AI醫(yī)療“助手”在影像科應(yīng)用真實(shí)情況：效果因放射科臨床醫(yī)生而異

醫(yī)療人工智能（AI）最受“吹捧”的承諾之一，就是它們能夠幫助人類臨床醫(yī)生更精確地解讀X光和CT掃描等圖像，從而作出更準(zhǔn)確的診斷報告，增強(qiáng)影像科醫(yī)生的表現(xiàn)。

但實(shí)際情況確實(shí)如此嗎？

美國哈佛大學(xué)醫(yī)學(xué)院、麻省理工學(xué)院和斯坦福大學(xué)的合作研究表明，使用AI工具進(jìn)行圖像解讀的效果，似乎因臨床醫(yī)生而異。

換句話說，有益還是無用，現(xiàn)階段還是人類說了算。因?yàn)檠芯拷Y(jié)果表明，個體臨床醫(yī)生的差異，會以AI專家們尚未完全理解的關(guān)鍵方式影響著人與機(jī)器之間的互動。該分析近日發(fā)表在《自然·醫(yī)學(xué)》雜志上。

考慮醫(yī)生個人因素

研究表明，在某些情況下，AI的使用可能會干擾放射科醫(yī)生的表現(xiàn)，并影響他們解釋的準(zhǔn)確性。

雖然之前的研究表明，AI助手確實(shí)可以提高醫(yī)生的診斷表現(xiàn)，但這些研究將醫(yī)生視為一個整體，而沒有考慮不同醫(yī)生之間的差異。在臨床上，每一位醫(yī)生的判斷，對患者來說都是100%的。

相比之下，這項(xiàng)新研究著眼于臨床醫(yī)生的個人因素——專業(yè)領(lǐng)域、實(shí)踐年限、之前使用AI工具的經(jīng)驗(yàn)，并分析這些因素如何在人機(jī)協(xié)作中發(fā)揮作用。

研究人員分析了AI如何影響140名放射科醫(yī)生在15項(xiàng)X射線診斷任務(wù)中的表現(xiàn)，即醫(yī)生需要可靠地發(fā)現(xiàn)圖像上的明顯特征并作出準(zhǔn)確診斷。該分析涉及324名罹患15種病癥的患者病例。

為了確定AI如何影響醫(yī)生發(fā)現(xiàn)和正確識別問題的能力，研究人員使用先進(jìn)的計算方法來獲取使用AI和不使用AI時的表現(xiàn)變化。

結(jié)果顯示，AI輔助的效果在放射科醫(yī)生之間不一致且各不相同，一些放射科醫(yī)生的表現(xiàn)因AI而提高，而另一些醫(yī)生的表現(xiàn)則“惡化”。

英國皇家醫(yī)學(xué)院布拉瓦尼克研究所生物醫(yī)學(xué)信息學(xué)助理教授帕蘭納福·拉普科爾確認(rèn)了研究團(tuán)隊(duì)這一發(fā)現(xiàn)，并表示“我們不應(yīng)該將醫(yī)生視為一個統(tǒng)一的群體，只考慮AI對其表現(xiàn)的‘平均’影響”。

不過，這一發(fā)現(xiàn)并不意味著應(yīng)該阻止醫(yī)生和診所采用AI。相反，結(jié)果表明需要更好地了解人類和AI如何互動，并設(shè)計精心校準(zhǔn)的方法來提高而不是損害人類的表現(xiàn)。

AI“助手”尚難預(yù)測

鑒于影像科被認(rèn)為是能得到AI最大助力的臨床醫(yī)學(xué)領(lǐng)域，本次研究結(jié)果頗具代表意義。

此次發(fā)現(xiàn)中值得注意的是，在放射科，AI以令人驚訝的方式產(chǎn)生著影響人類醫(yī)生的表現(xiàn)。

例如，與研究人員預(yù)期相反，放射科醫(yī)生有多少年的經(jīng)驗(yàn)、他們是否專門從事胸部放射科，以及他們之前是否使用過AI設(shè)備等因素，并不能可靠地預(yù)測AI工具對他們工作表現(xiàn)的影響。

另一項(xiàng)挑戰(zhàn)普遍觀點(diǎn)的發(fā)現(xiàn)是：基線表現(xiàn)不佳的臨床醫(yī)生，并不能持續(xù)穩(wěn)定地從AI中得到幫助。總體而言，無論有或沒有AI，基線表現(xiàn)較低的放射科醫(yī)生的表現(xiàn)還是較低。對于基線表現(xiàn)較好的放射科醫(yī)生來說也是如此——無論有沒有AI，他們的總體表現(xiàn)始終良好。

但可以肯定的是，更準(zhǔn)確的AI提高了放射科醫(yī)生的表現(xiàn)，而水平一般的AI則會降低人類臨床醫(yī)生的診斷準(zhǔn)確性。

這一發(fā)現(xiàn)的重要意義也在于：在臨床部署之前，必須測試和驗(yàn)證AI工具的性能，以確保劣質(zhì)AI不會干擾人類臨床醫(yī)生的判斷，從而延誤患者病情。

AI在醫(yī)學(xué)影像科全流程應(yīng)用場景中的研究進(jìn)展

診斷前、診斷中及診斷后，這3個階段貫穿患者在醫(yī)學(xué)影像科就診的整個流程，國內(nèi)外學(xué)者均有開展部分研究，系統(tǒng)地將AI應(yīng)用到這3個階段中的研究尚不多見。

 

（一）AI在醫(yī)學(xué)影像科“診斷前”流程中的應(yīng)用研究

該階段主要包含了預(yù)約登記、報到候診、護(hù)理服務(wù)、圖像采集、數(shù)據(jù)傳輸與存儲、對比劑不良反應(yīng)的預(yù)防與處理6個一級流程。AI的應(yīng)用使得該階段的工作更加高效，大大縮短病患就醫(yī)的時間，同時也將降低服務(wù)人員和護(hù)理人員的工作量。

1.預(yù)約登記、報到候診、護(hù)理服務(wù)及對比劑不良反應(yīng)的預(yù)防和處理：高效的預(yù)約登記、及時的報到候診及優(yōu)質(zhì)的護(hù)理服務(wù)是縮短患者就診時間、提高患者就診效率和提升服務(wù)質(zhì)量的關(guān)鍵因素。Chong等［5］利用機(jī)器學(xué)習(xí)技術(shù)預(yù)測和減少門診MRI預(yù)約缺席情況，并對缺席風(fēng)險最高的患者進(jìn)行電話提醒，結(jié)果顯示在成功預(yù)測高風(fēng)險缺席患者的同時，就診患者的缺席率由19.3%下降至15.9%。Li等［6］開發(fā)了一種AI輔助模塊，可以幫助門診患者根據(jù)主訴自動安排影像檢查，可顯著減少患者檢查等待時間，從而改善醫(yī)院的門診服務(wù)質(zhì)量。對比劑在醫(yī)學(xué)影像檢查中應(yīng)用廣泛，然而不良反應(yīng)的風(fēng)險、對敏感器官的潛在損害及最近報道的釓對比劑在大腦中的沉積無法避免［7］。AI在對比劑領(lǐng)域的應(yīng)用主要體現(xiàn)在虛擬增強(qiáng)技術(shù)。為了避免使用釓對比劑，Kleesiek等［8］應(yīng)用貝葉斯深度學(xué)習(xí)架構(gòu)來預(yù)測不同級別膠質(zhì)瘤患者和健康對照組的虛擬對比增強(qiáng)圖像，在定性和定量評估方面獲得了良好的結(jié)果（靈敏度和特異度約為91%）。最近，Wang等［9］開發(fā)了一種生成對抗網(wǎng)絡(luò)（generative adversarial network，GAN），從185例不同腦腫瘤患者的2D非對比增強(qiáng)液體衰減反轉(zhuǎn)恢復(fù)（FLAIR）序列圖像堆疊合成3D各向同性對比增強(qiáng)FLAIR圖像，并且增加了超分辨率和抗鋸齒任務(wù)，以解決MR偽影并創(chuàng)建各向同性3D圖像，從而更好地顯示腫瘤，合成圖像與源圖像具有良好的結(jié)構(gòu)相似性指數(shù)。AI虛擬對比增強(qiáng)技術(shù)的應(yīng)用成熟，可有效減少對比劑的暴露，尤其在兒科影像檢查領(lǐng)域。AI已經(jīng)廣泛應(yīng)用在臨床護(hù)理工作中，然而，目前對于影像檢查前的護(hù)理工作AI的應(yīng)用尚為空白，筆者認(rèn)為AI在影像護(hù)理服務(wù)方面的應(yīng)用具有較廣闊的研究空間。

2.圖像采集與質(zhì)控：快速、高效獲取高質(zhì)量的圖像是影像診斷的前提。Li等［10］提出優(yōu)化的人工智能神經(jīng)網(wǎng)絡(luò)模型進(jìn)行輔助“一站式”高分辨血管壁成像檢查，不僅大幅度提高成像速度，而且信噪比亦較大提升。Wang等［11］在CT設(shè)備上安裝2D或3D攝像頭，通過計算機(jī)視覺結(jié)合區(qū)域生成網(wǎng)絡(luò)（region proposal network，RPN）在胸部CT掃描時實(shí)現(xiàn)自動識別起止點(diǎn)，減少不必要的掃描曝光范圍，從而降低輻射劑量；更重要的是，在新型冠狀病毒肺炎疫情期間，這一技術(shù)支撐了“隔室掃描技術(shù)”的實(shí)現(xiàn)，有助于降低醫(yī)患交叉感染風(fēng)險，緩解影像科工作人員的工作壓力。同時，圖像質(zhì)控是醫(yī)學(xué)影像科全流程管理中必不可少的環(huán)節(jié)，王繼元等［12］利用深度學(xué)習(xí)在胸部DR自動判斷患者體位是否正確、是否存在體外偽影及對圖像進(jìn)行評級，本研究可以向全身各系統(tǒng)推廣，并有希望建立完整的影像AI質(zhì)控體系。

3.數(shù)據(jù)傳輸與存儲：當(dāng)前，各家醫(yī)院引進(jìn)和自主開發(fā)了大量的醫(yī)學(xué)影像人工智能平臺，在影像數(shù)據(jù)交互上如果完全依靠醫(yī)院臨床影像歸檔與通信系統(tǒng)（picture archiving and communication system，PACS），會嚴(yán)重增加醫(yī)院信息系統(tǒng)負(fù)擔(dān)，影響正常的臨床工作；另外，每個AI應(yīng)用產(chǎn)生的結(jié)構(gòu)化結(jié)果也不統(tǒng)一。為了解決這一問題，可以利用醫(yī)學(xué)影像科現(xiàn)有的存儲服務(wù)器，采用開源輕量化的PACS軟件，打通各掃描機(jī)器的壁壘，搭建專用PACS，進(jìn)一步構(gòu)建影像數(shù)據(jù)平臺，實(shí)現(xiàn)多中心數(shù)據(jù)分享，AI模型部署、數(shù)據(jù)流獲取及結(jié)果匯總一體化，為醫(yī)學(xué)影像AI推行提供有利條件。DICOM圖像分析和歸檔（DICOM image analysis and archive，DIANA）系統(tǒng)是一個開源、輕量級和可擴(kuò)展的Python接口，使用戶能夠與醫(yī)院PACS交互以訪問此類數(shù)據(jù)。研究表明，DIANA可以可靠地集成到現(xiàn)有的醫(yī)院基礎(chǔ)設(shè)施中，并改進(jìn)研究人員/臨床醫(yī)師訪問圖像庫數(shù)據(jù)的過程，這將簡化大數(shù)據(jù)檢索和AI模型臨床集成的工作流程［13］。胡佳迎等［14］通過分析診斷報告中的關(guān)鍵信息并構(gòu)造關(guān)鍵詞對，使用3D-UNet神經(jīng)網(wǎng)絡(luò)將原始影像數(shù)據(jù)根據(jù)解剖學(xué)結(jié)構(gòu)分割為不同的子區(qū)域，通過關(guān)鍵詞對和預(yù)先設(shè)定的評分標(biāo)準(zhǔn)對子區(qū)域進(jìn)行打分，按照優(yōu)先級分?jǐn)?shù)將其依次傳輸至用戶前端，結(jié)果表明該方法能夠在僅傳輸約1/10原始數(shù)據(jù)量的情況下滿足醫(yī)師的閱片、診斷需求，有效優(yōu)化傳統(tǒng)的傳輸流程。

（二）AI在醫(yī)學(xué)影像科“診斷中”流程中的應(yīng)用研究

該階段主要包含了圖像后處理與排版、輔助診斷和結(jié)構(gòu)化報告生成。

1.圖像后處理與排版：AI圖像后處理與排版已在多個系統(tǒng)中得到應(yīng)用。在神經(jīng)系統(tǒng)中，利用AI技術(shù)對腦腫瘤進(jìn)行精確分割和特征提取，不僅提高了診斷準(zhǔn)確度，減少了漏診，也為影像組學(xué)和AI研究提供了基礎(chǔ)［15］。在宮內(nèi)胎兒腦發(fā)育和疾病的應(yīng)用中，Li等［16］提出了一種新的基于深度學(xué)習(xí)的兩步法框架，淺層全卷積網(wǎng)絡(luò)（fully convolutional networks，F(xiàn)CN）和超深多尺度FCN對二維胎兒腦MRI圖像自動提取和分割，結(jié)果表明這種框架優(yōu)于其他提取胎兒大腦的方法。在呼吸系統(tǒng)中，利用AI輔助對肺結(jié)節(jié)的良惡性分類，顯著提高早期肺癌的檢測率［17］。在循環(huán)系統(tǒng)中，Mu等［18］首次將深度學(xué)習(xí)方法應(yīng)用在能譜CT冠狀動脈CTA檢查中，通過自動量化鈣化積分，可以省去CTA前平掃，既降低了輻射劑量又可對CTA進(jìn)行風(fēng)險分類，具有重大的臨床應(yīng)用價值。

2.輔助診斷與結(jié)構(gòu)化報告生成：AI在醫(yī)學(xué)影像科全流程應(yīng)用中，在影像診斷和報告生成流程中的應(yīng)用最廣泛、最成熟。在出血性腦卒中患者中，AI輔助診斷可自動分割血腫和周圍腦組織，準(zhǔn)確計算血腫體積及判斷中線偏移程度［19］。在神經(jīng)退行性疾病中，Hu等［20］利用基于深度學(xué)習(xí)方法區(qū)分額顳葉癡呆和阿爾茨海默病，這兩種疾病的準(zhǔn)確鑒別診斷對針對性干預(yù)和治療具有重要的意義。在腦腫瘤領(lǐng)域，AI可以實(shí)現(xiàn)膠質(zhì)瘤亞區(qū)的自動勾畫、關(guān)鍵基因的預(yù)測、風(fēng)險分層、治療反應(yīng)評估等方面。vander Voort等［21］通過膠質(zhì)瘤患者多模態(tài)MRI影像，運(yùn)用AI預(yù)測腫瘤的IDH基因突變和1p19q共缺失狀態(tài)，在多中心外部驗(yàn)證中曲線下面積（AUC）可達(dá)0.90和0.85。在呼吸系統(tǒng)中，肺結(jié)節(jié)是早期肺癌篩查的著重點(diǎn)，AI技術(shù)在肺結(jié)節(jié)的精準(zhǔn)檢出、肺結(jié)節(jié)良惡性的鑒別、肺結(jié)節(jié)的分類及肺結(jié)節(jié)的組學(xué)分析已非常成熟，并且可自動生成結(jié)節(jié)位置、大小、性質(zhì)及良惡性等的結(jié)構(gòu)化報告，極大地提高了肺結(jié)節(jié)的檢出率，減少了早期肺癌的漏診和誤診。Xin等［22］基于深度學(xué)習(xí)提取肺部病灶的定量特征，構(gòu)建模型，該模型在區(qū)分新型冠狀病毒肺炎和社區(qū)獲得性肺炎中有很好的鑒別診斷價值。AI技術(shù)在心血管系統(tǒng)的應(yīng)用主要在心肌灌注、心功能評估、斑塊成分分析、冠狀動脈狹窄和心肌活動等方面［23,24］。在骨關(guān)節(jié)系統(tǒng)中的應(yīng)用主要集中在肋骨骨折的自動檢測、脊柱退變、關(guān)節(jié)畸形、骨密度測定、骨齡預(yù)測、骨轉(zhuǎn)移瘤檢測等方面［25,26］。Savage等［27］使用AI算法能夠快速對患者的椎體CT影像進(jìn)行直接標(biāo)注以及骨密度測量，不僅能對骨質(zhì)疏松高風(fēng)險患者進(jìn)行準(zhǔn)確提示，而且省去了醫(yī)師手動測量比對的麻煩。AI在該流程中的應(yīng)用最廣泛、最成熟，然而，目前大多數(shù)僅局限在單一疾病的輔助診斷方面，研發(fā)普適的算法、建設(shè)統(tǒng)一的平臺將為AI更廣泛、更方便的應(yīng)用提供便利。

（三）AI在醫(yī)學(xué)影像科“診斷后”流程中的應(yīng)用研究

AI在醫(yī)學(xué)影像科“診斷后”的應(yīng)用主要包括圖像和報告瀏覽打印、設(shè)備管理，可以進(jìn)一步提高患者的就診效率及患者的滿意度。

1.圖像和報告瀏覽打印：影像檢查和診斷結(jié)束后，患者及時、有效地獲取影像檢查圖像和報告是減少患者就診時間、提高患者就診滿意度的有效途徑。Wang等［28］利用深度學(xué)習(xí)方法開發(fā)了胸部CT膠片、圖文報告系統(tǒng)，從肺結(jié)節(jié)篩查、膠片打印到最后關(guān)鍵圖像的獲取，全流程自動完成，將查找肺結(jié)節(jié)時間從平均16.86 s縮短至6.92 s，并且準(zhǔn)確度接近100%，這項(xiàng)研究首次實(shí)現(xiàn)了膠片排版中自動排布肺結(jié)節(jié)關(guān)鍵圖像，極大方便了臨床醫(yī)師和患者。將AI標(biāo)注的關(guān)鍵圖像發(fā)送至多媒體報告中，臨床醫(yī)師和患者可以及時、直觀地在移動端查看報告和圖像［29］，極大提高了臨床醫(yī)師和患者的體驗(yàn)。

2.設(shè)備管理：醫(yī)學(xué)影像設(shè)備是醫(yī)療器械中極其重要的組成部分，更是醫(yī)院綜合實(shí)力的重要體現(xiàn)，大型醫(yī)療設(shè)備的智能化管理和維護(hù)是保證影像科正常運(yùn)轉(zhuǎn)的前提。有研究者采用粗糙神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)進(jìn)行大型醫(yī)療設(shè)備故障智能化預(yù)警，可準(zhǔn)確及時地甄別設(shè)備故障模式并進(jìn)行預(yù)警［30］。

影響臨床醫(yī)學(xué)未來

臨床醫(yī)生擁有不同水平的專業(yè)知識、經(jīng)驗(yàn)和決策風(fēng)格，因此確保AI能反映這種多樣性，對于有針對性地實(shí)施治療至關(guān)重要。個體因素及變化，應(yīng)成為確保AI進(jìn)步的關(guān)鍵，而不是干擾并最終影響診斷的因素。

有意思的是，這一發(fā)現(xiàn)并沒有解釋AI為何會對人類臨床醫(yī)生的表現(xiàn)產(chǎn)生不同的影響，但隨著AI對臨床醫(yī)學(xué)的影響越來越深遠(yuǎn)，理解其中原因就顯得至關(guān)重要。關(guān)于這一點(diǎn)，AI專家依然在努力。

AI在醫(yī)學(xué)影像科全流程應(yīng)用場景中的研究進(jìn)展

診斷前、診斷中及診斷后，這3個階段貫穿患者在醫(yī)學(xué)影像科就診的整個流程，國內(nèi)外學(xué)者均有開展部分研究，系統(tǒng)地將AI應(yīng)用到這3個階段中的研究尚不多見。

（一）AI在醫(yī)學(xué)影像科“診斷前”流程中的應(yīng)用研究

該階段主要包含了預(yù)約登記、報到候診、護(hù)理服務(wù)、圖像采集、數(shù)據(jù)傳輸與存儲、對比劑不良反應(yīng)的預(yù)防與處理6個一級流程。AI的應(yīng)用使得該階段的工作更加高效，大大縮短病患就醫(yī)的時間，同時也將降低服務(wù)人員和護(hù)理人員的工作量。

1.預(yù)約登記、報到候診、護(hù)理服務(wù)及對比劑不良反應(yīng)的預(yù)防和處理：高效的預(yù)約登記、及時的報到候診及優(yōu)質(zhì)的護(hù)理服務(wù)是縮短患者就診時間、提高患者就診效率和提升服務(wù)質(zhì)量的關(guān)鍵因素。Chong等［5］利用機(jī)器學(xué)習(xí)技術(shù)預(yù)測和減少門診MRI預(yù)約缺席情況，并對缺席風(fēng)險最高的患者進(jìn)行電話提醒，結(jié)果顯示在成功預(yù)測高風(fēng)險缺席患者的同時，就診患者的缺席率由19.3%下降至15.9%。Li等［6］開發(fā)了一種AI輔助模塊，可以幫助門診患者根據(jù)主訴自動安排影像檢查，可顯著減少患者檢查等待時間，從而改善醫(yī)院的門診服務(wù)質(zhì)量。對比劑在醫(yī)學(xué)影像檢查中應(yīng)用廣泛，然而不良反應(yīng)的風(fēng)險、對敏感器官的潛在損害及最近報道的釓對比劑在大腦中的沉積無法避免［7］。AI在對比劑領(lǐng)域的應(yīng)用主要體現(xiàn)在虛擬增強(qiáng)技術(shù)。為了避免使用釓對比劑，Kleesiek等［8］應(yīng)用貝葉斯深度學(xué)習(xí)架構(gòu)來預(yù)測不同級別膠質(zhì)瘤患者和健康對照組的虛擬對比增強(qiáng)圖像，在定性和定量評估方面獲得了良好的結(jié)果（靈敏度和特異度約為91%）。最近，Wang等［9］開發(fā)了一種生成對抗網(wǎng)絡(luò)（generative adversarial network，GAN），從185例不同腦腫瘤患者的2D非對比增強(qiáng)液體衰減反轉(zhuǎn)恢復(fù)（FLAIR）序列圖像堆疊合成3D各向同性對比增強(qiáng)FLAIR圖像，并且增加了超分辨率和抗鋸齒任務(wù)，以解決MR偽影并創(chuàng)建各向同性3D圖像，從而更好地顯示腫瘤，合成圖像與源圖像具有良好的結(jié)構(gòu)相似性指數(shù)。AI虛擬對比增強(qiáng)技術(shù)的應(yīng)用成熟，可有效減少對比劑的暴露，尤其在兒科影像檢查領(lǐng)域。AI已經(jīng)廣泛應(yīng)用在臨床護(hù)理工作中，然而，目前對于影像檢查前的護(hù)理工作AI的應(yīng)用尚為空白，筆者認(rèn)為AI在影像護(hù)理服務(wù)方面的應(yīng)用具有較廣闊的研究空間。

2.圖像采集與質(zhì)控：快速、高效獲取高質(zhì)量的圖像是影像診斷的前提。Li等［10］提出優(yōu)化的人工智能神經(jīng)網(wǎng)絡(luò)模型進(jìn)行輔助“一站式”高分辨血管壁成像檢查，不僅大幅度提高成像速度，而且信噪比亦較大提升。Wang等［11］在CT設(shè)備上安裝2D或3D攝像頭，通過計算機(jī)視覺結(jié)合區(qū)域生成網(wǎng)絡(luò)（region proposal network，RPN）在胸部CT掃描時實(shí)現(xiàn)自動識別起止點(diǎn)，減少不必要的掃描曝光范圍，從而降低輻射劑量；更重要的是，在新型冠狀病毒肺炎疫情期間，這一技術(shù)支撐了“隔室掃描技術(shù)”的實(shí)現(xiàn)，有助于降低醫(yī)患交叉感染風(fēng)險，緩解影像科工作人員的工作壓力。同時，圖像質(zhì)控是醫(yī)學(xué)影像科全流程管理中必不可少的環(huán)節(jié)，王繼元等［12］利用深度學(xué)習(xí)在胸部DR自動判斷患者體位是否正確、是否存在體外偽影及對圖像進(jìn)行評級，本研究可以向全身各系統(tǒng)推廣，并有希望建立完整的影像AI質(zhì)控體系。

3.數(shù)據(jù)傳輸與存儲：當(dāng)前，各家醫(yī)院引進(jìn)和自主開發(fā)了大量的醫(yī)學(xué)影像人工智能平臺，在影像數(shù)據(jù)交互上如果完全依靠醫(yī)院臨床影像歸檔與通信系統(tǒng)（picture archiving and communication system，PACS），會嚴(yán)重增加醫(yī)院信息系統(tǒng)負(fù)擔(dān)，影響正常的臨床工作；另外，每個AI應(yīng)用產(chǎn)生的結(jié)構(gòu)化結(jié)果也不統(tǒng)一。為了解決這一問題，可以利用醫(yī)學(xué)影像科現(xiàn)有的存儲服務(wù)器，采用開源輕量化的PACS軟件，打通各掃描機(jī)器的壁壘，搭建專用PACS，進(jìn)一步構(gòu)建影像數(shù)據(jù)平臺，實(shí)現(xiàn)多中心數(shù)據(jù)分享，AI模型部署、數(shù)據(jù)流獲取及結(jié)果匯總一體化，為醫(yī)學(xué)影像AI推行提供有利條件。DICOM圖像分析和歸檔（DICOM image analysis and archive，DIANA）系統(tǒng)是一個開源、輕量級和可擴(kuò)展的Python接口，使用戶能夠與醫(yī)院PACS交互以訪問此類數(shù)據(jù)。研究表明，DIANA可以可靠地集成到現(xiàn)有的醫(yī)院基礎(chǔ)設(shè)施中，并改進(jìn)研究人員/臨床醫(yī)師訪問圖像庫數(shù)據(jù)的過程，這將簡化大數(shù)據(jù)檢索和AI模型臨床集成的工作流程［13］。胡佳迎等［14］通過分析診斷報告中的關(guān)鍵信息并構(gòu)造關(guān)鍵詞對，使用3D-UNet神經(jīng)網(wǎng)絡(luò)將原始影像數(shù)據(jù)根據(jù)解剖學(xué)結(jié)構(gòu)分割為不同的子區(qū)域，通過關(guān)鍵詞對和預(yù)先設(shè)定的評分標(biāo)準(zhǔn)對子區(qū)域進(jìn)行打分，按照優(yōu)先級分?jǐn)?shù)將其依次傳輸至用戶前端，結(jié)果表明該方法能夠在僅傳輸約1/10原始數(shù)據(jù)量的情況下滿足醫(yī)師的閱片、診斷需求，有效優(yōu)化傳統(tǒng)的傳輸流程。

（二）AI在醫(yī)學(xué)影像科“診斷中”流程中的應(yīng)用研究

該階段主要包含了圖像后處理與排版、輔助診斷和結(jié)構(gòu)化報告生成。

 

 

 

1.圖像后處理與排版：AI圖像后處理與排版已在多個系統(tǒng)中得到應(yīng)用。在神經(jīng)系統(tǒng)中，利用AI技術(shù)對腦腫瘤進(jìn)行精確分割和特征提取，不僅提高了診斷準(zhǔn)確度，減少了漏診，也為影像組學(xué)和AI研究提供了基礎(chǔ)［15］。在宮內(nèi)胎兒腦發(fā)育和疾病的應(yīng)用中，Li等［16］提出了一種新的基于深度學(xué)習(xí)的兩步法框架，淺層全卷積網(wǎng)絡(luò)（fully convolutional networks，F(xiàn)CN）和超深多尺度FCN對二維胎兒腦MRI圖像自動提取和分割，結(jié)果表明這種框架優(yōu)于其他提取胎兒大腦的方法。在呼吸系統(tǒng)中，利用AI輔助對肺結(jié)節(jié)的良惡性分類，顯著提高早期肺癌的檢測率［17］。在循環(huán)系統(tǒng)中，Mu等［18］首次將深度學(xué)習(xí)方法應(yīng)用在能譜CT冠狀動脈CTA檢查中，通過自動量化鈣化積分，可以省去CTA前平掃，既降低了輻射劑量又可對CTA進(jìn)行風(fēng)險分類，具有重大的臨床應(yīng)用價值。

2.輔助診斷與結(jié)構(gòu)化報告生成：AI在醫(yī)學(xué)影像科全流程應(yīng)用中，在影像診斷和報告生成流程中的應(yīng)用最廣泛、最成熟。在出血性腦卒中患者中，AI輔助診斷可自動分割血腫和周圍腦組織，準(zhǔn)確計算血腫體積及判斷中線偏移程度［19］。在神經(jīng)退行性疾病中，Hu等［20］利用基于深度學(xué)習(xí)方法區(qū)分額顳葉癡呆和阿爾茨海默病，這兩種疾病的準(zhǔn)確鑒別診斷對針對性干預(yù)和治療具有重要的意義。在腦腫瘤領(lǐng)域，AI可以實(shí)現(xiàn)膠質(zhì)瘤亞區(qū)的自動勾畫、關(guān)鍵基因的預(yù)測、風(fēng)險分層、治療反應(yīng)評估等方面。vander Voort等［21］通過膠質(zhì)瘤患者多模態(tài)MRI影像，運(yùn)用AI預(yù)測腫瘤的IDH基因突變和1p19q共缺失狀態(tài)，在多中心外部驗(yàn)證中曲線下面積（AUC）可達(dá)0.90和0.85。在呼吸系統(tǒng)中，肺結(jié)節(jié)是早期肺癌篩查的著重點(diǎn)，AI技術(shù)在肺結(jié)節(jié)的精準(zhǔn)檢出、肺結(jié)節(jié)良惡性的鑒別、肺結(jié)節(jié)的分類及肺結(jié)節(jié)的組學(xué)分析已非常成熟，并且可自動生成結(jié)節(jié)位置、大小、性質(zhì)及良惡性等的結(jié)構(gòu)化報告，極大地提高了肺結(jié)節(jié)的檢出率，減少了早期肺癌的漏診和誤診。Xin等［22］基于深度學(xué)習(xí)提取肺部病灶的定量特征，構(gòu)建模型，該模型在區(qū)分新型冠狀病毒肺炎和社區(qū)獲得性肺炎中有很好的鑒別診斷價值。AI技術(shù)在心血管系統(tǒng)的應(yīng)用主要在心肌灌注、心功能評估、斑塊成分分析、冠狀動脈狹窄和心肌活動等方面［23,24］。在骨關(guān)節(jié)系統(tǒng)中的應(yīng)用主要集中在肋骨骨折的自動檢測、脊柱退變、關(guān)節(jié)畸形、骨密度測定、骨齡預(yù)測、骨轉(zhuǎn)移瘤檢測等方面［25,26］。Savage等［27］使用AI算法能夠快速對患者的椎體CT影像進(jìn)行直接標(biāo)注以及骨密度測量，不僅能對骨質(zhì)疏松高風(fēng)險患者進(jìn)行準(zhǔn)確提示，而且省去了醫(yī)師手動測量比對的麻煩。AI在該流程中的應(yīng)用最廣泛、最成熟，然而，目前大多數(shù)僅局限在單一疾病的輔助診斷方面，研發(fā)普適的算法、建設(shè)統(tǒng)一的平臺將為AI更廣泛、更方便的應(yīng)用提供便利。

（三）AI在醫(yī)學(xué)影像科“診斷后”流程中的應(yīng)用研究

AI在醫(yī)學(xué)影像科“診斷后”的應(yīng)用主要包括圖像和報告瀏覽打印、設(shè)備管理，可以進(jìn)一步提高患者的就診效率及患者的滿意度。

1.圖像和報告瀏覽打印：影像檢查和診斷結(jié)束后，患者及時、有效地獲取影像檢查圖像和報告是減少患者就診時間、提高患者就診滿意度的有效途徑。Wang等［28］利用深度學(xué)習(xí)方法開發(fā)了胸部CT膠片、圖文報告系統(tǒng)，從肺結(jié)節(jié)篩查、膠片打印到最后關(guān)鍵圖像的獲取，全流程自動完成，將查找肺結(jié)節(jié)時間從平均16.86 s縮短至6.92 s，并且準(zhǔn)確度接近100%，這項(xiàng)研究首次實(shí)現(xiàn)了膠片排版中自動排布肺結(jié)節(jié)關(guān)鍵圖像，極大方便了臨床醫(yī)師和患者。將AI標(biāo)注的關(guān)鍵圖像發(fā)送至多媒體報告中，臨床醫(yī)師和患者可以及時、直觀地在移動端查看報告和圖像［29］，極大提高了臨床醫(yī)師和患者的體驗(yàn)。

2.設(shè)備管理：醫(yī)學(xué)影像設(shè)備是醫(yī)療器械中極其重要的組成部分，更是醫(yī)院綜合實(shí)力的重要體現(xiàn)，大型醫(yī)療設(shè)備的智能化管理和維護(hù)是保證影像科正常運(yùn)轉(zhuǎn)的前提。有研究者采用粗糙神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)進(jìn)行大型醫(yī)療設(shè)備故障智能化預(yù)警，可準(zhǔn)確及時地甄別設(shè)備故障模式并進(jìn)行預(yù)警［30］。

研究團(tuán)隊(duì)補(bǔ)充說，下一步，放射科醫(yī)生與AI的交互，應(yīng)該在模擬現(xiàn)實(shí)場景的實(shí)驗(yàn)環(huán)境中展開測試，測試結(jié)果需要反映實(shí)際患者群體的情況。而除了提高AI工具的準(zhǔn)確性之外，培訓(xùn)放射科醫(yī)生去及時檢測不準(zhǔn)確的AI、審查并質(zhì)疑AI工具的診斷，也很重要。

換言之，在AI幫你之前，你需要先提高自身。

文章來源： 科技日報、中華放射學(xué)雜志

來源：賢集網(wǎng)