医学影像人工智能进入深水区后的思考

王海涛

摘要：人工智能作为一门研究和探索计算机如何模仿人类思维过程和智能行为的学科，主要涵盖计算机智能原理的研究，制造类似于人脑的计算机以及使计算机能够实现超越基础的应用。医学成像是使用人脑进行图像识别和识别的主题。将人工智能引入图像识别技术将不可避免地促进医学成像和整个医学行业的转型。

关键词：医学影像学;人工智能;深水区

中国分类号：TP391.41 文献标识码：A

人工智能是一门研究、创造和扩展人类智能以及潜在的理论技术和应用系统的新技术科学。医学行业的医学生和从业者必须从未来的角度看待自己，适应未来行业的变化，探索自我价值，适应信息技术的发展，并应对人工智能的影响。同时，当人工智能逐渐应用于影像医学领域时，不可避免地发生医疗事故的法律问题也值得讨论。

一、人工智能在医学成像行业的应用与影响

（一）医学成像行业发展的现状与前景

人工智能由于技术的飞速发展必将促进医学成像行业，人们的生活乃至医疗系统也发生了很大的变化。同时，医学影像部门使用人工智能促进了远程诊断和治疗的发展。在胶片的处理中，加快了图像数据处理的速度，并提高了医学图像数据的准确性。

（二）人工智能在医学成像中的应用仍在高速发展

“建立完善的远程医疗应用系统。实施《中国卫生云服务计划》，建立健康医疗服务集成平台，提供远程咨询，远程成像，远程病理学，远程心电图诊断服务”促进建立“基本医疗卫生机构检查，医院诊断”服务模式，提高基础医学影像服务能力。同时，中国医院财务报告显示，影像检查收入占医院总收入的10%-20%，接近实验室，仅次于医学。近几年，医学影像人工智能应用会展现在当前的医学影像诊断阶段，大部分会从单一性的疾病开展对后续的研究，强化单一图形训练。模型的优势是可以采用人工智能的判断实现对患者影像的分析研究，并在此过程中获取大量的有效信息和数据，以便于辅助医师的诊断，提升当代的医学影像的运行效率和质量。人工智能的学习较为高效，可以利用多种影像信息和诊断的信息状况，分析和判断相对应的疾病情况，以便于可以配合医师开展临床的诊断研究工作，减少因为人为失误而出现的误诊。除了上述的流程，人工智能还会增加在多种影像工作的运转环节中，此类技术会开展问诊以及随访工作，通过深层次的神经网络技术方式会提升对原有信息和数据的收集工作，保障总体的重建效率，设备学习技术往往被应用在图像的深度研究以及对疾病诊治的预判断，利用人工智能技术开展影响技术管制工作，有助于在后续的阶段中保障总体的临床治理工作。

（三）人工智能对医学影像行业的影响分析

医学影像行业的从业人员既需要高精度又需要具备较强的逻辑思维，并且不可避免地会发生人为错误。人工智能的出现可以提高成像胶片的处理速度，同时辅助甚至完全取代成像医生，从而更好地帮助临床医生拟定治疗方案。

1.提高医学图像的处理效率

由中国科学技术大学开发的“Doctor Pecking”阅读机器人与15位首席医师竞争，阅读量超过200，000。“Pecking医生”通过高速准确检测30套肺部胶片取得了壓倒性的胜利。竞赛结果充分说明了人工智能在医学成像领域的广阔前景和巨大的应用潜力。通过人工智能来提高医生的工作效率并减少医疗诊断错误是大势所趋。

2.提高医学图像数据的准确性

随着超级计算机的发展以及卷积神经网络的进一步完善，人工智能在未来仍将有很大的提高空间。同时，人工智能将学习得更快，并且可以存储所有可用的医学知识和医学案例。与医生所见病例的局限性相比，人脑的局限性将不可避免地大大提高图像数据处理的准确性。

3.加快基层医院远程影像咨询的应用

“人工智能+远程医疗成像”对于解决基层医院咨询率低，二，三级医院压力大的问题具有重要意义。随着网络传输速度的提高和政府对医疗的投入的增加，基层医院将拥有更多的医疗设备来支持远程影像咨询。有了大数据的确定和人工智能的阅读，显然，与传统的人工影响咨询相比，速度更快。

二、受人工智能影响的医学影像从业者的机会

（一）人工智能扩大了医学影像行业对医学影像技术人才的需求

人工智能在医学影像中的应用将大大扩展对医学影像技术专业人士的需求。值得注意的是，在1998年高等学校本科课程医学目录没有专门计划医学成像技术作为一门独立学科，医学成像只有四年和五年。也可以根据时代的要求在一定程度上考虑教育部的专业设置鼓励国家一级的医学影像技术人才。

尽管在短期内，人工智能无法完全替代医学影像从业人员未来，医学影像从业人员的工作将被人工智能取代。从短期来看，人工智能尚未成熟。同时，人工智能的发展也需要这个一线医生的辅助验证和相应的源摄入短期内仍然需要人工智能当然，它不能完全取代医学影像从业人员。

（二）人工智能发展下各领域从业者的反应

医生基础在这种大趋势下，放射线研究生将从医学中学习更多。图像诊断介入放射学转向医学成像技术，专注于自身医学同时，紧跟时代步伐，提高电影技能对于应届毕业生，我们可以考虑朝着介入放射治疗的方向发展以对其进行规范。

三、人工智能在医学影像行业医疗事故的归责问题

根据《中华人民共和国侵权责任法》认可人工智能从协助临床医生诊断到完全领先的诊断最重要的步骤是医疗事故后积累。人工智能深度学习之后很可能全方位超越医学影像医师。但是因为它对人体健康敏感感官问题在医学成像中推广人工智能将不可避免地受到法律责任。人文障碍是要明确指出医疗事故中人工智能的责任是重中之重，根据《中华人民共和国财产侵权法》第43条第5章造成产品损坏的侵权人可以要求产品制造商赔偿也可以要求产品卖方退款。产品缺陷是由生产商造成的。卖方有权在赔偿后向生产者要求赔偿。由于卖方的过错而产生可以解释为产品有缺陷的生产者有权在补偿后向卖方索赔。将人工智能应用于产品的医疗行业时，产生的小概率事件可能是《侵权责任法》的结论是，患者要求医院赔偿，然后医院才能进行生产公司提出恢复建议的结论。当司法判决错误时，法院将作出错误判决并承担责任，国外存在法医专家保险系统，医学成像行业应使用人工智能将医疗事故用作小概率事件医疗公司可以执行小概率事件可以与保险公司协商风险评估，后果由保险公司承担。

四、医学影像人工智能发展的建议

第一，算法模型的改善，在机器学习的过程中，往往会分为有监督学习、弱监督学习以及无监督学习三个类别。在有监督学习的环节中，主要是依靠现有的训练样本获取一个较优的模型，使用此类模型有利于将多种输入映射视为对应的输出环节，针对此类输出采取较为简单的分析能够展现高效分类，从而也能够获取对未知数规整的效果，此阶段就是在人工智能算法模型处理流程中較为关键的方式。无监督学习在前期缺少多余的训练样本，是直接对数据做以分析，并开展后期的建模处理，以便于可以具备为未知数据的全方位聚类管制，此类模式可以不借助针对训练样本的标注方式，总体的运作可以较为高效和高质量，但是经过后续的长期实验表明，其整体的稳定程度低于监督学习。采用改进算法的形式，配合神经学习网络，强化迁移学习的质量，配合弱监督管制或者是无监督的学习方式分析，增强其具体的运行效果，能够保障小数据小任务能够转换为小数据大任务。第二，在数据的规范化处理中，专家需要具备较为系统和专业的影像术语，以便于可以后期的环节中达成一致的共识，促使人工智能产品自身具备较为系统性的图像描绘语言，可以实现图像标注的理解，完善产品的图像标注方式，培育更多的专业图像管制队伍，保障训练环节中所标注的信息效率，集中整理临床以及实验室检验等环节的数据，以便于可以全方位的增强人工智能产品的运行质量和效率。有关工作人员需要集中整理各项数据和信息，通过整合的处理方式形成较大的数据量，有助于在后续的阶段中能够确保学习人工智能模型的整体开放性效果和多种病种的信息库研究。

第三，需要健全当前的评价管制体系，行业协会需要加强和当地主管部门的有效配合，构建医学影像人工智能软件的专业管制队伍，利用确立模型检验标准信息库的方式，可以调配出相对应的模型评估体制和较为完善的标准，确保整体人工智能产品的运行效率和质量。第四，医学影像因为自身的优势，在当前人工智能的平台建设中需求较多，现阶段在政策、技术以及信息管制上存在较多的优点，但是在实际的运行过程中，涉及到的模型类型较为简单，并且实际的模型效果并不可靠，对于对接临床开放管理的运用过程中存在诸多的阻碍。与此同时，人工智能在当前的医疗行业的商业化运用的环节中，会包含医学的伦理研究、法律法规和多种信息运行稳定等阶段，所以对于后期的标准评算体制、最终审验结果的判断、患者隐私的维护等问题应当开展下一步的分析和了解，部分的环节需要结合实际被不断的完善，以便于实现更高质量的运作。人工智能的运作是建立在当代医学基础需求的前提之下所开展的，因为众多科学前沿的规划和设计，实现较为稳定的成长，需要和当代的医疗环境、医院资源以及医师相紧密联系，保证可以在多个场景的规划中实现对细节的有效规整，展现质量上的进展。

五、结语

医学成像技术广泛应用于人工智能，以改善医学成像数据处理和分析方面也不可避免地影响医疗机构、部门和就业方法，面对人工智能浪潮，医学影像从业人员应改善个人素质，使医学成像技术更贴近未来发展趋势，并将自身转变为复合型人才。

参考文献：

[1]粱振宇，翟艳东.人工智能在医学影像中的应用[J].医学信息学杂志，2019（09）：17-20.