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。

1 人工智能參與醫(yī)療影像診斷的方式

1.1 能力概述

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。

1.2 主要工作模式

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]。

1.3 帶來的改變

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。

2 人工智能參與醫(yī)療影像診斷的發(fā)展現狀

2.1 糖網病篩查

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。

2.2 智能靶區(qū)勾畫

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]。

3 人工智能下醫(yī)療影像診斷領域的發(fā)展趨勢

3.1 長期發(fā)展趨勢

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。

3.2 短期發(fā)展趨勢

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。

4 結論

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.