隨著技術(shù)飛速發(fā)展、醫(yī)學(xué)數(shù)據(jù)的持續(xù)擴(kuò)增以及硬件設(shè)備的不斷提升,人工智能和醫(yī)療的結(jié)合方式越來越多樣化。目前AI在醫(yī)療領(lǐng)域中的落地的應(yīng)用場(chǎng)景主要有醫(yī)學(xué)影像、智能診療、智能導(dǎo)診、智能語音、健康管理、病例分析、醫(yī)院管理、新藥研發(fā)和醫(yī)療機(jī)器人等,其中在醫(yī)學(xué)影像中的應(yīng)用最為廣泛。
一、影像醫(yī)學(xué)發(fā)展現(xiàn)狀
醫(yī)學(xué)影像是醫(yī)生完成診斷的主要依據(jù),通過對(duì)影像的分析和比較,從而完成有依據(jù)的診斷。但是在實(shí)際過程中,往往會(huì)存在以下問題:
(1)影像學(xué)診斷人才資源緊缺。醫(yī)療機(jī)構(gòu)普遍缺乏高水平的影像醫(yī)師,在疾病診斷時(shí)往往會(huì)發(fā)生同病異影,異病同影等情況。
(2)傳統(tǒng)定性分析存在診斷誤差。醫(yī)生普遍擅長(zhǎng)定性分析,很多微小的定量變化無法通過肉眼判斷,很難做到定量分析。
(3)醫(yī)生閱片時(shí)間長(zhǎng)。目前的影像呈現(xiàn)方式為數(shù)據(jù)和圖像,而不是最有效的信息,很大程度上限制了醫(yī)生的人工閱片速度。
二、AI+醫(yī)學(xué)影像助力疾病診斷
通過引入人工智能可有效解決部分問題,目前人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用方向主要以下幾類:
1. 影像設(shè)備的圖像重建
AI可以通過算法的圖像映射技術(shù),將采集的少量信號(hào)恢復(fù)出與全采樣圖像同樣質(zhì)量的圖像,而且使用圖像重建技術(shù),可以由低劑量的CT和PET圖像重建得到高劑量質(zhì)量圖像。這樣在滿足臨床診斷需求的同時(shí),還能夠降低輻射的風(fēng)險(xiǎn)。
2. 智能輔助診斷疾病
(1)智能輔助診斷肺部疾病
國(guó)內(nèi)應(yīng)用AI+CT影像最為成熟的領(lǐng)域在肺結(jié)節(jié)的識(shí)別上。AI能夠有效識(shí)別易漏診結(jié)節(jié)比如6mm以下實(shí)性結(jié)節(jié)和磨玻璃結(jié)節(jié),且準(zhǔn)確率在90%左右,同時(shí)能提供結(jié)節(jié)位置、大小、密度和性質(zhì)等。除此之外,能對(duì)肺結(jié)核、氣胸、肺癌等肺部疾病進(jìn)行篩查。
(2)智能輔助診斷眼底疾病
目前應(yīng)用最為廣泛的是篩查糖網(wǎng)病。糖網(wǎng)病是常見的視網(wǎng)膜血管病變,也是糖尿病患者的制藥致盲眼病,早期往往沒有任何臨床癥狀,一旦有癥狀已錯(cuò)過最佳治療時(shí)機(jī)。
我國(guó)糖網(wǎng)病患者約2700萬,隨著人們對(duì)糖網(wǎng)病篩查的重視,眼底讀片需求增加,但從事眼底醫(yī)療服務(wù)和研究人員僅800~100人,醫(yī)療資源嚴(yán)重匱乏,誤診、漏診情況較多。將人工智能應(yīng)用到眼底讀片中,進(jìn)行初步篩查,可大大改善目前糖網(wǎng)病篩查效率。
AI通過對(duì)眼底圖像的深度學(xué)習(xí),可實(shí)現(xiàn)對(duì)部分眼底疾病,除了糖網(wǎng)病,還有青光眼、老年性黃斑變性、白內(nèi)障和黃斑裂孔的診斷。
(3)智能輔助診斷腦部疾病
目前腦部疾病的智能診斷包括腦出血、內(nèi)動(dòng)脈粥樣硬化診斷、顱內(nèi)動(dòng)脈瘤診斷和頸動(dòng)脈易損斑塊評(píng)估等。
其中,腦出血是神經(jīng)內(nèi)外科中高致死致殘率的一種難治性疾病。AI+頭部CT,基于機(jī)器視覺與深度學(xué)習(xí)技術(shù),可以迅速定位腦出血區(qū)域,精確量化出血體積,判斷是否存在腦疝,同時(shí),能以秒級(jí)速度完成專業(yè)要求高、耗費(fèi)時(shí)間長(zhǎng)的影像評(píng)估,協(xié)助醫(yī)生準(zhǔn)確判斷,讓患者第一時(shí)間獲得最優(yōu)治療方案。
(4)智能輔助診斷神經(jīng)系統(tǒng)疾病
AI在神經(jīng)系統(tǒng)疾病里的應(yīng)用主要包括癲癇、阿爾茲海默癥、帕金森病。AI可以將患者的影像數(shù)據(jù)進(jìn)行處理分析,并與正常人群組做統(tǒng)計(jì)比對(duì),從而計(jì)算得到代謝異常的病灶大小、位置等信息,通過認(rèn)知技術(shù),給出治療方案的建議以及治療效果的預(yù)測(cè)。
(5)智能輔助診斷心血管疾病
AI可以在胸部CT數(shù)據(jù)基礎(chǔ)上,利用深度學(xué)習(xí)技術(shù)和圖像處理技術(shù),設(shè)計(jì)特定算法后評(píng)估冠狀動(dòng)脈易損斑塊,進(jìn)行冠心病智能輔助診斷,規(guī)劃支架手術(shù)置入方案等。同時(shí)還可以智能診斷主動(dòng)脈疾病類型、主動(dòng)脈瘤等復(fù)雜疾病。
3. 智能勾畫靶區(qū)
目前,放療是腫瘤病人的主要治療方式之一,而病變器官的正確定位及精準(zhǔn)勾畫是放療的基礎(chǔ)和關(guān)鍵技術(shù)。因此,在放療之前首先需要對(duì)CT圖像上的器官、腫瘤位置進(jìn)行標(biāo)注,按照傳統(tǒng)方法,一般需要耗費(fèi)醫(yī)生3~5個(gè)小時(shí)。
通過應(yīng)用AI技術(shù)可大幅提升效率,AI智能勾畫靶區(qū)的高準(zhǔn)確率能夠很大程度避免由于靶區(qū)勾畫的不準(zhǔn)確導(dǎo)致的無效治療。目前,AI+靶區(qū)勾畫已經(jīng)成功運(yùn)用在肺癌、乳腺癌、鼻咽癌、肝癌、前列腺癌、食管癌和皮膚癌上。
4. 智能判斷病理切片
病理切片的判斷是一項(xiàng)復(fù)雜的工作,往往需要醫(yī)生具有非常豐富的專業(yè)知識(shí)和經(jīng)驗(yàn),而且即使具有專業(yè)經(jīng)驗(yàn)的醫(yī)生,也容易忽略不易察覺的細(xì)節(jié)從而導(dǎo)致診斷的偏差。而將人工智能引入病理病理切片的研究,通過學(xué)習(xí)病理切片細(xì)胞層面的特征,不斷完善病理診斷的知識(shí)體系是解決讀片效率以及診斷準(zhǔn)確值的最好的辦法。
5. 其他智能輔助診斷方案
人工智能在醫(yī)學(xué)影像中的應(yīng)用還包括臟器的三維成像、超聲輔助甲狀腺結(jié)節(jié)、骨齡分析、骨折智能診斷等。
醫(yī)學(xué)影像現(xiàn)已成為人工智能在醫(yī)療領(lǐng)域最熱門的方向,但在實(shí)際應(yīng)用過程中還是存在一定挑戰(zhàn),例如,數(shù)據(jù)獲取及數(shù)據(jù)標(biāo)注問題、缺乏行業(yè)標(biāo)準(zhǔn)、注冊(cè)審批缺乏指導(dǎo)原則、技術(shù)創(chuàng)新問題等等。但隨著AI相關(guān)技術(shù)的不斷發(fā)展,國(guó)家相關(guān)政策的不斷完善,相信AI+醫(yī)學(xué)影像將在未來快速實(shí)現(xiàn)商業(yè)化。(生物谷Bioon.com)