人工智能影像診斷技術在基層醫(yī)院中的應用與思考

陳曉文，湯明玥，楊慶華，魏小琴（通信作者）

（1川北醫(yī)學院醫(yī)學影像學院 四川 南充 637000）

（2川北醫(yī)學院基礎醫(yī)學與法學院 四川 南充 637000）

醫(yī)學影像診斷是指影像醫(yī)生通過非侵入性的操作獲取機體組織內部結構圖像，并對疾病做出定量和/或定性診斷的一種方式。隨著機器學習和深度學習等算法在醫(yī)學領域的應用和發(fā)展，研究人員將AI技術應用于醫(yī)學影像診斷中，實現(xiàn)醫(yī)學影像自動分析及輔助醫(yī)生做智能診斷，從而提高診斷速度和診斷準確性[1]。通過AI技術在醫(yī)學影像診斷中的應用，可能將“專家下沉”轉化為“技術下沉”，解決基層醫(yī)院的醫(yī)學診斷問題[2]。本文分析整理了AI技術在醫(yī)學影像診斷中的原理、應用現(xiàn)狀及其在基層醫(yī)院的應用價值，以期為AI影像診斷技術在基層醫(yī)院中的應用提供一定的參考依據(jù)。

1 AI醫(yī)學影像診斷技術的基本原理

隨著圖像處理的應用與發(fā)展，出現(xiàn)了計算機輔助診斷（computer aided diagnosis，CAD）[3]。CAD將計算機分析與醫(yī)學影像的技術手段結合起來，輔助進行診斷，提高診斷準確度和工作效率。深度學習是一種機器學習方法，它源自于人們對神經網(wǎng)絡的研究，其包括卷積神經網(wǎng)絡、深度置信網(wǎng)絡、自編碼神經網(wǎng)絡三種形式。基于深度學習，使AI更接近人類的思考模式，并能達到自學、記憶、預測等功能，由此CAD得到跨時代的發(fā)展。醫(yī)學影像大數(shù)據(jù)是AI技術在醫(yī)學影像中應用的基礎，海量影像數(shù)據(jù)為AI在醫(yī)學影像中的發(fā)展創(chuàng)造了良好條件。醫(yī)學影像大數(shù)據(jù)處理分析大規(guī)模、多種類、高價值、高運轉及真實性的影像學數(shù)據(jù)，進而從中提取規(guī)律信息，AI技術通過計算機模擬人的思維和智能進行深度學習，從海量的數(shù)據(jù)資源中發(fā)現(xiàn)數(shù)據(jù)規(guī)律，進而將數(shù)據(jù)模型智能化[4]。

2 AI技術在醫(yī)學影像診斷中的應用

AI在醫(yī)學影像診斷中的應用主要包括CAD、影像組學、影像基因組學等。

2.1 CAD的應用與發(fā)展

2.1.1 顱腦 顱腦CAD研究主要包括MRI應用于腦腫瘤及精神分裂癥的診斷、神經膠質瘤的分級、阿爾茨海默病與輕度認知障礙的鑒別診斷。通過一種基于概率神經網(wǎng)絡分類器對腦MRI造影檢測腫瘤的方法，其在腦MR圖像中識別正常組織和異常組織的準確率高達100%[5]。

2.1.2 肺臟 肺臟CAD主要是通過對胸部X射線和CT上的肺結節(jié)及肺間質性病變進行檢測。有研究[6]顯示，應用AI輔助分析系統(tǒng)，可提高肺癌診斷的靈敏度、準確性，且圖像識別速度遠遠快于人工閱片。用智能神經網(wǎng)絡模型分析肺結節(jié)患者CT圖像中的紋理特征，可預測患者是否有肺癌隱患并能量化分析肺癌的嚴重程度。

2.1.3 乳腺 近年來的研究顯示[7]，基于卷積神經網(wǎng)絡的乳腺鉬靶CAD能提高乳腺癌的檢出的準確率。Al-Masni等[7]研發(fā)的乳腺鉬靶CAD對乳腺的腫塊位置和判斷良惡性的準確性分別為99.70%和97.00%。除此之外，卷積神經網(wǎng)絡有助于動態(tài)增強MRI上乳腺脂肪與纖維腺體的分割問題，有助于判斷乳腺纖維腺體類型。

2.1.4 心臟 使用卷積神經網(wǎng)絡能夠較好識別超聲心電圖的多個標準觀察切面，從而準確評測心臟結構及功能。Madani等[8]監(jiān)督卷積神經網(wǎng)絡深度學習多個超聲心動圖，其對標準視圖的準確性為97.80%。除此之外，卷積神經網(wǎng)絡有助于動態(tài)增強MRI上乳腺脂肪與纖維腺體的分割問題，有助于判斷乳腺纖維腺體類型。

2.1.5 肝臟 通過基于動態(tài)增強CT和MRI分析肝臟腫塊，診斷肝細胞癌。卷積神經網(wǎng)絡通過深度學習，其三相（平掃、動脈及延遲期）影像訓練的識別的準確性明顯升高，其對肝囊腫、肝血管瘤的敏感性更高。計算機輔助診斷通過可識別動態(tài)增強核磁共振上的腫塊大小、形態(tài)、數(shù)量、有無假包膜及邊界是否清晰等情況，與醫(yī)生診斷有76.00%～78.00%的一致性[9]。

2.1.6 甲狀腺 甲狀腺超聲智能診斷在其惡性風險分層方面有一定的成果。許敏等[10]的研究表明，計算機輔助診斷在利于美國放射協(xié)會發(fā)表的ACR-TI-RADS指南進行甲狀腺診斷時有較高的AUC和靈敏度，利用Kwak提出的甲狀腺影像數(shù)據(jù)和數(shù)據(jù)系統(tǒng)進行甲狀腺診斷時有較高的特異性。

2.2 影像組學

影像組學[11]源自于CAD，是一種大數(shù)據(jù)分析方法，其對海量的醫(yī)學影像數(shù)據(jù)進行分析、挖掘和解讀，將隱藏在其中的額外信息挖掘出來。影像組學突破了傳統(tǒng)的基于形態(tài)學和半定量分析，可提供以往需要基因檢測或病理檢測才能得到的信息，以期為臨床醫(yī)生早期從圖像中獲取診斷信息提供依據(jù)。其基本分析模型包括5個方面：圖像采集、圖像分割、特征提取、量化分析、模型構建。目前，關于影像組學的研究主要集中在腫瘤方面，包含腫瘤的定性診斷、分級、分期、基因預測、預后評價等。

2.3 影像基因組學

基因分析是實現(xiàn)精準診療的先決條件。傳統(tǒng)的基因分析主要依賴于有創(chuàng)的活檢或術后病理取材，具有一定的風險和潛在的并發(fā)癥，醫(yī)學影像是非侵入性的。影像基因組學[12]是將醫(yī)學影像數(shù)據(jù)與基因組數(shù)據(jù)關聯(lián)起來進行分析解讀，其不僅從影像學數(shù)據(jù)中提取反映個體數(shù)據(jù)的定量影像學特征，還從生物組學中提取基因型特征，并通過AI完成基因型特征與定量表現(xiàn)特征的關聯(lián)與分析，從而實現(xiàn)對疾病的基因診斷、預測及預后判斷。

3 基層醫(yī)院醫(yī)學影像診斷技術存在的問題

3.1 基層醫(yī)院影像醫(yī)生的診斷能力相對較薄弱

首先，基層醫(yī)院影像學醫(yī)生總體受教育程度不高，基礎相對比較薄弱。其次，基層醫(yī)院影像學醫(yī)生的在職能力培養(yǎng)計劃不完善，大多數(shù)基層醫(yī)院對3年規(guī)培沒有硬性要求，導致基層醫(yī)生的臨床診斷經驗不足。很多醫(yī)生得不到進修學習的機會，只能依靠自己在行業(yè)中摸索，成長比較慢[13]。雖然近年來，加大了對基層醫(yī)生的培養(yǎng)，但基礎醫(yī)院一般缺乏臨床經驗豐富的醫(yī)師帶教，制約了整個團隊診斷水平的提升。其次，基層醫(yī)院接診的90%為常見病、基礎病、輕癥，因此基層影像醫(yī)生的“眼界”較窄，對于重癥、急癥、少見病、罕見病等缺乏相應的見解和疾病診斷經驗。且大多數(shù)基礎醫(yī)院推行基本藥物，導致急危重癥的病人直接跨過基層到上級醫(yī)院就診，使基層醫(yī)院醫(yī)生的“見識”進一步減少。

3.2 基層醫(yī)院醫(yī)學影像硬件設備缺乏

相對來說，基層醫(yī)院的診斷設備儀器相對較少，不夠先進，且缺乏相關的大型檢查設備。但現(xiàn)在醫(yī)學發(fā)展迅猛，加上循證醫(yī)學深入人心，沒有相關的檢查證實，使許多診療受到限制。

3.3 基層醫(yī)院醫(yī)學影像工作復雜多樣

基層醫(yī)院影像工作除了常規(guī)工作任務外，還有基層早癌篩查，經常還會下鄉(xiāng)做檢查和進行宣教工作，要發(fā)揮“守門員”的職責。因此，基層醫(yī)院影像工作復雜多樣，間接導致了其投入疾病診斷方面的精力較少，弱化了醫(yī)師診斷能力的培養(yǎng)。

4 人工智能影像診斷技術在基層醫(yī)院中的應用與思考

4.1 提升基層醫(yī)院影像診斷的準確性

依托于AI影像診斷技術的大數(shù)據(jù)和多樣本，可提升基層醫(yī)院醫(yī)生臨床診斷準確率。利用醫(yī)學專家系統(tǒng)，將某一領域多個專家提供的專業(yè)知識和經驗進行綜合判斷，彌補基層醫(yī)院醫(yī)生專業(yè)上的不足，加快診斷速度，且提高診斷準確性。

腫瘤的早期診斷對疾病的治療和預后至關重要，目前基層醫(yī)院一般是由影像科醫(yī)生人工閱片，由于受整體醫(yī)療水平和醫(yī)生專業(yè)能力的限制，影像診斷的整體漏診率和誤診率較高，且人工處理閱片的時間較長，造成晚疹易致患者錯過最佳治療時機[14]。運用AI技術可以很好地幫助基層影像醫(yī)師提高日常診斷速率，甚至有些可以完全替代日常診斷。除此之外，通過AI技術的應用，可使基層醫(yī)生見識到全國海量的影像學資料，包括很多少見病、罕見病，加快其自身專業(yè)能力的提升。使其在再次面對同類型疾病時，能提供有效的診斷依據(jù)，加快其確診速度，有利于臨床醫(yī)生盡快進行有針對性的治療。

4.2 AI影像診斷技術在基層醫(yī)院面臨的挑戰(zhàn)

AI技術在基層醫(yī)院醫(yī)學影像診斷中具有廣闊的前景，但其也受到一些因素的制約[15]。主要表現(xiàn)在：①如因為缺乏統(tǒng)一的標準與規(guī)范，影像學數(shù)據(jù)的質量參差不齊，不同醫(yī)療機構、不同廠家、不同檔次的設備均存在圖像質量、參數(shù)設置等的差異。②AI醫(yī)療在我國處于初步階段，產品雖在實驗室取得了較好成績，但數(shù)據(jù)缺乏真實性和復雜性。有些AI影像產品在單種疾病中發(fā)展良好，在細分領域取得驕人成績，但疾病是多樣性的，對“異病同影、同病異影”等現(xiàn)象難以檢出。③AI技術會挖掘大量的患者信息，包括患者的基因信息，涉及到隱私、倫理等范疇，如泄露會產生不利影響，急需建立相應的法律法規(guī)和倫理規(guī)范來進行有效監(jiān)管。④當出現(xiàn)誤診、漏診等情況從而給患者帶來傷害時，如何去劃分責任亦是一個需要思考的問題。因此，需加強風險責任劃分，確保患者和公眾利益。

5 小結

AI技術在醫(yī)學影像診斷中具有非常廣闊的應用前景，其推動醫(yī)學成像智能化、數(shù)據(jù)采集標準化及數(shù)據(jù)分析自動化。隨著數(shù)據(jù)的積累和技術的進一步發(fā)展，AI與醫(yī)學影像的結合會提高基層醫(yī)院醫(yī)生的診斷水平和效率，產生了巨大的經濟效應和社會效應。