AI医学影像

陈麒宇 刘彩霞

摘要：人工智能在医学影像领域的发展前景以及潜力是显而易见的。一方面人工智能在发现病变方面是大有作为的;另一方面人工智能在医疗影像设备、影像诊断及其智能服务等诸多方面有着明显的优势。目前，越来越多的学术研究及演讲都在积极讨论人工智能在医学影像中的应用与挑战。本文章从不同角度展示了AI医学影像发展前景、目标，并对出现的问题进行了分析。

关键词：人工智能，医学影像

引言

在21世纪全新的社会环境中，如何跟进技术变迁和行业发展大趋势以及AI医学影像的学术研究与产业进一步突围，对于AI医学影像新模式的探索，都是挑战。在过去的几年里，技术、标准化和可用性有了巨大的飞跃，使医学影像成为人工智能最有吸引的应用领域之一[1]。

1.AI概念及AI医学影像简介

1.1AI概念

AI脱离了人类控制与干预的自主性，是其与传统技术相比的根本区别所在，这一属性也赋予了其代替人类独立完成创造性工作的能力[2]。人工智能是包括十分广泛的科学，它由不同的领域组成，如指纹识别，人脸识别，视网膜识别，语言和图像理解等，在医疗应用方面，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。

1.2 AI医学影像简介

AI医学影像是为了辅助诊断、医疗状况或检测某一部位而对人体进行观察的不同类型的技术。在医学图像辅助诊疗领域，计算机对图像的识别准确率可以达到 90% 乃至接近99%，所以人工智能医疗影像可以帮助解决当前医院影像科医生数量不足，漏诊、误诊率高，读片效率低、耗时长的问题。

2.AI医学影像的影响

内在需求中，可以看到医学影像学作为数字化医疗时代发展的代表学科，以高分辨薄层扫描、多模态成像为特点的影像设备和技术的飞跃发展，影像数据以每年30%的速度增长，占医院数字化数据的90%[3]。

“AI+远程医学影像”对解决基层医院的会诊率低以及二三级医院就诊压力大的现象有着重要影响，通过基层医院与更高一层医院远程影像会诊，配合大数据和人工智能阅片，给人们提供更大的便利。

3.AI医学影像的应用

3.1辅助诊断疾病

在辅助诊断肺部、眼底、脑部、神经系统、心血管等疾病方面可以更有效解决部分问题。AI能有效识别易漏诊结节，能对肺结核、气胸、肺癌等疾病进行较为准确的筛查;如对肺癌筛查来说，医师的阅片量太大，并且当肺小结节<3 mm时更加耗时费力，更容易漏诊，该阅片模式加重了医师的工作负担[4]在医疗资源严重匮乏，误诊、漏诊情况较多的情况下，可以大大改善如糖网病筛查效率;AI可以迅速定位脑出血部位，简化确诊步骤，协助医生完成专业性要求高、耗费时间长的影响评估的判断，让患者第一时间获得最优化治疗方案;智能诊断主动脉疾病类型、主动脉瘤等复杂疾病。

3.2 AI医学影像技术在影像诊断中的临床运用体现

AI技术在临床诊断中应用非常广泛，其主要在为临床试验匹配研究员与病人，为制药企业提供临床数据等方面具有重要的临床价值。

3.3智能辅助诊断方案的其他应用

脏器的三维成像、超声辅助甲状腺结节等。

4.AI医学影像存在的难题

AI医学影像在算法、算力、和数据三核心要素需要得到快速提升，数据的增长、运算力的提升和深度学习算法的优化必须得到改进。临床验证没有规范性的方法，验证方式没得到统一;数据的使用权、使用伦理、安全性;人才缺失、数据库的建立和商业化落地等是限制AI医学影像发展的几大限制因素。33.97%的人认为：本模式如果误诊，医生“应负相同责任”[5]。

4.1分析数据的局限性

医学影像数据实际上是报告加影像，单单分析影像本身还不够，更重要的是对应的诊断报告加以分析，这是AI所难以做到的，由于影像诊断医生的个人习惯、执业医院的不同教育背景等因素导致了不同地区不同医院的影响报告不同标准的情况。

4.2数据获取与标注的困难

尽管AI在一定程度上能够减轻医生的工作量，还能提高医生的诊断准确率，但对于医疗机构来说，这并不是刚需，具体的付费主体、应用场景等问题仍需多方探索[6]。医院之间的数据共享和互通程度较低，获得大规模的数据对业内公司是一个较大的考验;数据标注将耗费较大的人力和时间，在医疗影像获取具有高可靠性的数据标注成为较大的挑战。

4.3学科人才的选拔

领域人才不仅要研究人工智能算法，更要对医疗影像识别建立深入了解，AI+医学影像的复合型背景人才的培养与选拔成为问题。

5结论

总之，AI医学影像这一模式有着广阔的发展前景，在辅助诊断疾病、提高诊断水平，提升诊断效率方面尤其凸显;但距全面落实各医院、规范化应用诊断仍然还需很大的努力，相信AI医学影像定会为人工智能医疗做出最重要贡献。

参考文献

[1]Sollini Martina，Bartoli Francesco，Marciano Andrea，Zanca Roberta，Slart Riemer H. J. A.，Erba Paola A.. Artificial intelligence and hybrid imaging： the best match for personalized medicine in oncology[J]. European Journal of Hybrid Imaging，2020，4（1）.

[2]Matthew U. Scherer. Regulating Artificial Intelligence Systems：Risks， Challenges，Competencies， and Strateg ie Harv， J. L.& Tech. 29，no.2 （2016）：363-369.

[3]金征宇. 前景與挑战：当医学影像遇见人工智能 [J]. 协和医学杂志， 2018， 1： 2-4.

[4]Ciompi F， Chung K， van Riel SJ，et al.Towards automatic pulmonary nodule management in lung cancer screening with deep learning[J].Sci Rep，2017，7：46479.

[5]刘志鹏， 侯瑞刚， 李雯等. AI医学影像学诊断新模式前景的调查研究[J]. 山东医学高等专科学校学报， 2020， 第42卷（3）：224-226.

[6]许婧. AI医学影像成中国人工智能医疗最成熟领域[J]. 现代养生（下半月）， 2019， （1）：10-11.

作者简介：陈麒宇，男，汉族，山东省淄博市;刘彩霞，女，汉族，甘肃省张掖市，学士学位，山东协和学院助教，为本文指导老师。

（山东协和学院 山东 济南 250109）