人工智能用于医学影像学基础研究态势

陈 娟，张 婷，卢 岩，严 舒，徐东紫，欧阳昭连

(中国医学科学院医学信息研究所，北京 100020)

以人工智能为核心的信息技术革命正成为传统行业转型升级的重要驱动力。在医疗领域，人工智能技术有助于解决医疗资源短缺、分配不均、医患关系紧张等问题[1-2]。近年来，将人工智能用于医学影像学的研究迅速增多，并已针对部分疾病实现临床应用。本研究将基于科技论文分析主要国家在推动将人工智能技术用于医学影像学的基础研究态势。

1 检索策略

于Web of Science数据库中检索人工智能应用于医学影像学的相关文献，检索策略为文章题目、摘要或关键词中包括人工智能和医学影像学研究，人工智能相关检索词包括人工智能、机器学习、深度学习、神经网络、算法、数据挖掘、知识发现、特征提取和自然语言处理等人工智能所涉关键技术及其变体，检索时间为2020年1月9日，文献类型限定为Article或Proceeding paper，未纳入会议摘要，文献语言限定为英语。

以2009年1月1日—2020年1月9日发表的论文为分析集进行分析，具体分析内容包括：①历年论文数量变化情况；②统计论文数量、总被引频次和篇均被引频次；③基于国家字段的合作者分析展示国际合作情况；④基于高频词聚类分析展示全球研究热点。

图1 人工智能用于医学影像学研究相关论文的年度分布 注：检索日期为2020年1月9日，含合作发文；由于数据库收录存在延迟，2019年数据不全

表1 发表人工智能用于医学影像学研究论文数量排名前10位国家

2 发文概况

共检出将人工智能用于医学影像学的相关论文26 449篇，其中2009年1月1日—2020年1月9日文献19 886篇，占75.19%；20世纪80年代共计发表4篇，90年代中后期开始文章发表数量逐渐增多，近十年增长明显，复合增长率11.43%，见图1。

3 各国发文分析

3.1 发文数量 2009年1月1日—2020年1月9日，发表人工智能用于医学影像学研究论文数量排名前5位的国家依次为美国(5 038篇)、中国(4 237篇)、印度(2 702篇)、德国(1 125篇)和英国(1 110篇)，见表1。

3.2 发文影响力 总被引频次排名前5位的国家依次是美国(78 231次)、中国(25 997次)、英国(16 145次)、德国(15 026次)和印度(11 088次)；前5位篇均被引频次以美国(15.53次)最高，英国(14.55次)和德国(13.36次)次之，中国(6.14次)和印度(4.10次)较低。

4 机构发文分析

4.1 发文数量 41家机构发表人工智能用于医学影像学研究论文总量超过100篇，其中美国18家、中国6家、德国4家，其他国家均少于3家。发文量排名靠前的机构包括加州大学、哈佛大学、中国科学院等高校和科研院为主，还包括美国通用电气公司、德国西门子公司和荷兰飞利浦公司三大医疗器械公司等，见表2。

4.2 发文影响力 总被引频次排名前5位的机构依次是美国哈佛大学(9 944次)和加州大学(8 274次)、英国伦敦大学(5 799次)、美国斯坦福大学(5 325次)和法国中央国家科学研究中心(4 342次)。总被引频次排名前10位机构中，美国占7家，英国、法国及德国机构各1家，无中国机构。美国18家机构总被引频次均值 3 608次，篇均被引频次19.28次/篇。中国6家机构总被引频次均值1 133次，篇均被引频次为6.72次/篇。

5 国际合作分析

在将人工智能用于医学影像学研究的国际合作方面，美国与其他国家合作最频繁，共计合作2 791次，中国、英国、德国和印度分别与其他国家合作1 480次、1 145次915次和488次。其中，美国与中国合作最多(698次)，与德国、加拿大、英国、印度、法国、意大利等国家合作次数均超过100次。中国与美国合作最多(698次)，与其他国家合作均不足100次。与中国类似，印度与美国合作密切(103次)，与其他国家合作较少。除与美国合作，德国及英国亦与欧洲其他国家合作密切(图2)。

6 研究热点分析

将人工智能应于医学影像学的研究热点主要包括两方面，其一为肿瘤及脑部疾病诊断及预测模型构建，代表性关键词包括阿尔茨海默病、前列腺癌、肺癌、预测、X线断层摄影、MRI、CT、配准、重建、降维、噪音及追踪等；另一方面则为基于上述模型的技术实现研究，代表性关键词包括深度学习、特征提取、支持向量机、卷积神经网络、分类器和过滤等(图3)。

表2 发表人工智能用于医学影像学研究论文数量超过100篇的机构

7 发展趋势

过去数十年，X线、CT、MRI、PET及超声等医学成像技术广泛用于诊断疾病，但大多依赖影像科医师人工解读图像。随着图像分割、图像配准、图像融合、病变标记等技术的不断进步，深度学习算法逐渐成熟，大批量可供机器学习的医学图像逐渐积累，影像学诊断将在人工智能辅助下变得更为准确，未来人工智能辅助预测疾病风险、评估治疗效果及预后亦逐渐用于临床[3-4]。在医学影像学领域应用人工智能技术将有助于解决医疗人力资源短缺和分布不均的问题，但机器失误带来的伦理问题、医疗行业人员对该技术的支持程度及数据资源的隐私性将可能是该领域所面临的挑战[5]。

美国于2016年陆续发布了《为未来人工智能做好准备》、《国家人工智能研发战略计划》及《人工智能、自动化及经济》等文件，于国家层面对人工智能技术进行战略布局[6-7]。美国有多所世界名校，在医学基础研究、IT基础研究和应用研究方面均走在世界前列，其相对完善的健康医疗信息登记系统提供了丰富的数据资源，使其在将人工智能用于医学影像学研究方面，无论是规模还是成果影响力均处于领先地位。美国食品药品监督管理局已批准QuantX乳腺癌诊断系统、ContaCT脑卒中辅助检测系统、IDx-DR视网膜照相筛查系统、OSteoDetect骨折检测系统等十余个产品[8]，以推动人工智能技术用于临床。

我国在医疗人工智能布局与顶层设计方面也行动较快，2016年发布的《“十三五”国家科技创新规划》和《“十三五”卫生与健康科技创新专项规划》将人工智能列为前沿领域，2017年国务院颁发了《新一代人工智能发展规划》。目前我国在研究规模方面与美国接近，但研究成果的影响力偏弱；开展相关研究的机构众多，但成果分散，缺乏影响力突出机构。我国对人工智能在医学影像学中的应用寄予厚望，并因拥有大量数据资源而呈现出蓬勃发展态势，但在核心技术、技术框架、计算环境等方面还存在差距[9]。为推动人工智能技术应用于临床，我国现已建成审评所需眼底影像和肺部影像数据库，人工智能骨龄测评系统、肺结节辅助诊断系统等均处于研究中[10-12]。

图2 将人工智能用于医学影像学研究的全球国际合作情况 注：圆球体积代表论文数量，弧线直径代表合作次数

图3 全球人工智能用于医学影像学研究热点 注：系针对词频≥80且相关系数排前60%的106个关键词行聚类分析的结果；tomography：断层扫描；reconstruction：重建；disease：疾病；registration：配准；alzheimer：阿尔茨海默病；reduction：降维；resolution：分辨率；radiotherapy：放疗；tracking：追踪；noise：噪音；angiography：血管造影；prediction：预测；deep learning：深度学习；feature extraction：特征提取；features：特征；medical image：医学图像；pattern：模式；filter：过滤器；diabetic retinopathy：糖尿病性视网膜病变

欧洲各国在推动人工智能应用于医学影像学方面落后于美国和中国，表现最强的德国和英国均与美国及中国差距较大。欧洲在该领域研究布局行动较晚，对于人工智能技术用于医疗领域可能带来的伦理挑战和数据安全问题更为关注[13]。随着人工智能技术的应用潜力逐渐受到认可，近年欧洲各国也开始在宏观层面进行产业布局，如在“地平线2020”计划中设立人工智能项目、计划建设欧洲人工智能平台等[14]。

此外，德国西门子、荷兰飞利浦和美国通用电气公司三大医疗设备巨头在将人工智能用于医学影像学基础研究规模方面跻身全球前列，主要得益于其在医学影像学领域的先天优势，同时也反映出在推动新兴技术为传统行业赋能方面，传统行业巨头发挥着不可替代的作用。

近十年人工智能用于医学影像学基础研究活跃，超过70%的成果出现于此阶段。美国在此领域引领全球发展，且领先优势明显，其他国家相比之下研究规模尚小。我国基础研究规模大但成果影响力相对较弱，改进核心技术、提高研究成果影响力应作为今后我国相关领域重点努力方向。