隨著技術飛速發(fā)展、醫(yī)學數(shù)據(jù)的持續(xù)擴增以及硬件設備的不斷提升,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)療領域中的落地的應用場景主要有醫(yī)學影像、智能診療、智能導診、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)療機器人等,其中在醫(yī)學影像中的應用最為廣泛。
一、影像醫(yī)學發(fā)展現(xiàn)狀
醫(yī)學影像是醫(yī)生完成診斷的主要依據(jù),通過對影像的分析和比較,從而完成有依據(jù)的診斷。但是在實際過程中,往往會存在以下問題:
(1)影像學診斷人才資源緊缺。醫(yī)療機構(gòu)普遍缺乏高水平的影像醫(yī)師,在疾病診斷時往往會發(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)生閱片時間長。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)學影像領域的應用方向主要以下幾類:
1. 影像設備的圖像重建
AI可以通過算法的圖像映射技術,將采集的少量信號恢復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,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,還能夠降低輻射的風險。
2. 智能輔助診斷疾病
(1)智能輔助診斷肺部疾病
國內(nèi)應用AI+CT影像最為成熟的領域在肺結(jié)節(jié)的識別上。AI能夠有效識別易漏診結(jié)節(jié)比如6mm以下實性結(jié)節(jié)和磨玻璃結(jié)節(jié),且準確率在90%左右,同時能提供結(jié)節(jié)位置、大小、密度和性質(zhì)等。除此之外,能對肺結(jié)核、氣胸、肺癌等肺部疾病進行篩查。
(2)智能輔助診斷眼底疾病
目前應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,一旦有癥狀已錯過最佳治療時機。
我國糖網(wǎng)病患者約2700萬,隨著人們對糖網(wǎng)病篩查的重視,眼底讀片需求增加,但從事眼底醫(yī)療服務和研究人員僅800~100人,醫(yī)療資源嚴重匱乏,誤診、漏診情況較多。將人工智能應用到眼底讀片中,進行初步篩查,可大大改善目前糖網(wǎng)病篩查效率。
AI通過對眼底圖像的深度學習,可實現(xiàn)對部分眼底疾病,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)動脈粥樣硬化診斷、顱內(nèi)動脈瘤診斷和頸動脈易損斑塊評估等。
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,基于機器視覺與深度學習技術,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,能以秒級速度完成專業(yè)要求高、耗費時間長的影像評估,協(xié)助醫(yī)生準確判斷,讓患者第一時間獲得最優(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)進行處理分析,并與正常人群組做統(tǒng)計比對,從而計算得到代謝異常的病灶大小、位置等信息,通過認知技術,給出治療方案的建議以及治療效果的預測。
(5)智能輔助診斷心血管疾病
AI可以在胸部CT數(shù)據(jù)基礎上,利用深度學習技術和圖像處理技術,設計特定算法后評估冠狀動脈易損斑塊,進行冠心病智能輔助診斷,規(guī)劃支架手術置入方案等。同時還可以智能診斷主動脈疾病類型、主動脈瘤等復雜疾病。
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勾畫是放療的基礎和關鍵技術。因此,在放療之前首先需要對CT圖像上的器官、腫瘤位置進行標注,按照傳統(tǒng)方法,一般需要耗費醫(yī)生3~5個小時。
通過應用AI技術可大幅提升效率,AI智能勾畫靶區(qū)的高準確率能夠很大程度避免由于靶區(qū)勾畫的不準確導致的無效治療。目前,AI+靶區(qū)勾畫已經(jīng)成功運用在肺癌、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復雜的工作,往往需要醫(yī)生具有非常豐富的專業(yè)知識和經(jīng)驗,而且即使具有專業(yè)經(jīng)驗的醫(yī)生,也容易忽略不易察覺的細節(jié)從而導致診斷的偏差。而將人工智能引入病理病理切片的研究,通過學習病理切片細胞層面的特征,不斷完善病理診斷的知識體系是解決讀片效率以及診斷準確值的最好的辦法。
5. 其他智能輔助診斷方案
人工智能在醫(yī)學影像中的應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)學影像現(xiàn)已成為人工智能在醫(yī)療領域最熱門的方向,但在實際應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)標注問題、缺乏行業(yè)標準、注冊審批缺乏指導原則、技術創(chuàng)新問題等等。但隨著AI相關技術的不斷發(fā)展,國家相關政策的不斷完善,相信AI+醫(yī)學影像將在未來快速實現(xiàn)商業(yè)化。(生物谷Bioon.com)