影像检查中的“科技帮手”

张仲伟、李昊健 上海交通大学医学院附属瑞金医院放射科

陈克敏 上海交通大学医学院附属瑞金医院手术室

人工智能作为计算机科学的一个重要分支，全面渗透到了生活、工作与交往等方面，为生活提供了多种便利。基于人工神经网络，人工智能在医学影像检查中提供有价值的临床和科研数据，广泛应用于疾病辅助诊断、提高图像质量、提高精准治疗方案以及减少电离辐射、医疗成本等方面。

提高肿瘤早期确诊率

在医学影像诊断，人工智能开发和应用最广泛的是肺结节人工智能，主要是肺结节的检出和危险度提示。在国内大中型城市中，只要配有计算机断层扫描机（CT）的医院，基本上都配置有肺结节人工智能软件。部分肺结节是肿瘤的早期病变，随着胸部CT，特别是低剂量CT 的广泛应用，肺结节的筛查和随访成为可能，从而大大提高了肺肿瘤的早期发现。人工智能会将检出的肺结节划分为高风险、中风险和低风险，这样不仅可以减少过多的CT 复查所导致的射线剂量，还减少了体检者的焦虑。但需要注意的是，肺结节人工智能结果还需要经放射科医生研判，以防漏诊纵隔的病变、肺门的病变及胸壁软组织、骨骼和上腹部、颈部的其他病变，必要时可行规范抗炎治疗后复查。

除此之外，人工智能还被应用于女性的乳腺影像检查。影像学检查是实现乳腺肿瘤早发现和早治疗的主要手段。钼靶X 线检查简便无创，但是高密度腺体里的肿块不容易被发现，可以形象地比喻为雾里看花、绵里藏针，而且亚洲女性致密型腺体比例较高，容易产生误诊漏诊。数字乳腺断层图像和乳腺动态增强磁共振成像虽然有助于诊断，但是阅读图像的时间是普通钼靶图像的数倍。这样长时间、高强度阅片难免引起医生视觉和心理疲劳，反而导致漏诊，还降低了工作效率。基于深度学习算法的人工智能目前主要于乳腺钼靶的分析，对磁共振和数字乳腺断层图像的研究相对较少。钼靶人工智能在乳腺肿块检测和钙化检测方面可以达到90%以上的准确性；在病灶的良恶性判定上，新一代人工智能模型能达到87%的灵敏度和90%以上的特异度。

人工智能还有助于鉴别肿块型自身免疫性胰腺炎与胰腺导管癌。同时，人工智能还可协助医生提高对前列腺癌的检出。

识别骨折测骨龄

人工智能在人体骨肌系统问题的判断中也立下了“功劳”。人体中肋骨的肋弓和前肋部位较容易发生骨折，如果牵涉到互殴或交通事故，需要通过影像检查判断肋骨是否骨折、断了几根肋骨，此判定结果会直接影响到赔偿情况。此时，人工智能发挥了重要作用，减少了肋骨漏诊的发生和诊断所需的时间。

除了识别骨折，人工智能在骨肌系统的应用还包括疾病的诊断和分类、骨质疏松分析、疾病预后和术后疗效评估等方面。目前，人工智能的大多数研究着重于术前诊断和分级，便于临床更好地制订治疗方案和手术路径。

在儿童生长发育中，骨龄评估是非常有用的。在一般临床工作中大多采用图谱法，就是根据左手和左腕的正位片的骨化中心出现以及形态变化进行分析，估算出骨龄提前或者延迟。由于不同阅片医生的经验和水平，以及放射科医生和儿科医生之间的阅片习惯差异，判定的结果不尽相同。基于此类问题，人工智能能够提供相对稳定和快速的骨龄结果，只要扫描图像，输入年龄和性别，十几秒钟就可以得到结果。如果再输入更多的临床信息，包括父母身高、激素数值和发育情况等，人工智能还可预测将来的身高，对于发现体育苗子很关键。

协助发现脑部疾病

脑血管疾病主要分为缺血性和出血性两类，利用人工智能不仅可以检测和分割脑卒中的梗死灶或出血灶，还可分析病情分级和预后转归，从而降低脑卒中的发病率和死亡率。在脑肿瘤中，成人最常见的是脑膜瘤，第二位是胶质瘤。人工智能基于深度学习，在脑膜瘤自动检测、分割和分级方面准确可靠。有研究团队利用人工智能分析脑肿瘤磁共振图像，对胶质母细胞瘤与脑淋巴瘤鉴别时，精确度可达0.899。国外研究者使用人工智能勾画放疗靶区与基于磁共振波谱成像的代谢靶区匹配度很高，因此人工智能在放疗靶区勾画方面具有广泛应用前景。在中枢神经系统退行性疾病的影像诊断，目前人工智能主要用于帕金森病和阿尔茨海默病。

帕金森病患者的数量在中国不断增加，早期诊断和干预帕金森病有利于减缓病情进展并且改善患者生活质量。有学者的研究结果表明，基于深度学习的人工智能可作为帕金森病早期筛查工具。