人工智能在超声医学领域中的应用

白榕林,曾令红,彭书鑫,姚 斌,张晓梅

(1.长沙医学院医学 影像学院,湖南 长沙 410219;2.长沙医学院附属第一医院,湖南 长沙 410219;3.深圳华声医疗技术有限公司,广东 深圳 518071;4.宽城县医院,河北 承德 067600)

0 引言

现代化科学手段广泛应用于医学辅助检查,包括影像学检查、病理组织检查等,其中,临床影像学是通过反映人体器官功能及形态对疾病的诊疗做出辅助。超声检查在临床中有着价格低廉、操作便捷的优势,面对日益增加的医疗需求和大量影像数据,传统影像科医师需要仔细甄别筛查超声片,根据超声图像及回声特点判断器官组织疾病状态,大量地消耗了医生的精力,易发生判断失误的现象。 近年来,医学影像数字化和人工智能辅助诊断给临床影像分析带来了较大改变,人工智能技术辅助医生进行病灶识别、定位,有效地提升了病灶检出率和准确率。

1 人工智能在超声医学中的应用现状

人工智能是在1956 年达特茅会议中被约翰·麦卡锡第一次提出。 2015 年以来,人工智能在国内获得了快速发展,国家相继出台一系列政策扶持人工智能的发展,很多医疗单位已经将超声医学人工智能产品应用在实际临床试验中。 其中,我国自行研发的超声机器人已被广泛投入医疗临床行业,并通过多次的试验与研究,取得了颇有成就的效果,同时也是一款基于超声影像,能够较好地辅助医生进行肝脏、甲状腺等疾病良恶性结节识别的智能诊断系统。

1.1 人工智能在肝脏超声影像中的应用

在肝脏疾病中,人工智能超声主要是检测肝脏脂肪及其纤维化等。 Ciompi 等[1]学者对深度学习网络在肝脏超声影像特征分层中进行优化,提出了又22 层神经网络的深度学习网络Symtosis,通过设置相关参数,抑制一定比例神经元活性没去除肝脏原始图像中的背景,平均准确率可高达100%。

1.2 人工智能在甲状腺超声影像中的应用

在甲状腺疾病中,人工智能超声可对甲状腺结节的位置、大小、回声强度、形态规整度、边界清晰度、钙化情况及彩色多普勒血流信号等情况进行辨别。 王洪杰等[2]学者利用卷积神经网络模型对甲状腺结节进行检测,共采集1 786 张图像,疾病诊断准确率82.82%、敏感度64.74%、特异度91.18%,证实了人工智能和超声结合对甲状腺结节诊断发挥着重要的作用。 Wang等[3]学者基于离散小波变换特征对不同模态下的超声图进行归类,判断甲状腺结节恶性风险,取得了98.9%～100%的准确率,这种方法结合预处理和参数微调,深度学习技术识别甲状腺肿瘤良恶性的准确率96.34%、灵敏度82.8%和特异性99.3%。

1.3 人工智能在其他超声影像中的应用

超声胎儿诊断中,标准平面获取是先决条件,除了使用传统机器学习方法检测胎儿US 标准平面外,最近使用深度学习算法检测胎儿超声标准平面的趋势越来越明显。 在阑尾炎超声诊断时,可通过深度学习协助定位急性阑尾炎,准确率高达90%,达到与CT 诊断能力相当的水准[4]。 人工智能超声图像可自动识别脊柱水平,为麻醉起到一定的协助作用。 人工智能设备在医疗彩超中也得到推广与应用,超声心动图的相关综合应用,主要涉及二维及多普勒超声心动图。

2 人工智能在超声医学中的应用优势

超声医师数量不足,分布不均,且超声图像的质量参差不齐,因此超声人工智能应运而生,不仅可为超声医师提供阅片参考,节约医师精力与时间,为临床疾病的诊断、治疗、手术等后续操作提供了非常重要的支持[5]。 人工智能在算法优化的同时,可对图像进行精细化分析,主要优势分为以下3 点:(1)减少超声医师的工作量,人工智能辅助诊断还具有高效快速的优势,且标准统一,减少工作负担,提升工作效率。(2)提高医师诊断率,在超声AI 技术应用过程中,对疾病诊断发挥着很重要的作用,正常情况下,因各种因素影响会出现假阳性、假阴性的结果,将人工智能在超声医学领域中最大潜能地进行充分挖掘比对,帮助临床医生缩短诊断时间,及时为患者制定治疗方案,最大限度地降低因人工因素导致的误差出现[6]。(3)为疾病预测、风险评估等带来了可行性参考意见及解决方案。

3 人工智能在超声医学中存在的问题与建议

人工智能在超声医学中的应用还存在缺乏准入与监管制度、诊断准确率有待提高、图像不标准等问题,笔者就此提出了相应的建议。

3.1 存在问题

3.1.1 缺乏准入与监管制度

近年来,随着5G 技术、计算机技术的高速发展,人工智能也在飞速发展,为产品准入和监管带来了新的风险。 超声人工智能属于创新型产品,其多方面存在着较大缺陷,需要在收费、技术准入、规范管理等方面完善[7]。 我国现如今对AI 技术相关内容没有相应的政策法规约束管制,对数字化医疗审批没有成立专门的部门。

3.1.2 诊断准确率有待提高

人工智能虽然对疾病诊断有一定的帮助,但对于诸多超声伪象及复杂疾病的诊断能力不强,需要在临床医师的协同下开展,无法进行独立诊断,这说明了人工智能在超声医学领域的潜力还有待挖掘。 只有真正地提高临床诊断率,才能降低临床医师的压力[8]。 因此,要优化算法,促使该技术在临床中的使用,是超声人工智能在临床进行使用的条件,现如今的超声人工智能在医学图像标注与识别中还在不断优化。

3.1.3 超声AI 发展中图像不标准

超声诊断需要采集不同切面的动态图像进行实时诊断,其图像获取和诊断非常依赖医生的经验,需要与多个科室密切配合方能得出准确的结果。 尽管各类形态的超声已在技术上足够成熟,但技术成熟的专业医生还是相对缺乏,而标准超声图像是推动超声AI 发展的重要基础,所以如何获取大量标准图像数据也是问题所在。

3.2 应用建议

3.2.1 加强准入管理

我国政策对人工智能辅助诊断技术实施有一定的限制,各种技术管理规范和指标相继问世。 对医疗机构和医务工作人员体验使用开展人工智能辅助诊断系统,在有了明确的规范规定后,才能保证我国超声与人工智能技术的深入融合,促进医疗事业的健康发展。

3.2.2 强化超声影像数据基础

提高超声AI 辅助诊断结果的准确率同样重要,只有研发出独立诊断技术,才能发挥更大的临床价值。算法模式与数据基础是构建超声AI 诊断准确率的重要条件,人工智能技术需要更好质量的超声图像数据以及高水平专业医生的参与,保证准确数据标注与合理模型设计开展深入学习[9]。 长沙医学院医学影像学院与深圳华声医疗开展医学超声数据采集工作,在完成基础大数据的积累下,集成人工智能,通过相关图像算法使计算机能够做到人工自动准确地识别采集图像,对图像进行结构标注,量化和挑选出最理想的图像,提高了算法和计算能力,为采集最优图像提供基础。

3.2.3 注重人机协同

超声人工智能技术的图像采集还需医生完成,超声影像的获取依赖于医师的操作,而每个医生扫描手法不同,得到的数据不可避免地具有主观差异性。 医生操作手法对人工智能诊断有着最直观的影响,所以,人工智能应用中,需要有经验丰富的医师和智能诊断系统实现协调、规范的配合[10]。

4 人工智能在超声领域中的应用

超声医学进入大数据时代后,超声医学的AI 技术越来越成熟,物联网在医学方面的应用也逐步扩大,AI与超声的结合正成为后起之秀。 目前,超声智能诊断迅速发展,超声图像标准化采集成为了发展的重要一环[11]。 在互联网+的背景下,通过在实践应用中下功夫,结合大数据、人工智能、物联网等技术优化超声图像,将物联网、大数据、人工智能、5G 新概念技术等交叉融合入医学超声影像,着手于提高超声图像采集质量、采集效率以及超声诊断的效率等优化[12],可为促进AI 超声技术升级、超声医学发展等起到重要作用。 长沙医学院医学影像学院创新地提出了在超声图像采集探头中植入压力传感器、定位传感器等设计,运用5G传输技术、大数据存储、人工智能分析,指导使用者采集的图像趋于符合诊断要求的标准图像。 打造一款集数据采集、数据分析、数据反馈的超声智能探头,成为集数据采集、反馈、管理、分析于一体的深度融入学习的智能终端。 在现阶段的研究中,长沙医学院医学影像学院已完成AI 分析反馈指导系统,实现数据的采集和传输、储存后,在使用者给被检查对象扫描的过程中,AI 系统实时地调取采集的数据在后台同步分析,快速获得计算机的辅助分析支持,基于动态图像实时在超声显示屏上输出AI 算法分析的图像扫描手法获取的最优解,从而使得采集图像无限趋于符合诊断要求的标准图像。

5 结语

医学影像AI 近年来发展迅速,在AI 医学影像这个赛道中,AI+超声这个细分领域受到的关注远不如AI+CT 影像,AI+超声发展面临几大痛点:(1)算法框架限制。 因为,目前的算法框架,绝大部分公司都是用的开源算法,尤其是在超声领域,能够拥有自己算法的企业非常少。 (2)要实现实时诊断。 超声图像是动态实时图像,超声检测的难点在于图像采集与阅片需要同时完成,这就为辅助诊断提出了更大的挑战,包括在算法和算力上。 (3)由于超声影像数据的浏览处理存储习惯,数据库的规模大小受到限制,超声影像的标准化程度也较低,超声标准化图像数据获取较困难。 虽然人工智能在超声医学中的应用仍在起步阶段,但随着科学技术的发展,人工智能和超声影像会实现更深入的结合。 利用人工智能进行自动化分类并保证图像获取的完整性、连续性,在实践应用中提高临床疾病的诊断率,引领医学影像迈入新阶段,是未来超声影像人工智能必然的趋势。