學(xué)診斷標(biāo)準(zhǔn)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(xiàn)

[1] 蕭毅，劉士遠(yuǎn).人工智能將改變影像醫(yī)學(xué)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(xué)，2018，35（4）：283-285.