吉 浩 曾凡榮 趙亞妮 謝穎夫
(云南省第一人民醫(yī)院信息科、昆明理工大學附屬醫(yī)院,云南昆明 650034)
現代醫(yī)學是建立在實驗基礎上的循證醫(yī)學,這就使得影像屬于現代醫(yī)學最為重要的診斷依據,可以說80%~90%的醫(yī)療行業(yè)數據源于醫(yī)療影像,而對于本文開展的研究來說,人工智能在醫(yī)療影像診斷領域的應用主要是通過深度學習實現影像的分類、目標的檢測、圖像的分割和檢索,而為了更深入了解這一應用,正是本文就人工智能在醫(yī)療影像診斷領域開展具體研究的原因所在。
結合國內外人工智能領域發(fā)展現狀,本文認為人工智能參與醫(yī)療影像診斷的方式可以概括為影像分類、目標檢測、圖像分割、影像檢索共四方面,由此智能技術支持下的醫(yī)療影像類型分類、目標區(qū)域/病灶分類、病灶檢測、器官與組織標記定位、器官解剖結構區(qū)域分割、病灶區(qū)域分割、基于內容的影像檢索即可較好實現,由此可見人工智能參與醫(yī)療影像診斷的價值。
為了更直觀說明人工智能在醫(yī)療影像診斷領域的工作模式,本文選擇了肝部疾病篩查作為研究對象,具體工作流程如下:(1)獲取帶標注的醫(yī)學影像樣本。在應用人工智能開展的肝部疾病篩查中,首先需要獲取大量帶標注醫(yī)學影像樣本,由此相關學習算法才能夠找到肝部疾病篩查的關鍵點,如靠近肝臟的點。(2)設定初始化模型。結合上一步驟得到的關鍵點,即可結合肝的形狀鮮艷模型設定初始化模型。(3)機器學習。結合初始化模型,可通過機器學習不斷完善模型形狀特征,不斷逼近邊界信息最終便能夠獲得高質量的分割與篩查結果,人工智能的應用依據也將由此獲得。(4)病理圖像分析。機器學習環(huán)節(jié)能夠實現肝部的分割和病變標記,但并不足以判定肝部疾病,因此需要進一步開展病理圖像分析,這一分析需要得到神經網絡和深度學習算法的支持,由此人工智能系統(tǒng)能夠擁有識別病變細胞特征的能力,人工智能支持下的病理圖像分析也才能夠在較短時間內為醫(yī)生提供價值較高的輔助判斷依據[1]。
對于人工智能在醫(yī)療影像診斷領域的應用來說,這一應用帶來的改變主要體現在閱片方式、閱片時間、準確率三個層面,具體改變內容如下所示:(1)閱片方式變化:人工智能在該領域的應用則能夠實現機器自動完成初步篩選、判斷,醫(yī)生只需要負責最后的判斷即可完成閱片。(2)閱片時間變化:人工智能能夠快速完成初篩,醫(yī)生只需要負責關鍵部位的判斷,閱片時間將由此大幅縮短。(3)準確率變化:人工智能具備全面性和穩(wěn)定性兩方面特點,全面性特點能夠做到完整觀察切片而無遺漏,穩(wěn)定性特點則能夠做到不受疲勞狀態(tài)影響,由此閱片的準確率將得到有力保障。
糖尿病性視網膜病變屬于常見的視網膜血管病變,但由于長期以來我國存在眼科醫(yī)生匱乏、居民重視程度不高情況,這就使得我國糖網病篩查比例長期低于10%,這種情況的出現與糖網病患者基數大、眼科領域眼底讀片需求不斷增加、眼底讀片醫(yī)生培訓較慢等情況存在較為緊密聯(lián)系。
智能靶區(qū)勾畫成為了近年來人工智能的研究熱點。作為最主流的腫瘤治療方式之一,腫瘤病人的CT圖像勾畫往往需要消耗大量時間,傳統(tǒng)方法下醫(yī)生多需要應用3~5 h進行靶區(qū)勾畫,隨之開展的照射方案或手術方案設計同樣需要消耗大量時間,而這一系列過程隨著病人的病情變化將不斷循環(huán),大量的醫(yī)療資源因此浪費。事實上,靶區(qū)勾畫涉及大量勞動密集型工作,而這類工作正是人工智能的專長,因此近年來學界涌現了大量相關研究成果,惡性腫瘤智能放療生物靶區(qū)勾畫系統(tǒng)、分子影像引導智能放療系統(tǒng)生物調強智能放療靶區(qū)勾畫與評估軟件均屬于其中代表,該領域的發(fā)展同樣需要得到重視[2]。
結合人工智能在醫(yī)療影像診斷領域的發(fā)展與應用現狀,本文將醫(yī)療影像診斷領域的發(fā)展趨勢概括為建立標準化與大樣本的大數據中心、開展超大規(guī)模訓練數據與復雜深層模式和分布式并行訓練、以應用的結果作為目標驅動??偟膩碚f,只有認知科學進步大幅進步、量子計算機取得突破性成果,人工智能才能夠更好服務于醫(yī)療影像診斷領域。
跨領域協(xié)作屬于人工智能下醫(yī)療影像診斷領域的短期發(fā)展趨勢,近年來業(yè)界涌現的大量人工智能創(chuàng)業(yè)公司、各大公司在該領域的布局也較好證明了這一點,基于此,本文認為獨立研發(fā)、組建聯(lián)盟將成為短期內人工智能下醫(yī)療影像診斷領域的主要發(fā)展方向,臨床信息、基因檢測、病理信息、各醫(yī)療人工智能領域交叉合作均屬于發(fā)展過程中的重要內容,人工智能將在不久的將來真正成為醫(yī)生的好助手。
綜上所述,人工智能能夠較好應用于醫(yī)療影像診斷領域。而在此基礎上,本文涉及的獲取帶標注醫(yī)學影像樣本、病理圖像分析、糖網病篩查等內容,則證明了研究的實踐價值。因此,在相關領域的理論研究和實踐探索中,本文內容能夠發(fā)揮一定程度的參考作用。
[1] 巨變端倪:人工智能在醫(yī)療影像診斷領域全面爆發(fā)[J].中國醫(yī)學計算機成像雜志,2017,23(03):278.
[2] 何哲.通向人工智能時代——兼論美國人工智能戰(zhàn)略方向及對中國人工智能戰(zhàn)略的借鑒[J].電子政務,2016,(12):2-10.