人工智能在医学影像中的应用及面对的机遇和挑战

祝蕾，朱坤福

（1.山东省菏泽市单县终兴镇中心卫生院，山东 菏泽 274300；2.山东省菏泽市单县卫生和计划生育局，山东 菏泽 274300）

0 引言

人们通常将人工智能（artificial intelligence）技术称为AI。作为计算机科学的一个分支，AI技术通过了解智能的实质，生产出一种能以人类相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和智能化系统等。随着关键技术的不断突破，“人工智能+”被运用到很多行业，在医学领域也得到了长足的发展，且投资的热度与日俱增。随着更多资本的注入，“人工智能+”成了该领域的新宠，并逐渐融入医学影像、药物研制、大健康管理等多个体系中。本文主要介绍人工智能在医学影像领域的应用及面对的机遇和挑战[1]。

1 人工智能在医学影像领域的发展机遇

目前，在我国与AI 相关联的企业经营范围主要以医疗影像为主，出现这一局面的主要原因有以下几个方面。

1.1 医疗机构影像数据库需求量增大

人工智能之所以能在很多行业得到推广和应用依靠的是强大的数据存储和分析能力。而在医疗行业中，医学影像产生的数据占比达到了整个行业的半数以上。伴随着医疗水平的不断进步，人口老龄化的速度不断加快，居民的健康管理意识和健康需求都逐渐增强，这也就导致了到医疗机构就医就诊的人数连续增长。在当代医学中，影像数据作为前期诊断和后期疾病治疗的一个重要判断依据，数据总量也随之暴增。有数据显示，自2010 年来，在我国医疗卫生系统内，影像数据的年增长率持续保持在30%左右，在一、二线城市，很多医疗机构的影像数据年储存量已经远远超过了1PB。这是一个十分惊人的数据，而在这数据背后正是一个庞大的市场需求。这也为人工智能与医学影像相结合提供了基础。

1.2 临床需求迫切

当前，绝大部分医疗机构分析影像数据还完全依靠医务人员凭借经验，对患者的病情进行诊断。医疗影像的数据近年来急速增长，而专业化的影像学医务人员年增长率却十分缓慢，这也就给人工分析影像数据带来了巨大的压力和挑战。尤其是二、三线城市的很多医疗机构，影像门类的医务人员更加匮乏，在这一环境下，仅有的影像学医务人员就要进行超负荷工作，造成医疗资源的严重不匹配。而“AI+医学影像”这一概念的提出和应用，有望解决上述难题，其可以通过强大的数据存储能力和超强的算法能力，有效减轻医务工作人员的负担，同时也能在一定程度上提高医学诊断的效率和精准度[2]。

1.3 AI技术日趋成熟

在人工智能这一技术诞生前期，整条产业链还不完善，软件及硬件设施都不成熟，算法也容易出现偏差，因此，这一技术并未得到广泛推广和应用。然而，近年来，随着大数据时代来临，在软硬件条件日益完善成熟的基础上，人工智能的数据库存储空间逐渐增加，云计算的数据分析判断能力及精准度也得到提高；尤其是图像识别系统、深度学习功能等技术都获得了巨大的突破，为医学影像应用到各个领域奠定了基础。所以，那些有条件的医疗机构在运用人工智能的过程中偏向于辅助诊断，多将这一技术运用到影像学、皮肤病学等相关领域。

1.4 政府大力支持

近年来，“人工智能+医学”的模式也逐渐得到了国家的认同和支持，2017 年国务院印发的《新一代人工智能发展规划》，就明确指出了我国智能医疗今后的发展方向，其主要内容包含了人工智能的推广和应用，“人工智能+医疗”的新模式，建立智能化的医疗新体系，开发智能手术机器人、智能一体化诊断助手等。2017 年，科技部公布的首批4 家国家新一代人工智能开放创新平台名单显示，国家将依托腾讯公司建设医疗影像新一代人工智能开放创新平台 。政府对“人工智能+医疗”的重视程度、强大的支持力度，为人工智能在医学领域的发展提供了动力和保障。

2 人工智能在医学影像分析中的主要应用

目前，在“AI+医学影像”领域，图像识别与深度学习功能运用最为成熟，这两项功能基本实现了利用设计好的程序进行自动探查并生成图像，其优势主要表现在以下方面。

2.1 协助计算机展开工作

计算机的出现极大地解放了人类的双手，做到从人脑到“机脑”的延伸，其运算速度快，且结果精准，并在很多领域发挥了巨大的作用。人工智能也是计算机时代的一个重要产物，“人工智能+医学影像”的应用更是要在计算机的辅助下才能完成。信息时代，医学信息的传递主要是通过计算机完成的，人工智能和医学影像的有机结合，有助于计算机在医学领域开展多元化、系统化的工作。近年来，在医学专家和计算机专家的共同努力下，计算机视觉系统、AI 图像处理等先进技术不断出现并应用到医学领域，这些技术的出现在就诊过程中可以更好地帮助医生探寻病患的病因，大大提高了前期诊断的准确率[3]。

2.2 影像组学

2012 年，影像组学这一概念首次被提出。其主要指利用大数据的海量储存及处理功能，对所需专业信息进行深层次的筛选、确认、剖析，最终找到最有价值的数据，并利用这些数据应用到医学检测中，提高医学判断的准确性，对下一步的治疗提供一个有效参考。

影像组学在应用中共分为5 个部分进行：①利用CT、PET 等技术得到相对应的图像；②将所得图像分割，得到多个区域块；③标注出存在疑问的区域块，并对其进行提取；④将标注出的疑问区域块进行汇总并分析；⑤通过计算机技术完成影像组学的评估，搭建分类模型。

影像组学的出现是对之前医学模式的一种新的尝试和突破，提供了大量的有效信息，利用到更多的医学领域，能较好地对疑似病患部位进行精准探查，为医生的诊断提供重要的参考依据，其将反馈的重要信息储存在数据库中，可以成为医学诊断的一笔宝贵财富。

2.3 影像基因组学

伴随着社会的不断发展，各项医学技术难题逐渐被攻克，并在高效化的医疗过程中出现了影像基因组学这项技术。传统的基因检测往往都是活体检测，容易引起被检者机体的不良反应[4]。相对于传统的基因检测模式，医学影像作用在被检者机体上的负面影响几乎可以忽略，同时还提高了检测的准确率，目前来说是生物医学中前景较为广阔的研究方向之一。

3 人工智能医学影像应用的挑战

虽然将AI 技术应用到医学影像领域能让诊断变得更加精准、高效，但是在其他层面却面临着严峻的挑战。

3.1 数据质量问题

在“人工智能+医学”领域，智能模型学习结果的一个重要决定因素就是数据的质量。影像数据是否标准、数据标注是否规范都将直接影响到人工智能在医学领域的发展和医生对患者病情的初步判断。虽然国内的部分医疗机构在运行中积累了大量的影像数据，但是由于缺乏系统的管理和统一的标准，在这些图像的质量和格式上并没有做到有机统一，就会出现管理和研究上的混乱。在供应渠道，由于不同厂家、不同批次的影像设备在图像的质量、扫描的层次以及成像的深度上都会存在差异，就很容易导致影像数据的不精确、形成的图片在质量上存在较大的差异。

不仅如此，在一些医疗机构中，影像数据在解读的过程中，需要经验丰富的医生对其标注之后才能由机器学习。在这一过程中需要耗费大量的精力和时间，这也就导致了在数据库中，高标准的数据资料十分有限；加之医疗机构之间在影像数据管理上的标准不统一，共享性和相互交流程度低，所以，在众多医疗机构中真正意义上的优质医疗数据少之又少。

在人工智能市场上，很多企业拥有的数据往往都是取自于一些公开的数据以及自筹自建的小型数据库，数据量较少，且很多影像资料存在质量差、标注不明显、不规范等突出问题。这些内在因素对机器学习的准确性和普适性造成严重的影响。所以，要想发展“AI+医学影像”，必须将图像的数据进行规范和执行统一标准。

3.2 机器性能问题

现阶段，在“AI+医疗”的开发和研究上，我国还处于初级阶段。虽然在一些实验中，被研究的课题或者实验产品取得了一定的成效，但是这些产品都是建立在公开数据基础之上的，并不能真实、有效地反映出复杂的临床环境，一旦试用到临床上，就很难保持数据的稳定性和准确性。通常的表现为误标、漏标和重复标记，这种情况出现之后，非但不能提升医生的诊断效果和缩短诊断时间，还会因为反复检查、标记而浪费更多的时间。因为一些关键技术还未发展成熟，导致设备的性能不太稳定，即便是同一个模型适配到不同地区的医疗机构，都有可能出现数据的偏差，还需要工作人员对设备进行调整[5]。

当前，“AI+医学影像”此类产品在单病种方向取得的效果较为明显且发展迅速，比如在眼病、骨病、颈腰疾病及一些基础的检测领域都取得了较为客观的成绩。但是在处理临床表现较为复杂的病种时，却面临严峻的考验，如仅在胸部CT 检查中，就有肺结节、肺炎、支气管发炎、肺部癌变等多种疾病造成的“同病异影、异病同影”现象发生，仅凭AI 技术分析，很难做出准确判断。这些情况的出现，在一定程度上打消了阅片医师对应用AI 技术的积极性。

3.3 责任划分问题

传统的诊断过程只在医生跟患者之间进行，但是随着人工智能的参与，就打破了这种平衡关系，人工智能承担了医生的部分工作，在医患关系中也就多出了人工智能系统和其背后的设计师、生产厂家，并由此带来了一系列的责任划分不明确的问题。

在医生给患者诊疗的过程中，一旦出现了诊断失误等医疗事故，或者在治疗过程中因为机器或系统发生故障，给病患带来生理及心理伤害时，其责任具体应该由哪一方负责，成了困扰大家的难题。

伴随着AI 技术的不断发展和进步，今后“AI+医学”在应用中会越来越广泛，也会承担更多的功能和责任，所以，加强医务工作者的责任意识和风险防控意识势在必行，不仅要确保患者的身心健康，还要维护自身及公众的健康权益。一些专家认为，人工智能仅仅是一项技术或者产品，其本身并不具备思考能力，因此也就没有承担风险的义务和能力。所以，目前对责任的划定主要从以下两个方面考虑，发生医疗事故，经过专业机构检测，如果是因为机器的质量问题引起的损失，则由设计制造厂家负责；其他医疗事故则由主治医师及医院承担责任。因此，在诊断过程中，医生要加强责任意识，依靠专业手段和科学判断，做好把关作用，尽量避免事故的发生。

随着我国综合国力的不断增强，国家十分重视AI技术和医学影像技术的发展，并将该项技术提升到国家战略的层面，因此，“AI+医学影像”技术在我国得到了迅速发展，且具有较大的发展空间。从当前的形势来看，“AI+医学影像”的发展前景较好，在国家政策的扶持下，无论是医疗机构还是医务工作者除了享受到科技发展的红利之外，还要去迎接更多新的挑战。

4 结论

从目前来看，“AI+医学影像”应用到诊断过程中依然处于初级探索阶段，虽然只是用其来做一些简单、重复的数据分析等工作，但是我们有理由相信，通过科研人员与医学专家的共同努力，未来人工智能一定会更好地融入医学的各个领域，并以此为契机，将医疗水平提高一个层次[6]。同时，也要清醒地认识到，这条道路并不是一帆风顺的，我们还需要面对技术、伦理等方面的制约和挑战。这也就需要与之相关的诸多部门高度重视，不断强化团队的综合水平和素质，制定明确的方法，用以规避发展过程中带来的风险等问题。