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(bào)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(gè)體臨床醫(yī)生的差異，會(huì)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(dòng)。該分析近日發(fā)表在《自然·醫(yī)學(xué)》雜志上。

考慮醫(yī)生個(gè)人因素

研究表明，在某些情況下，AI的使用可能會(huì)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(gè)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(duì)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(gè)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(shí)別問題的能力，研究人員使用先進(jìn)的計(jì)算方法來獲取使用AI和不使用AI時(shí)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?！だ湛茽柎_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(gè)統(tǒng)一的群體，只考慮AI對(duì)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(dòng)，并設(shè)計(jì)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(cè)

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(cè)AI工具對(duì)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(duì)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(huì)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(cè)試和驗(yàn)證AI工具的性能，以確保劣質(zhì)AI不會(huì)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(chǎng)景中的研究進(jìn)展

診斷前、診斷中及診斷后，這3個(gè)階段貫穿患者在醫(yī)學(xué)影像科就診的整個(gè)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(gè)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(bào)到候診、護(hù)理服務(wù)、圖像采集、數(shù)據(jù)傳輸與存儲(chǔ)、對(duì)比劑不良反應(yīng)的預(yù)防與處理6個(gè)一級(jí)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(shí)間，同時(shí)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(bào)到候診、護(hù)理服務(wù)及對(duì)比劑不良反應(yīng)的預(yù)防和處理：高效的預(yù)約登記、及時(shí)的報(bào)到候診及優(yōu)質(zhì)的護(hù)理服務(wù)是縮短患者就診時(shí)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(cè)和減少門診MRI預(yù)約缺席情況，并對(duì)缺席風(fēng)險(xiǎn)最高的患者進(jìn)行電話提醒，結(jié)果顯示在成功預(yù)測(cè)高風(fēng)險(xiǎn)缺席患者的同時(shí)，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(dòng)安排影像檢查，可顯著減少患者檢查等待時(shí)間，從而改善醫(yī)院的門診服務(wù)質(zhì)量。對(duì)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(xiǎn)、對(duì)敏感器官的潛在損害及最近報(bào)道的釓對(duì)比劑在大腦中的沉積無法避免［7］。AI在對(duì)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(duì)比劑，Kleesiek等［8］應(yīng)用貝葉斯深度學(xué)習(xí)架構(gòu)來預(yù)測(cè)不同級(jí)別膠質(zhì)瘤患者和健康對(duì)照組的虛擬對(duì)比增強(qiáng)圖像，在定性和定量評(píng)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(duì)抗網(wǎng)絡(luò)（generative adversarial network，GAN），從185例不同腦腫瘤患者的2D非對(duì)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(duì)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(duì)比增強(qiáng)技術(shù)的應(yīng)用成熟，可有效減少對(duì)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(duì)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(jì)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(shí)實(shí)現(xiàn)自動(dòng)識(shí)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(xiǎn)，緩解影像科工作人員的工作壓力。同時(shí)，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(dòng)判斷患者體位是否正確、是否存在體外偽影及對(duì)圖像進(jìn)行評(píng)級(jí)，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(chǔ)：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(tái)，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(huì)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(gè)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(chǔ)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(tái)，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(gè)開源、輕量級(jí)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(bào)告中的關(guān)鍵信息并構(gòu)造關(guān)鍵詞對(duì)，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(duì)和預(yù)先設(shè)定的評(píng)分標(biāo)準(zhǔn)對(duì)子區(qū)域進(jìn)行打分，按照優(yōu)先級(jí)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(bào)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(gè)系統(tǒng)中得到應(yīng)用。在神經(jīng)系統(tǒng)中，利用AI技術(shù)對(duì)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(duì)二維胎兒腦MRI圖像自動(dòng)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(duì)肺結(jié)節(jié)的良惡性分類，顯著提高早期肺癌的檢測(cè)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(dòng)脈CTA檢查中，通過自動(dòng)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(duì)CTA進(jìn)行風(fēng)險(xiǎn)分類，具有重大的臨床應(yīng)用價(jià)值。

2.輔助診斷與結(jié)構(gòu)化報(bào)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(bào)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(dòng)分割血腫和周圍腦組織，準(zhǔn)確計(jì)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(duì)針對(duì)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(dòng)勾畫、關(guān)鍵基因的預(yù)測(cè)、風(fēng)險(xiǎn)分層、治療反應(yīng)評(píng)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(cè)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(dòng)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(bào)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(jià)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(píng)估、斑塊成分分析、冠狀動(dòng)脈狹窄和心肌活動(dòng)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(dòng)檢測(cè)、脊柱退變、關(guān)節(jié)畸形、骨密度測(cè)定、骨齡預(yù)測(cè)、骨轉(zhuǎn)移瘤檢測(cè)等方面［25,26］。Savage等［27］使用AI算法能夠快速對(duì)患者的椎體CT影像進(jìn)行直接標(biāo)注以及骨密度測(cè)量，不僅能對(duì)骨質(zhì)疏松高風(fēng)險(xiǎn)患者進(jìn)行準(zhǔn)確提示，而且省去了醫(yī)師手動(dòng)測(cè)量比對(duì)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(tái)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(bào)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(bào)告瀏覽打?。河跋駲z查和診斷結(jié)束后，患者及時(shí)、有效地獲取影像檢查圖像和報(bào)告是減少患者就診時(shí)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(bào)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(dòng)完成，將查找肺結(jié)節(jié)時(shí)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(dòng)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(bào)告中，臨床醫(yī)師和患者可以及時(shí)、直觀地在移動(dòng)端查看報(bào)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(shí)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(shí)、經(jīng)驗(yàn)和決策風(fēng)格，因此確保AI能反映這種多樣性，對(duì)于有針對(duì)性地實(shí)施治療至關(guān)重要。個(gè)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(huì)對(duì)人類臨床醫(yī)生的表現(xiàn)產(chǎn)生不同的影響，但隨著AI對(duì)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(chǎng)景中的研究進(jìn)展

診斷前、診斷中及診斷后，這3個(gè)階段貫穿患者在醫(yī)學(xué)影像科就診的整個(gè)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(gè)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(bào)到候診、護(hù)理服務(wù)、圖像采集、數(shù)據(jù)傳輸與存儲(chǔ)、對(duì)比劑不良反應(yīng)的預(yù)防與處理6個(gè)一級(jí)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(shí)間，同時(shí)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(bào)到候診、護(hù)理服務(wù)及對(duì)比劑不良反應(yīng)的預(yù)防和處理：高效的預(yù)約登記、及時(shí)的報(bào)到候診及優(yōu)質(zhì)的護(hù)理服務(wù)是縮短患者就診時(shí)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(cè)和減少門診MRI預(yù)約缺席情況，并對(duì)缺席風(fēng)險(xiǎn)最高的患者進(jìn)行電話提醒，結(jié)果顯示在成功預(yù)測(cè)高風(fēng)險(xiǎn)缺席患者的同時(shí)，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(dòng)安排影像檢查，可顯著減少患者檢查等待時(shí)間，從而改善醫(yī)院的門診服務(wù)質(zhì)量。對(duì)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(xiǎn)、對(duì)敏感器官的潛在損害及最近報(bào)道的釓對(duì)比劑在大腦中的沉積無法避免［7］。AI在對(duì)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(duì)比劑，Kleesiek等［8］應(yīng)用貝葉斯深度學(xué)習(xí)架構(gòu)來預(yù)測(cè)不同級(jí)別膠質(zhì)瘤患者和健康對(duì)照組的虛擬對(duì)比增強(qiáng)圖像，在定性和定量評(píng)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(duì)抗網(wǎng)絡(luò)（generative adversarial network，GAN），從185例不同腦腫瘤患者的2D非對(duì)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(duì)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(duì)比增強(qiáng)技術(shù)的應(yīng)用成熟，可有效減少對(duì)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(duì)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(jì)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(shí)實(shí)現(xiàn)自動(dòng)識(shí)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(xiǎn)，緩解影像科工作人員的工作壓力。同時(shí)，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(dòng)判斷患者體位是否正確、是否存在體外偽影及對(duì)圖像進(jìn)行評(píng)級(jí)，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(chǔ)：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(tái)，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(huì)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(gè)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(chǔ)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(tái)，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(gè)開源、輕量級(jí)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(bào)告中的關(guān)鍵信息并構(gòu)造關(guān)鍵詞對(duì)，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(duì)和預(yù)先設(shè)定的評(píng)分標(biāo)準(zhǔn)對(duì)子區(qū)域進(jìn)行打分，按照優(yōu)先級(jí)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(bào)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(gè)系統(tǒng)中得到應(yīng)用。在神經(jīng)系統(tǒng)中，利用AI技術(shù)對(duì)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(duì)二維胎兒腦MRI圖像自動(dòng)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(duì)肺結(jié)節(jié)的良惡性分類，顯著提高早期肺癌的檢測(cè)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(dòng)脈CTA檢查中，通過自動(dòng)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(duì)CTA進(jìn)行風(fēng)險(xiǎn)分類，具有重大的臨床應(yīng)用價(jià)值。

2.輔助診斷與結(jié)構(gòu)化報(bào)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(bào)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(dòng)分割血腫和周圍腦組織，準(zhǔn)確計(jì)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(duì)針對(duì)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(dòng)勾畫、關(guān)鍵基因的預(yù)測(cè)、風(fēng)險(xiǎn)分層、治療反應(yīng)評(píng)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(cè)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(dòng)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(bào)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(jià)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(píng)估、斑塊成分分析、冠狀動(dòng)脈狹窄和心肌活動(dòng)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(dòng)檢測(cè)、脊柱退變、關(guān)節(jié)畸形、骨密度測(cè)定、骨齡預(yù)測(cè)、骨轉(zhuǎn)移瘤檢測(cè)等方面［25,26］。Savage等［27］使用AI算法能夠快速對(duì)患者的椎體CT影像進(jìn)行直接標(biāo)注以及骨密度測(cè)量，不僅能對(duì)骨質(zhì)疏松高風(fēng)險(xiǎn)患者進(jìn)行準(zhǔn)確提示，而且省去了醫(yī)師手動(dòng)測(cè)量比對(duì)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(tái)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(bào)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(bào)告瀏覽打?。河跋駲z查和診斷結(jié)束后，患者及時(shí)、有效地獲取影像檢查圖像和報(bào)告是減少患者就診時(shí)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(bào)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(dòng)完成，將查找肺結(jié)節(jié)時(shí)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(dòng)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(bào)告中，臨床醫(yī)師和患者可以及時(shí)、直觀地在移動(dòng)端查看報(bào)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(shí)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(chǎng)景的實(shí)驗(yàn)環(huán)境中展開測(cè)試，測(cè)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(shí)檢測(cè)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?qǐng)?bào)、中華放射學(xué)雜志

來源：賢集網(wǎng)