人工智能在医学影像学中的应用

张莺 天津市滨海新区大港医院 （天津 300270）

内容提要： 人工智能的进步对社会的许多方面（包括医学）产生了显著的影响，目前在医学影像方面显现出一种改变当前临床诊断流程的潜力。人工智能技术在医学图像分析中的应用，一方面可以提高医生的效率和准确性，减少影像科医师的重复简单工作并降低人为错误，减轻大型医院医生的负担；另一方面，这些技术可以方便地应用于偏远地区，提高当地的图像诊断水平。

人工智能是研究、并用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是科技飞速发展与进步的重要成果，人工智能的进步对社会的许多方面，包括医学，产生了显著的影响，影响着行业原本存在方式[1-3]。人工智能目前在健康领域不断渗透，对放射影像学的影响尤其巨大，大多数放射影像数据存储在电脑上，有超过90%的数据来自于医学影像。医学影像与人工智能的结合被认为是最具发展前景的领域，影像数据量大数据是人工智能发展的关键要素之一，如X射线、CT、MRI、超声、病理等[3-5]。随着人工神经网络和基于人工智能的计算机辅助诊断（CAD）软件的开放应用，人工智能开始逐渐整合到放射科日常工作流程中，目前人工智能在医学影像中，对于肿瘤影像运用比较成熟，利用人工智能技术将医学影像转化为可挖掘的数据，挖掘海量的定量肿瘤影像特征，实现临床辅助决策[6,7]。

1.人工智能在肿瘤影像中的应用

1.1 肺部结节

在肺癌的治疗中，早期发现和诊断一直是关键，随着肺癌发病率的增加，一种灵敏、准确的诊断方法不仅是临床医生使用的重要工具，也是提高生存率的关键。人工智能技术在计算机科学、信息科学和大数据的基础上得到了发展，导致了肺部亚实性结节人工智能系统的普及，肺结节检测是人工智能在心胸放射学中最普遍的应用，人工智能可以通过检测肺结节的特征来判断结节是良性还是恶性[8]。有研究认为，肺结节影像人工智能技术检测出的结节多为直径＜5mm及5mm～10mm的结节、实性及磨玻璃密度结节，对于发现5mm以上磨玻璃结节、钙化结节及0～3mm的微小结节筛查方面，以及对于亚实性结节和不同位置的结节，人工智能的检出率均高于影像医师[9,10]。影像组学作为人工智能中机器学习的一种方法，在肺癌中的研究是开始最早、进行最广泛，且成果较多的研究应用，可用于肿瘤分期、病理分型、肺癌诊断、鉴别诊断、治疗方案选择、疗效监测及预后评估等多个方面[11]。

1.2 乳腺癌

乳腺癌影像学新技术的不断发展和多样化，为放射科医生提供了丰富的数据和多种多样的诊断工具，人工智能结合图像特异性发现疾病的基因组、病理和临床特征，在乳腺癌中正变得越来越有价值[12]。基于深度学习算法的人工智能系统主要集中于乳腺钼靶X射线影像的分析和研究，目前广泛应用于X射线摄影对乳腺癌的筛查，对MRI、超声和数字乳腺断层摄影的研究相对较少，X射线摄影对微钙化灶的检出率较高，对肿块的检出率会受腺体密度的影响，尚不能取代视觉成像评估[13,14]。李欣等[15]研究显示，人工智能检测系统对肿块、乳腺内淋巴结、环形钙化、圆形钙化、粗糙钙化的检测敏感度分别达到76.4%，71.2%，75.0%83.1%，和64.9%，其中乳腺内淋巴结的检测效果最好。

1.3 前列腺癌

人工智能通过对正常及异常的前列腺图像进行深度学习，更快的对前列腺肿瘤进行诊断。在前列腺癌的影像中，人工智能在执行3个主要临床任务中具有很大的实用价值，包括前列腺癌的检测、表征（肿瘤和器官的分割、诊断和分期、预后和结果预测等）和监视[16]。

1.4 脑胶质瘤

人工智能目前多应用于头颅MRI，多用监督深度学习法，计算机经反复多次试错、择优，形成对图像的预测模型，然后再经多次验证优化，形成初步可预测医学图像的模型，周良辅[17]院士团队研究认为人工智能为脑胶质瘤医师精确诊疗的好助手。

2.人工智能在心血管影像中的应用

心血管疾病是人类的头号杀手，近年来心血管影像技术的快速发展产生了大量的影像数据，合理地应用人工智能，不仅能够大大缩短检查时间，减少心脏影像图像重建时间，准确快速地进行图像分割与计算，提高诊断的准确性，还能够在疾病预后判断和危险分层中发挥更大的作用[18]。机器学习模式已用于心血管影像的特征提取和标注。例如，机器学习可以自动识别冠状动脉CT血管成像的病灶。应用支持向量机算法对病灶自动定位进行了改进，结合多个定量几何指标和形状特征（包括狭窄程度、最小管腔直径、偏心指数等）得到较高的灵敏度、特异度和准确度，分别为93%、95%、94%[19]。

3.小结

人工智能技术在医学图像分析中的应用，一方面可以帮助放射科医生通过快速分析图像和数据登记，提高医生的效率和准确性，增强质量控制和保证，一方面可以帮助培训放射科医生，帮助住院医生和顾问医生完成临床工作[20]。另一方面，这些技术可以方便地应用于偏远地区，提高当地的图像诊断水平。总之，尽管在临床大规模应用人工智能影像技术还面临各种困难，人工智能的研究方兴未艾，但基于人工智能的医学影像研究仍然顺应了智能医学的发展方向[21,22]。