周建國，符大勇，盧明聰，孟云，王珩

南京中醫(yī)藥大學連云港附屬醫(yī)院放射科，江蘇 連云港 222004

人工智能（artificial intelligence,AI）作為一門交叉前沿學科，其誕生于計算機領域。2018年，我國《人工智能標準化白皮書（2018年）》中也給出了人工智能的定義：人工智能是利用數(shù)字計算機或者由數(shù)字計算機控制的機器，通過模擬、延伸和擴展人類的智能，來感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術和應用系統(tǒng)[1]。AI技術是計算機科學、數(shù)學、控制論以及信息論等多種學科的交叉[2]。在大量的數(shù)據(jù)庫中，使用數(shù)學模型提取各種復雜的非線性關系[3]，將計算機所采集的數(shù)據(jù)自動計算和預測，可達到自主學習的效果[4]。21世紀以來，基于深度卷積神經(jīng)網(wǎng)絡技術的飛速發(fā)展和應用，AI技術在計算機視覺領域的進展獲得突破，其與醫(yī)學影像診斷中圖像數(shù)據(jù)具有較好的契合度，通過深度學習，在精準醫(yī)療方面具有較高的臨床應用前景[5]。AI影像輔助診斷可減少醫(yī)療成本，提高診療效率[6]。AI在醫(yī)學影像輔助診斷方面的主要內(nèi)容包括兩個方面：①腦部疾病診斷、腫瘤檢出以及預測模型地構建，包括阿爾茨海默病、腦卒中、腦腫瘤、肺結(jié)節(jié)、肺癌、乳腺癌、前列腺癌等；②AI技術的實現(xiàn)研究，包括深度學習、特征提取、支持向量機、卷積神經(jīng)網(wǎng)絡等[7]。

1 醫(yī)學影像AI輔助診斷系統(tǒng)的應用現(xiàn)狀

2020年，美國的RapidAI公司首先研發(fā)了腦卒中智能分析平臺，其利用腦部CT的影像數(shù)據(jù)進行計算，對腦卒中責任血管的閉塞部位進行判定[8]；Viz.ai公司開發(fā)的AI診斷系統(tǒng)能夠?qū)δX部血管進行檢測并進行分類。目前，我國的推想醫(yī)療研發(fā)的InferRead CT Stroke.AI可快速進行腦卒中患者的病灶分割[9]。在其他方面，相關學者利用稀疏自編碼網(wǎng)絡以及三維卷積神經(jīng)網(wǎng)絡技術，利用腦部磁共振影像數(shù)據(jù)所構建的智能網(wǎng)絡模型進行阿爾茨海默病地診斷，Takahashi S等[10]在建立膠質(zhì)瘤分級預測模型方面取得進展；楊兆凱等[11]利用深度學習框架進行自動學習，通過提取高級別膠質(zhì)瘤患者的磁共振圖像信息判斷患者的臨床預后和生存時間。

我國推想醫(yī)療、深睿醫(yī)療等均推出了肺結(jié)節(jié)AI輔助診斷系統(tǒng)，可對肺結(jié)節(jié)進行高效識別和分割，并可通過檢測肺結(jié)節(jié)的特征表現(xiàn)來判斷結(jié)節(jié)的良惡性風險程度[12]。通過評估肺結(jié)節(jié)癌變風險，可指導臨床治療以及預后評估[13]。在5 mm以上磨玻璃結(jié)節(jié)、鈣化結(jié)節(jié)及0～3 mm的微小結(jié)節(jié)以及亞實性結(jié)節(jié)的檢出方面，AI均優(yōu)于影像專業(yè)醫(yī)師[14]。醫(yī)學影像AI輔助診斷方向廣泛、覆蓋范圍大，整體發(fā)展勢頭較為迅猛。麻省理工學院基于Risk Cardio系統(tǒng)，在分析心血管病的死亡風險方面取得進展；斯坦福大學基于深度神經(jīng)網(wǎng)絡開發(fā)了心律失常檢測[15]；同時在乳腺良惡性病變的診斷及鑒別診斷方面亦具有優(yōu)勢[16]。在前列腺腫瘤診斷方面，AI在前列腺癌的檢測、診斷、分期、臨床預后以及疾病監(jiān)視方面具有較高的應用價值[17]。AI技術在眼科、皮膚病、肝癌、糖尿病、結(jié)腸癌等疾病的臨床診斷亦得到快速發(fā)展[18-19]，并且AI輔助診斷系統(tǒng)可達到與醫(yī)療專家相仿的診斷能力[20]。

2 我國醫(yī)學影像人工智能存在的問題、機遇及挑戰(zhàn)

AI技術在衛(wèi)生領域地應用具有廣闊前景，我國的醫(yī)學影像AI起步較晚，但基于龐大的人口數(shù)量以及海量的醫(yī)學影像數(shù)據(jù)，將是高性能醫(yī)學影像AI快速發(fā)展的基石，在AI技術臨床應用過程中，也存在較多的問題，在商業(yè)化推廣與臨床應用中仍然面對許多挑戰(zhàn)。

AI技術的開放、推廣和臨床具體應用離不開國家的政策支持，將AI技術應用到醫(yī)療領域，需要衛(wèi)生醫(yī)學領域的專業(yè)人士與計算機程序開發(fā)者的共同合作和努力。我國政府在政策方面對醫(yī)療AI技術發(fā)展給予大力支持，我國《醫(yī)院信息化建設應用技術指引》將AI技術應用于智能醫(yī)學影像領域列為重點研發(fā)方向，2018年，《關于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》要求在醫(yī)療健康相關的AI技術方面進行研發(fā)支持。國家自然科學基金委員會醫(yī)學科學部近5年中，醫(yī)學影像AI技術項目占醫(yī)療AI研發(fā)比例高達66%[21]。由于AI技術產(chǎn)品從商業(yè)設計到臨床應用需要較長的研發(fā)時間，這也需要大量的資金支持，這也限制了AI技術在醫(yī)療領域地發(fā)展。因此，國家應加大對AI技術相關企業(yè)的投資力度，以此鼓勵和支持AI醫(yī)療領域地研發(fā)和應用，使得醫(yī)學影像AI地研究和發(fā)展得以順利進行，同時諸多商業(yè)機構和高校投入更多的技術力量到影像AI的應用研發(fā)。

AI技術算法的可解釋性較差，研發(fā)難度大，在輔助診斷方面往往只能判定某一種，尚不能對于某一部位進行疾病的綜合評估[22]；同時大多數(shù)AI技術對于測試樣本存在一定偏向性，可能會造成診斷結(jié)果的夸大表現(xiàn)，因此基于醫(yī)學影像AI技術所提供的診斷需要人工進行復核。目前，多中心以及外部驗證數(shù)據(jù)結(jié)果的模型已逐漸受到重視，在提高臨床環(huán)境中的模型穩(wěn)定性上起到積極意義[23]。

醫(yī)療體系與AI研究需加強合作，建議形成各醫(yī)療機構間數(shù)據(jù)共享，包括專家系統(tǒng)知識庫地構建、醫(yī)學影像數(shù)據(jù)的標注等。目前，AI研發(fā)的技術模型多采用數(shù)據(jù)驅(qū)動的“黑盒模型”，該技術實質(zhì)上也沒有融入醫(yī)學領域的知識。因此，AI技術的開發(fā)者應與醫(yī)務人員開通更為密切的溝通渠道，這才能為疾病的征象選取更具有診斷價值。國際上通用的醫(yī)學成像數(shù)據(jù)標準為DICOM格式，其多用于規(guī)范的數(shù)字醫(yī)學圖像傳輸、顯示、存儲及后處理，數(shù)字醫(yī)學信息的標準化體系建設也是實現(xiàn)數(shù)據(jù)共享的基礎和發(fā)展的關鍵。建議制定由影像專業(yè)醫(yī)生參與的數(shù)據(jù)標準，構建我國標準化的醫(yī)學影像數(shù)據(jù)庫也勢在必行[24]。醫(yī)學影像AI地研發(fā)和應用均基于大量的原始數(shù)據(jù)，那么如何完善數(shù)據(jù)信息以及患者隱私保護，亦是醫(yī)學影像AI研究和發(fā)展中必須要注意的問題。需要完善AI相關法律和倫理等問題地研究，通過建立AI健康發(fā)展的法律法規(guī)以及倫理道德框架，確立相關的民事與刑事責任，有效保護個人隱私以及信息技術安全。2020年，《國家新一代人工智能標準體系建設指南》正式頒發(fā)[25]，指南中對AI應用和研究倫理標準地建設重點進行了詳細規(guī)劃，通過積極探索AI技術創(chuàng)新的應用模式，方可高效推進醫(yī)學影像AI技術的應用推廣[26]。

3 總結(jié)

醫(yī)學影像輔助診斷AI技術的初步臨床應用，能夠降低患者的診療時間、提高就診效率以及疾病診斷的準確性；在基層醫(yī)療水平地提升方面，亦具有良好的應用效果。然而，我國目前醫(yī)學影像AI技術地發(fā)展仍處于初期階段，臨床應用方案尚不完善，也存在運營維護成本高、醫(yī)生使用熟練度低以及安全性不穩(wěn)定等問題，在國家政策支持、AI技術研究、數(shù)據(jù)標準化、安全性以及倫理方面亦需要完善和提高，這樣才能使AI技術在影像輔助診斷方面得以快速發(fā)展和臨床推廣應用。