薛佳凱

摘? 要：信息時(shí)代下，信息技術(shù)已經(jīng)產(chǎn)能為新時(shí)代背景下一種更加高效的生產(chǎn)力，推動(dòng)社會(huì)的進(jìn)步。在醫(yī)學(xué)領(lǐng)域，為了進(jìn)一步提升臨床治療效果，在醫(yī)學(xué)影像中結(jié)合人工智能技術(shù)開展治療活動(dòng)具有很大的發(fā)展前景?，F(xiàn)階段，人工智能技術(shù)已經(jīng)在醫(yī)學(xué)影像應(yīng)用中進(jìn)入嘗試階段，力求在人工智能技術(shù)、計(jì)算機(jī)信息技術(shù)、新一代醫(yī)學(xué)影像技術(shù)下共同提升臨床療效。

關(guān)鍵詞：信息技術(shù)? 人工智能? 醫(yī)學(xué)影像? 現(xiàn)狀

中圖分類號(hào)：TP18? 文獻(xiàn)標(biāo)識(shí)碼：A? ?文章編號(hào)：1672-3791（2021）10（b）-0000-00

Discussion on the Present Situation and Challenge of Research， Development and Application of Medical Imaging Artificial Intelligence

XUE? Jiakai

（Medical School of Yan'an University， Yan'an， Shaanxi Province， 716000 China）

Abstract： In the information age， information technology has become a more efficient productivity under the background of the new era， promoting social progress. In the medical field， in order to further improve the clinical treatment effect， it has a great development prospect to carry out treatment activities in medical imaging combined with artificial intelligence technology. At this stage， artificial intelligence technology has entered the trial stage in the application of medical imaging， and strive to jointly improve the clinical efficacy under the artificial intelligence technology， computer information technology and the new generation of medical imaging technology.

Key Words： Information technology; Artificial intelligence; Medical imaging; Present situation

在計(jì)算機(jī)信息技術(shù)與網(wǎng)絡(luò)技術(shù)公共發(fā)展的背景下，人工智能技術(shù)應(yīng)運(yùn)而生?，F(xiàn)如今，人工智能技術(shù)已經(jīng)成為新時(shí)代背景下許多行業(yè)未來(lái)發(fā)展的新方向，對(duì)醫(yī)學(xué)領(lǐng)域也產(chǎn)生了十分深遠(yuǎn)的影響。以人工智能作為核心的醫(yī)療技術(shù)，是未來(lái)一段時(shí)期內(nèi)主流的醫(yī)學(xué)研究發(fā)展方向。醫(yī)學(xué)影像是醫(yī)學(xué)診斷的重要手段，在未來(lái)，以人工智能為核心技術(shù)的醫(yī)學(xué)影像勢(shì)必成為主流的發(fā)展趨勢(shì)，因此該次研究中對(duì)醫(yī)學(xué)影像人工智能的研發(fā)應(yīng)用現(xiàn)狀與挑戰(zhàn)進(jìn)行分析，為人工智能技術(shù)未來(lái)在醫(yī)學(xué)影像當(dāng)中的實(shí)際應(yīng)用提供參考。

1 人工智能醫(yī)學(xué)影像簡(jiǎn)介

人工智能，簡(jiǎn)稱AI，屬于一種對(duì)人類智能理論、方法、技術(shù)、應(yīng)用系統(tǒng)模擬、延伸、拓展的一類信息科學(xué)。關(guān)于人工智能的理論研究起源于20世紀(jì)50年代，但是在以后的一段時(shí)間內(nèi)，由于技術(shù)條件的限制，使得人工智能技術(shù)停滯于理論階段。今天，隨著計(jì)算機(jī)網(wǎng)絡(luò)信息技術(shù)的發(fā)展，已經(jīng)誕生了比傳統(tǒng)人工智能算法更加先進(jìn)的深度學(xué)習(xí)算法，基于深度學(xué)習(xí)算法技術(shù)上的人工智能技術(shù)，無(wú)論是學(xué)習(xí)能力，還是自主學(xué)習(xí)進(jìn)化能力都更加出眾，可以在海量學(xué)習(xí)數(shù)據(jù)的基礎(chǔ)上，擺脫傳統(tǒng)算法帶來(lái)的一系列限制，進(jìn)一步提升人工智能技術(shù)的實(shí)際運(yùn)用效率。

人工智能醫(yī)學(xué)影像的理念，在20世紀(jì)60年代就被提出。早期的人工智能醫(yī)學(xué)影像主要采用邏輯算法、統(tǒng)計(jì)模式對(duì)放射診斷流程進(jìn)行有效識(shí)別，發(fā)展到20世紀(jì)80年代，因?yàn)橛?jì)算機(jī)技術(shù)已經(jīng)開始發(fā)展，推動(dòng)了醫(yī)學(xué)影像技術(shù)開始向數(shù)字化方向發(fā)展，這種背景下的人工智能醫(yī)學(xué)影像已經(jīng)逐漸從起初的主觀角度向定量計(jì)算方向發(fā)展，計(jì)算機(jī)輔助診斷系統(tǒng)在此背景下應(yīng)運(yùn)而生，不過(guò)這一階段的人工智能醫(yī)學(xué)影像技術(shù)還處于發(fā)展階段，基于深度學(xué)習(xí)的人工智能醫(yī)學(xué)影像技術(shù)才標(biāo)志著走向成熟階段，并且開始真正具備臨床實(shí)踐價(jià)值[1]。除了人工智能技術(shù)本身，以更加強(qiáng)大計(jì)算機(jī)存儲(chǔ)技術(shù)為代表的一系列硬核技術(shù)進(jìn)一步推動(dòng)了人工智能醫(yī)學(xué)影像技術(shù)的進(jìn)步，為人工智能醫(yī)學(xué)影像實(shí)現(xiàn)在臨床治療中的大范圍推廣應(yīng)用奠定技術(shù)基礎(chǔ)。

2 人工智能醫(yī)學(xué)影像的實(shí)際應(yīng)用的目標(biāo)與意義

2.1目標(biāo)

從現(xiàn)階段臨床醫(yī)學(xué)發(fā)展的需求來(lái)看，人工智能醫(yī)學(xué)影像對(duì)于臨床醫(yī)學(xué)放射診斷具有積極意義。醫(yī)學(xué)影響是現(xiàn)代醫(yī)學(xué)實(shí)現(xiàn)數(shù)字化醫(yī)療的核心技術(shù)代表，并且人工智能醫(yī)學(xué)影像正在向著高分辨薄層掃描、多模態(tài)的方向發(fā)展。據(jù)不完全統(tǒng)計(jì)，人工智能醫(yī)學(xué)影像正在以30%的速度增長(zhǎng)持續(xù)增長(zhǎng)，并且已經(jīng)占據(jù)現(xiàn)階段醫(yī)院全部數(shù)字化數(shù)據(jù)的90%。醫(yī)學(xué)影像從起初的以膠片為載體，發(fā)展至后期的數(shù)字化載體，在簡(jiǎn)化放射科醫(yī)師工作程序的同時(shí)也增加了工作量，并且隨著我國(guó)居民健康意識(shí)的增強(qiáng)，臨床放射的工作量會(huì)增加，面對(duì)如此龐大的放射醫(yī)療需求，而在醫(yī)療方面的資源投入明顯無(wú)法滿足日益增長(zhǎng)的居民醫(yī)療需求。人工智能醫(yī)學(xué)影像的到來(lái)可以幫助緩解放射醫(yī)師壓力，提升醫(yī)學(xué)影像診斷效率，滿足時(shí)代發(fā)展需求。

2.2意義

人工智能醫(yī)學(xué)影像面對(duì)龐大的工作量對(duì)病例進(jìn)行篩選、檢查。人工智能醫(yī)學(xué)影像的應(yīng)用場(chǎng)景：（1）陽(yáng)性病例所占比重低;（2）陽(yáng)性病灶區(qū)數(shù)據(jù)占比小;（3）對(duì)影像診斷專業(yè)知識(shí)水平需求低。人工智能技術(shù)對(duì)檢查出陽(yáng)性病例/病灶區(qū)域以后，專業(yè)的放射醫(yī)師再開展進(jìn)一步診斷，因此可以避免因?yàn)榇罅筷幮圆±龜?shù)據(jù)中篩選篩選少量陽(yáng)性病例所浪費(fèi)的資源與時(shí)間[2]。

人工智能醫(yī)學(xué)影像技術(shù)可以替代一部分放射醫(yī)師的工作，特別是判讀結(jié)果可以達(dá)到標(biāo)準(zhǔn)簡(jiǎn)明、穩(wěn)定水平，且知識(shí)構(gòu)成相對(duì)簡(jiǎn)單。

此外，人工智能醫(yī)學(xué)影像還可以提供一些附加價(jià)值，主要體現(xiàn)在兩方面：輔助放射醫(yī)師進(jìn)行醫(yī)學(xué)影像診斷，可以在專業(yè)醫(yī)師的指導(dǎo)下對(duì)患者腫瘤的參數(shù)進(jìn)行測(cè)量，而運(yùn)用人工智能可以更加精準(zhǔn)地實(shí)現(xiàn)此項(xiàng)工作，且醫(yī)學(xué)影像指標(biāo)更加豐富。

不難看出，人工智能醫(yī)學(xué)影像可以優(yōu)化放射醫(yī)師在資源、時(shí)間等方面的合理配置，使有限的資源發(fā)揮出更多的價(jià)值，但是人工智能醫(yī)學(xué)影像并不能取代放射醫(yī)師，而是為放射醫(yī)師提供更多的幫助。

在現(xiàn)代信息技術(shù)的幫助下，人工智能醫(yī)學(xué)影像可以推廣到一些醫(yī)療技術(shù)落后的基層醫(yī)療單位，可以實(shí)現(xiàn)分級(jí)治療，優(yōu)化醫(yī)療資源配置，推動(dòng)醫(yī)學(xué)向著智能化的方向發(fā)展。

3 現(xiàn)階段人工智能醫(yī)學(xué)影像的發(fā)展?fàn)顩r

3.1發(fā)展過(guò)程中遇到的瓶頸

現(xiàn)階段我國(guó)國(guó)內(nèi)的人工智能醫(yī)學(xué)影像，已經(jīng)基本完成了臨床研究階段，在不久的未來(lái)就可以實(shí)現(xiàn)在臨床實(shí)踐中應(yīng)用。理想狀態(tài)下，人工智能醫(yī)學(xué)影像可以提升醫(yī)護(hù)人員工作效率，同時(shí)增加患者康復(fù)幾率。

雖然人工智能醫(yī)學(xué)影像并不是新的概念，但是在臨床實(shí)踐中應(yīng)用人工智能醫(yī)學(xué)影像解決實(shí)際問(wèn)題依然處于試水階段，在推廣過(guò)程中可以發(fā)現(xiàn)，人工智能醫(yī)學(xué)影像在實(shí)際應(yīng)用中往往會(huì)遭遇許多瓶頸，阻礙了人工智能醫(yī)學(xué)影像在臨床實(shí)踐工作中的應(yīng)用和推廣。

現(xiàn)有的醫(yī)學(xué)模型性能對(duì)人工智能醫(yī)學(xué)影像的實(shí)際應(yīng)用造成負(fù)面影響?，F(xiàn)階段臨床上使用的DL算法雖然可以實(shí)現(xiàn)對(duì)病情的自動(dòng)化識(shí)別與分類，不過(guò)其靈敏度、特異度、精確度還有待提升，只有這樣才可以進(jìn)一步提升DL算法在臨床應(yīng)用的效率與價(jià)值;現(xiàn)階段對(duì)于人工智能醫(yī)學(xué)影像的成果測(cè)評(píng)都是各設(shè)計(jì)公司自行組織的，并沒(méi)有官方的、權(quán)威的驗(yàn)證平臺(tái)。由于各設(shè)計(jì)公司在水平上存在顯著差異，所以驗(yàn)證結(jié)果也會(huì)存在差異，可信度往往遭到質(zhì)疑;現(xiàn)階段，我國(guó)存在相當(dāng)一部分醫(yī)院的醫(yī)學(xué)影像科使用的影像設(shè)備均來(lái)源于不同的生產(chǎn)商，因此在同一科室會(huì)出現(xiàn)多個(gè)不同的操作標(biāo)準(zhǔn)，這就使得設(shè)備的后續(xù)服務(wù)失去了一站式的優(yōu)點(diǎn)，影響科室的工作效率;要確保人工智能醫(yī)學(xué)影像的數(shù)據(jù)安全，首先需要十分明確且健全的數(shù)據(jù)使用權(quán)、所有權(quán)，在此基礎(chǔ)上才可以進(jìn)一步構(gòu)建相關(guān)的規(guī)范，實(shí)現(xiàn)人工智能醫(yī)學(xué)影像產(chǎn)品實(shí)際使用過(guò)程中的一系列倫理規(guī)范[3]。

3.2人工智能醫(yī)學(xué)影像發(fā)展規(guī)劃

從現(xiàn)階段人工智能醫(yī)學(xué)影像的發(fā)展形勢(shì)來(lái)看，人工智能醫(yī)學(xué)影像的發(fā)展?fàn)顩r實(shí)際上是處于動(dòng)態(tài)變化的。首先，伴隨人工智能技術(shù)的進(jìn)步，關(guān)于人工智能醫(yī)學(xué)影像相關(guān)的產(chǎn)品一定越來(lái)越多，最終會(huì)涵蓋人體全身各個(gè)部位。人工智能醫(yī)學(xué)影像也會(huì)從現(xiàn)如今的圖像診斷階段，發(fā)展至最終療效的評(píng)估階段，即從現(xiàn)階段的單方向發(fā)展轉(zhuǎn)向未來(lái)的多元化發(fā)展，展現(xiàn)出人工智能醫(yī)學(xué)影像一站式的優(yōu)勢(shì)。

未來(lái)的人工智能醫(yī)學(xué)影像勢(shì)必會(huì)走向一體化發(fā)展趨勢(shì)，不僅可以提升人工智能醫(yī)學(xué)影像實(shí)際應(yīng)用效率，還可以實(shí)現(xiàn)信息的全球互動(dòng)。例如：人工智能醫(yī)學(xué)影像會(huì)參與到患者從掛號(hào)到出院的全過(guò)程，在方便患者的同時(shí)，也方便了廣大醫(yī)護(hù)人員[4]。伴隨人工智能醫(yī)學(xué)影像的普及推廣，相關(guān)的一系列政策也將陸續(xù)到來(lái)，配套的基礎(chǔ)設(shè)施建設(shè)也將不斷完善，以人工智能為核心技術(shù)的醫(yī)療活動(dòng)也將逐漸成為現(xiàn)實(shí)。

4 人工智能醫(yī)學(xué)影像研發(fā)應(yīng)用

4.1臨床模型設(shè)計(jì)

有時(shí)在臨床治療過(guò)程中需要使用臨床模型解決實(shí)際問(wèn)題，運(yùn)用人工智能進(jìn)行臨床模型設(shè)計(jì)具備非常理想的效果，并且臨床實(shí)踐結(jié)果表明，人工智能醫(yī)學(xué)影像設(shè)計(jì)的臨床模型可以提升實(shí)際治療效果以及準(zhǔn)確性，受到廣大醫(yī)護(hù)人員與患者的歡迎。在根據(jù)人工智能醫(yī)學(xué)影像設(shè)計(jì)臨床模型時(shí)需要嚴(yán)格參照最新的臨床指南，在當(dāng)前的醫(yī)療流程基礎(chǔ)上，結(jié)合設(shè)計(jì)完成的臨床模型對(duì)患者展開科學(xué)的治療。

人工智能算法并不是一成不變的，而是結(jié)合最新的數(shù)據(jù)、技術(shù)，學(xué)習(xí)發(fā)展為更加先進(jìn)的算法，這樣做才可以保證人工智能醫(yī)學(xué)影像以及設(shè)計(jì)的模型始終是符合實(shí)際臨床治療需求的[5]。

盡管現(xiàn)階段在技術(shù)層面，已經(jīng)開始用小樣本、無(wú)樣本人工智能算法學(xué)習(xí)，但是尚未成熟，因此并不能滿足臨床實(shí)際需求。鑒于此，結(jié)合人工智能醫(yī)學(xué)影像在設(shè)計(jì)臨床模型時(shí)，需要密切結(jié)合醫(yī)師決策與醫(yī)護(hù)人員自身需求，并且在實(shí)際應(yīng)用過(guò)程中，依然需要將獲取足夠的學(xué)習(xí)數(shù)據(jù)作為重點(diǎn)解決的問(wèn)題。

4.2結(jié)構(gòu)化數(shù)據(jù)

自人工智能醫(yī)學(xué)影像開始在臨床治療中嘗試被應(yīng)用以后，在設(shè)計(jì)臨床模型時(shí)，就需要以人工智能醫(yī)學(xué)影像作為依據(jù)，因?yàn)樵谌斯ぶ悄茚t(yī)學(xué)影像基礎(chǔ)上設(shè)計(jì)的模型可以更加精確，而運(yùn)用人工智能技術(shù)要實(shí)現(xiàn)高質(zhì)量高精度的模型設(shè)計(jì)，需要以高質(zhì)量的數(shù)據(jù)作為依據(jù)。在運(yùn)用人工智能技術(shù)構(gòu)建結(jié)構(gòu)化數(shù)據(jù)的過(guò)程中，需要注意一系列問(wèn)題：（1）采集數(shù)據(jù)。專門收集醫(yī)學(xué)影響數(shù)據(jù)的設(shè)備，通常類型繁多、參數(shù)不同、質(zhì)控不同，而這些因素最終都會(huì)對(duì)設(shè)備的實(shí)際效果造成影響，因此為了最大限度上確保醫(yī)學(xué)影像數(shù)據(jù)的質(zhì)量，需要在采集數(shù)據(jù)的過(guò)程中保證人工智能模型的質(zhì)量。雖然人工智能具有很大的應(yīng)用潛力，但是在實(shí)際應(yīng)用過(guò)程中需要盡量參考對(duì)照多廠家、參數(shù)的圖像質(zhì)量與疾病類型;（2）標(biāo)注數(shù)據(jù)。在學(xué)習(xí)數(shù)據(jù)標(biāo)注之前，需要事先明確需要學(xué)習(xí)的目標(biāo)問(wèn)題。任務(wù)標(biāo)注的過(guò)程中，需要盡可能使用金標(biāo)準(zhǔn)，例如病理、生存期等等;配合使用放射醫(yī)師量化知識(shí)，對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)一步明確。對(duì)數(shù)據(jù)集開展質(zhì)量控制工作是非常重要的，因此在數(shù)據(jù)結(jié)構(gòu)化的過(guò)程中需要進(jìn)一步提升數(shù)據(jù)模型的精確性與魯棒性。正因如此，構(gòu)建高質(zhì)量結(jié)構(gòu)化數(shù)據(jù)的過(guò)程中，需要將工作重點(diǎn)放在準(zhǔn)確數(shù)據(jù)集以及提升數(shù)據(jù)集質(zhì)量上。

4.3選擇人工智能算法

傳統(tǒng)計(jì)算機(jī)輔助診斷使用的是機(jī)器視覺(jué)算法、機(jī)器學(xué)習(xí)算法，最新的人工智能算法會(huì)使用樣本量更大的數(shù)據(jù)突破準(zhǔn)確率對(duì)數(shù)據(jù)量的限制，由此實(shí)現(xiàn)模型在臨床治療中的有效應(yīng)用。因?yàn)榻７绞降牟煌?，需要使用的?shù)據(jù)量、復(fù)雜程度也不同，所以需要結(jié)合模型的實(shí)際情況對(duì)數(shù)據(jù)量、復(fù)雜程度進(jìn)行慎重選擇[6]。

（1）海量的學(xué)習(xí)數(shù)據(jù)，建議使用神經(jīng)網(wǎng)絡(luò)類型豐富多樣的深度學(xué)習(xí)作為建模學(xué)習(xí)器;（2）中等數(shù)量的學(xué)習(xí)數(shù)據(jù)，建議使用深度學(xué)習(xí)進(jìn)行建模，如果在實(shí)際建模過(guò)程中發(fā)現(xiàn)效果并不理想，可以選擇更換為神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)特征進(jìn)行有效提取;（3）對(duì)于數(shù)量極少的數(shù)據(jù)，建議使用影像組學(xué)提取病變范圍的實(shí)際特征，并使用機(jī)器算法進(jìn)行建模;（4）還有一種相對(duì)特殊的情況，就是即便是數(shù)據(jù)量偏中等的情況下，模態(tài)數(shù)據(jù)數(shù)量依然龐大，此時(shí)就可以考慮使用遷移學(xué)習(xí)，以此來(lái)實(shí)現(xiàn)在小樣本學(xué)習(xí)數(shù)據(jù)中應(yīng)用大樣本數(shù)據(jù)經(jīng)驗(yàn)。

雖然在對(duì)算法進(jìn)行選擇時(shí)，需要結(jié)合實(shí)際情況選擇不同類型的算法，但是無(wú)論哪一種算法，都需要堅(jiān)持對(duì)模型準(zhǔn)確性、魯棒性、泛化性的驗(yàn)證。運(yùn)用交叉驗(yàn)證法，可以進(jìn)一步驗(yàn)證數(shù)據(jù)的可行性，這也是運(yùn)用人工智能算法建模的關(guān)鍵所在。

5結(jié)語(yǔ)

人工智能醫(yī)學(xué)影像的理念從20世紀(jì)60年代就已經(jīng)被提出，經(jīng)過(guò)數(shù)十載的發(fā)展，這一理論正在逐漸變?yōu)楝F(xiàn)實(shí)?，F(xiàn)階段，人工智能醫(yī)學(xué)影像處于研究階段，為人工智能早日實(shí)現(xiàn)臨床大規(guī)模推廣奠定技術(shù)基礎(chǔ)。截至目前為止，關(guān)于人工智能醫(yī)學(xué)影響的研究不斷增多，主要研究的方面包括構(gòu)建模型、數(shù)據(jù)，根據(jù)人工智能醫(yī)學(xué)影像設(shè)計(jì)的模型、構(gòu)建的數(shù)據(jù)具有更高的精確度，可以更好地支持一系列醫(yī)療活動(dòng)的開展，造福廣大患者。

參考文獻(xiàn)

[1]吳毅，張小勤.人工智能在醫(yī)學(xué)圖像處理中的研究進(jìn)展與展望[J].第三軍醫(yī)大學(xué)學(xué)報(bào)，2021，43（18）：1707-1712.

[2]邱陳輝，黃崇飛，夏順仁，等.人工智能在醫(yī)學(xué)影像輔助診斷中的應(yīng)用綜述[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2021，34（5）：407-414.

[3]張知非，楊鄭鑫，黃運(yùn)有，等.醫(yī)學(xué)大數(shù)據(jù)與人工智能標(biāo)準(zhǔn)體系：現(xiàn)狀、機(jī)遇與挑戰(zhàn)[J].協(xié)和醫(yī)學(xué)雜志，2021，12（5）：614-620.

[4]李明洋.基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)影像研究和輔助診斷平臺(tái)[D].長(zhǎng)春：吉林大學(xué)，2020.

[5]馬舉銘.基于深度學(xué)習(xí)的人工智能在早期肝癌磁共振影像的應(yīng)用研究[D].濟(jì)南：山東大學(xué)，2020.

[6]王麗會(huì)，秦永彬.深度學(xué)習(xí)在醫(yī)學(xué)影像中的研究進(jìn)展及發(fā)展趨勢(shì)[J].大數(shù)據(jù)，2020，6（6）：83-104.