人工智能（artificial intelligence，AI）是當(dāng)今科技發(fā)展的代表性前沿方向，與眾多學(xué)科及產(chǎn)業(yè)領(lǐng)域相融合，對當(dāng)今科學(xué)及社會生產(chǎn)方式產(chǎn)生重大的影響。以AI為核心技術(shù)的智能醫(yī)學(xué)被看作是未來醫(yī)學(xué)發(fā)展的重要方向，而醫(yī)學(xué)影像是AI在醫(yī)學(xué)領(lǐng)域的最主要應(yīng)用方向之一。
本文從人工智能醫(yī)學(xué)影像的意義目標(biāo)、研發(fā)流程等方面進行闡述，并對未來進行展望。
1.AI概念與發(fā)展條件
AI是指研發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門信息科學(xué)。相比傳統(tǒng)的AI算法，新一代AI以深度學(xué)習(xí)為核心技術(shù)，具有更強的學(xué)習(xí)能力以及自主學(xué)習(xí)進化能力，結(jié)合大量學(xué)習(xí)數(shù)據(jù)，突破模型準(zhǔn)確率的瓶頸限制，使得模型可以得到高效運用。醫(yī)學(xué)影像結(jié)合AI的概念，早在20世紀(jì)60年代即被提出。初期主要采用邏輯與統(tǒng)計模式識別方法概念嘗試用于放射診斷流程；20世紀(jì)80年代后，計算機技術(shù)發(fā)展推動醫(yī)學(xué)影像數(shù)字化轉(zhuǎn)變，AI醫(yī)學(xué)影像由知覺主觀方式向定量計算方式轉(zhuǎn)化，出現(xiàn)了計算機輔助診斷系統(tǒng)等；但以深度學(xué)習(xí)為代表的新一代AI技術(shù)結(jié)合下的醫(yī)學(xué)影像具有真正成熟應(yīng)用于臨床實踐的能力。
除AI新一代算法進步外，強大的計算存儲等硬件能力提升以及醫(yī)學(xué)影像全面數(shù)字化而產(chǎn)生的大數(shù)據(jù)，共同促成當(dāng)前AI醫(yī)學(xué)影像發(fā)展。
2.AI醫(yī)學(xué)影像的意義與目標(biāo)
從內(nèi)在需求方面看，AI醫(yī)學(xué)影像出現(xiàn)對臨床放射診斷實踐具有重要意義。醫(yī)學(xué)影像學(xué)作為數(shù)字化醫(yī)療時代發(fā)展的代表學(xué)科，以高分辨薄層掃描、多模態(tài)成像為特點的影像設(shè)備和技術(shù)的飛躍發(fā)展，影像數(shù)據(jù)以每年30%的速度增長，占醫(yī)院數(shù)字化數(shù)據(jù)的90%，放射科從傳統(tǒng)膠片到全面數(shù)字化PACS閱片臨床工作方式的轉(zhuǎn)變，使得放射科醫(yī)師每天的圖像數(shù)據(jù)瀏覽工作量劇增；同時期，我國經(jīng)濟社會進步、人們健康意識及需求的提高，也導(dǎo)致臨床放射工作量的增加；而每年醫(yī)療資源和人力投入增長遠遠不能滿足需求。
多重因素疊加使得放射科醫(yī)師工作超負(fù)荷。AI醫(yī)學(xué)影像的出現(xiàn)恰逢其時，為解決這種醫(yī)療困境提供了具有廣闊應(yīng)用前景的技術(shù)，順應(yīng)學(xué)科及社會發(fā)展的時代要求。AI技術(shù)可以利用高性能的圖像識別和計算能力、自我進化學(xué)習(xí)能力以及持續(xù)穩(wěn)定工作的機器性能優(yōu)勢，在至少以下3個方面（場景）將對當(dāng)前臨床放射診斷工作提供幫助。
2.1分類檢出工作
高敏感性地對較大工作量的數(shù)據(jù)進行陽性病例篩查、分類檢出。應(yīng)用場景具有以下3個特點：①陽性病例占比低；②陽性病灶區(qū)數(shù)據(jù)占比?。虎鄄±跋裨\斷專業(yè)知識需求低，如體檢肺結(jié)節(jié)的篩查檢出。在AI高敏感性對陽性病例/病灶區(qū)域進行檢出后，再交由放射科醫(yī)師進一步診斷，從而省去大量陰性病例數(shù)據(jù)的人力資源的占用與浪費。
2.2替代醫(yī)師工作
這部分工作主要體現(xiàn)在結(jié)果判讀的標(biāo)準(zhǔn)簡明、穩(wěn)定、知識構(gòu)成相對簡單的情況，如采用AI代替人工進行骨齡讀片判斷。
2.3提供具有附加值的工作
此方面包括2方面內(nèi)容：一是輔助醫(yī)師進行定量放射學(xué)診斷，如在醫(yī)師指導(dǎo)下的腫瘤邊界分割重建、病變（如腫瘤、血腫）體積測量等，AI結(jié)果精確、客觀，整體提高診斷質(zhì)量；二是充分發(fā)揮AI高敏感檢出、高維信息挖掘、高通量計算的能力，提供更豐富的影像診斷指標(biāo)，輔助疾病的鑒別診斷、基因分析及預(yù)后判斷等，整體提高影像診斷水平。由此可見，AI醫(yī)學(xué)影像的意義在于優(yōu)化放射科醫(yī)師工作的時間資源分配，將有限的精力從低知識含量、簡單重復(fù)的機械工作中解放出來，并且還可以輔助影像分析診斷。因此，AI醫(yī)學(xué)影像的目標(biāo)并非取代放射科醫(yī)師，而是輔助其進行更好的臨床診斷。
此外，AI醫(yī)學(xué)影像借助云端技術(shù)等信息化平臺，推廣應(yīng)用于基層等技術(shù)薄弱醫(yī)療單位，幫助分級診療、醫(yī)療優(yōu)質(zhì)資源下沉，整體優(yōu)化醫(yī)療資源配置。與其他醫(yī)學(xué)學(xué)科AI技術(shù)研發(fā)應(yīng)用一起，共同促進智能醫(yī)學(xué)時代的發(fā)展。
3.AI醫(yī)學(xué)影像的研發(fā)應(yīng)用流程
AI醫(yī)學(xué)影像診斷系統(tǒng)構(gòu)建的核心技術(shù)包括圖像識別與AI計算。其流程可以分為以下4個步驟。
3.1面向臨床問題的模型設(shè)計
臨床問題的選擇，即AI模型設(shè)計至關(guān)重要。首先，該模型解決的問題必須是臨床醫(yī)師普遍關(guān)切，其解決效率或準(zhǔn)確性的提升可以使得患者普遍受益，如AI可在上述3個場景中有所作為。其次，模型設(shè)計需要參考相關(guān)領(lǐng)域最新的臨床指南規(guī)范，并在現(xiàn)有醫(yī)療流程上對疾病診斷治療作出貢獻。最后，當(dāng)前成熟的AI算法必須使用足夠量的數(shù)據(jù)及數(shù)據(jù)標(biāo)注來進行學(xué)習(xí)，如應(yīng)把重點放在常見腫瘤，而非罕見腫瘤的鑒別診斷上。雖然在技術(shù)層面，小樣本甚至無樣本的新型學(xué)習(xí)技術(shù)發(fā)展迅猛；但距離成熟臨床應(yīng)用差距較大。因此模型設(shè)計的關(guān)鍵在于選擇最有利于醫(yī)師決策和患者受益的問題，并且所選擇解決的該問題還必需有大量易于獲取和標(biāo)注的學(xué)習(xí)數(shù)據(jù)。
3.2結(jié)構(gòu)化數(shù)據(jù)構(gòu)建
一組AI模型的建立包括學(xué)習(xí)數(shù)據(jù)的結(jié)構(gòu)化構(gòu)建、使用學(xué)習(xí)算法建立模型，最后進行模型的驗證。高質(zhì)量的結(jié)構(gòu)化數(shù)據(jù)是學(xué)習(xí)任務(wù)的基礎(chǔ)。在結(jié)構(gòu)化數(shù)據(jù)構(gòu)建過程中需注意：①數(shù)據(jù)的收集。影像數(shù)據(jù)采集設(shè)備機型繁多、參數(shù)各異、質(zhì)控不同，這些都將影響AI的最終應(yīng)用，故影像數(shù)據(jù)采集時應(yīng)首先規(guī)劃AI模型對數(shù)據(jù)參數(shù)及質(zhì)量的要求，如肺結(jié)節(jié)檢出使用薄層高分辨CT而不是厚層數(shù)據(jù)。其次，在AI具有應(yīng)用潛力的基礎(chǔ)上，盡可能覆蓋不同廠家、參數(shù)、圖像質(zhì)量及疾病種類。②數(shù)據(jù)標(biāo)注。數(shù)據(jù)的學(xué)習(xí)標(biāo)簽標(biāo)注應(yīng)直接面向需學(xué)習(xí)的目標(biāo)問題，如肺結(jié)節(jié)檢出任務(wù)標(biāo)注結(jié)節(jié)坐標(biāo)輪廓，良惡性鑒別任務(wù)標(biāo)注結(jié)節(jié)病理類型。在標(biāo)注任務(wù)中盡量使用“金標(biāo)準(zhǔn)”標(biāo)簽，如病理、基因型、生存期等；其次采用影像科醫(yī)師的量化知識，如病變位置、范圍、良惡性評分等。數(shù)據(jù)集的質(zhì)量控制非常重要，提高數(shù)據(jù)集的標(biāo)注準(zhǔn)確性可有效提高模型的準(zhǔn)確性和魯棒性。所以高質(zhì)量結(jié)構(gòu)化數(shù)據(jù)構(gòu)建的關(guān)鍵點在于影像數(shù)據(jù)采集的質(zhì)量和廣泛代表性，以及數(shù)據(jù)標(biāo)注的準(zhǔn)確性。
3.3AI算法選擇和模型建立
不同于傳統(tǒng)計算機輔助診斷使用的機器視覺算法和機器學(xué)習(xí)算法，新一代AI算法可應(yīng)用更大樣本數(shù)據(jù)量突破準(zhǔn)確率的瓶頸限制，使得模型可以真正在臨床高效使用。不同建模方式的選擇應(yīng)根據(jù)學(xué)習(xí)數(shù)據(jù)的數(shù)據(jù)量和復(fù)雜度來規(guī)劃，包括：①針對大量學(xué)習(xí)數(shù)據(jù)，推薦使用包括各種神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)作為學(xué)習(xí)器建模；②針對中等量學(xué)習(xí)數(shù)據(jù)可以嘗試使用深度學(xué)習(xí)建模，效果不佳時可以考慮采用神經(jīng)網(wǎng)絡(luò)提取特征，使用機器學(xué)習(xí)方法建立模型的折中方式；③針對少量學(xué)習(xí)數(shù)據(jù)，推薦使用影像組學(xué)方法先驗高通量提取病變范圍內(nèi)特征，使用機器學(xué)習(xí)方法建立模型；④雖然只具有中等量學(xué)習(xí)數(shù)據(jù)，但有大量面對其他問題的相似模態(tài)數(shù)據(jù)，可以嘗試使用遷移學(xué)習(xí)方式，將大樣本數(shù)據(jù)經(jīng)驗應(yīng)用到小樣本數(shù)據(jù)學(xué)習(xí)中。
無論使用哪一種模型建立算法，對模型準(zhǔn)確性、魯棒性、泛化性的驗證均必不可少。在訓(xùn)練數(shù)據(jù)集內(nèi)可使用交叉驗證法驗證模型穩(wěn)定性；此外還需要獨立的數(shù)據(jù)集驗證模型的魯棒性和泛化性，最后在臨床使用中的證據(jù)將為模型在真實世界中的表現(xiàn)提供評估。所以AI算法選擇和模型建立的關(guān)鍵點在于面向數(shù)據(jù)和問題的算法選擇和模型驗證。
3.4AI服務(wù)模式建立
結(jié)合模型設(shè)計時的應(yīng)用特點、臨床需求和醫(yī)師的工作習(xí)慣，建立合理的服務(wù)模式。①當(dāng)前云影像技術(shù)發(fā)展迅猛，其與AI技術(shù)的結(jié)合可以更好地為醫(yī)療機構(gòu)、特別是基層醫(yī)院提供圖像傳輸、儲存、輔助診斷的一攬子解決方案，有利于提高醫(yī)療機構(gòu)的運轉(zhuǎn)效率及診斷準(zhǔn)確性。②在與現(xiàn)有工作流程結(jié)合方面，可以與RIS系統(tǒng)結(jié)合提供AI結(jié)構(gòu)化報告，同時與PACS系統(tǒng)結(jié)合將AI綜合分析報告使用DICOM格式提交PACS系統(tǒng)，并在醫(yī)師瀏覽圖像時進行病變標(biāo)注提示。
總體上，雖然一項AI醫(yī)學(xué)影像具體技術(shù)的優(yōu)劣取決于多個環(huán)節(jié)，但當(dāng)前階段應(yīng)關(guān)注的主要問題體現(xiàn)在AI技術(shù)產(chǎn)品的應(yīng)用對象設(shè)置、服務(wù)模式以及準(zhǔn)確性方面。良好的檢查敏感性及診斷準(zhǔn)確性是基礎(chǔ)。為達到此目的，除了優(yōu)秀的圖像分割、識別算法以及AI分類算法外，更應(yīng)重視構(gòu)建包括數(shù)據(jù)庫和知識庫的高質(zhì)量結(jié)構(gòu)化數(shù)據(jù)集。此外，具有臨床診斷應(yīng)用價值且符合臨床規(guī)范的AI技術(shù)的目的設(shè)置、符合臨床醫(yī)師應(yīng)用習(xí)慣的產(chǎn)品服務(wù)模式的設(shè)計等因素也是影響AI醫(yī)學(xué)影像技術(shù)。醫(yī)學(xué)影像技術(shù)產(chǎn)品的開發(fā)應(yīng)著眼于圍繞放射科醫(yī)師或包括所有臨床醫(yī)師而進行設(shè)計。
4.AI醫(yī)學(xué)影像的開展現(xiàn)狀
當(dāng)前AI醫(yī)學(xué)影像研發(fā)及應(yīng)用研究在全世界都處于方興未艾的熱潮之中。從圖像識別、AI算法等基礎(chǔ)方法研發(fā)、專病疾病模型評估應(yīng)用，到模型產(chǎn)品化以及臨床評價研究等系列工作大量出現(xiàn)。
4.1學(xué)術(shù)研究現(xiàn)狀
影像組學(xué)、深度學(xué)習(xí)、遷移學(xué)習(xí)等AI算法已經(jīng)在醫(yī)學(xué)影像數(shù)據(jù)上進行了開發(fā)和測試，形成了病灶檢出、病灶分割、病灶性質(zhì)判斷、治療規(guī)劃、預(yù)后預(yù)測等多種應(yīng)用模式。肺部病變、骨科病變、神經(jīng)系統(tǒng)病變、消化道病變等方面已有大量研究成果發(fā)表。近年來，多個國家的放射學(xué)會對AI醫(yī)學(xué)影像的發(fā)展給予充分關(guān)注與支持，紛紛刊文發(fā)布規(guī)劃、評述及觀點。其中，美國放射學(xué)院成立專門為AI服務(wù)的數(shù)據(jù)科學(xué)研究所（https：//www.acrdsi.org/About-ACR-DSI）；加拿大放射醫(yī)師協(xié)會發(fā)布醫(yī)學(xué)影像AI白皮書；我國放射學(xué)界也成立相關(guān)的AI醫(yī)學(xué)影像工作小組和聯(lián)盟。
4.2產(chǎn)品開發(fā)現(xiàn)狀
國際及國內(nèi)已有眾多大型企業(yè)及初創(chuàng)公司投入AI醫(yī)學(xué)影像產(chǎn)品開發(fā)。在國際上，美國IBM Watson Health提供胃癌、肺癌等疾病的AI影像分析和輔助決策，Nuance公司推出了美國第一個AI影像診斷平臺Power Share，提供放射診斷報告。傳統(tǒng)影像設(shè)備廠商西門子、通用電氣及飛利浦等也在自己的后處理工作站中融入很多機器學(xué)習(xí)算法。在國內(nèi)，騰訊承建國家醫(yī)療影像AI開放創(chuàng)新平臺，擁有多類疾病的AI輔助早期篩查診斷系統(tǒng)；東軟醫(yī)療、聯(lián)影醫(yī)療等國內(nèi)影像設(shè)備廠商也紛紛成立AI部門，發(fā)力AI人工智能解決方案；深睿醫(yī)療針對多模態(tài)多病種影像分析推出了Dr.Wise AI輔助診斷平臺和AI智能問診平臺。較多的AI公司產(chǎn)品已在部分醫(yī)院單位進行測試應(yīng)用。
4.3臨床應(yīng)用現(xiàn)狀
雖然當(dāng)前AI醫(yī)學(xué)影像成型產(chǎn)品不斷涌現(xiàn)，但真正臨床實踐規(guī)范應(yīng)用的產(chǎn)品尚較為缺乏。美國FDA自2017年成立AI與數(shù)字醫(yī)療審評部，認(rèn)證通過一些產(chǎn)品，如Viz.Ai的腦梗塞早期診斷產(chǎn)品、Imagen骨折檢測產(chǎn)品等；而國內(nèi)較多臨床單位開展了AI醫(yī)學(xué)影像學(xué)術(shù)規(guī)模研究以及初期產(chǎn)品的小規(guī)模驗證應(yīng)用。CFDA擬將部分AI產(chǎn)品定位為三類醫(yī)療器械。
5.AI醫(yī)學(xué)影像的問題與展望
雖然目前AI醫(yī)學(xué)影像研發(fā)投入如火如荼，并被看好為未來智能醫(yī)學(xué)發(fā)展的重要組成部分；但其也存在較多問題，并影響到其真正的臨床應(yīng)用落地；主要包括以下3個方面。
5.1AI醫(yī)學(xué)影像技術(shù)/產(chǎn)品臨床診斷準(zhǔn)確性
準(zhǔn)確性是AI醫(yī)學(xué)影像的核心部分，是技術(shù)被信任的根本。①開發(fā)更適合醫(yī)學(xué)影像數(shù)據(jù)小樣本/大維度特點的AI算法核心技術(shù)。②全世界范圍內(nèi)，當(dāng)前缺乏高質(zhì)量的結(jié)構(gòu)化數(shù)據(jù)（訓(xùn)練數(shù)據(jù)集及知識庫），是影響AI醫(yī)學(xué)影像準(zhǔn)確性的關(guān)鍵點。高質(zhì)控標(biāo)準(zhǔn)（數(shù)據(jù)質(zhì)量、完整性、診斷金標(biāo)準(zhǔn)）條件下，對非結(jié)構(gòu)數(shù)據(jù)進行結(jié)構(gòu)化處理意義重大；其難點在于知識庫構(gòu)建和數(shù)據(jù)標(biāo)注，開發(fā)用于輔助人工標(biāo)注的AI算法和策略有利于這些問題的解決。
5.2服務(wù)模式
不同于AI在其他社會服務(wù)方面（如人臉識別、指紋識別及共享服務(wù)）的應(yīng)用，醫(yī)學(xué)影像應(yīng)用需求具有高度的專業(yè)知識特征。在滿足高的檢出/分類準(zhǔn)確性后，還需要其技術(shù)/產(chǎn)品具有臨床實踐意義，且符合臨床規(guī)范；當(dāng)前AI技術(shù)的服務(wù)模式設(shè)計落后于算法的開發(fā)，是影響AI醫(yī)學(xué)影像產(chǎn)品在醫(yī)院落地使用的關(guān)鍵點，包括：①AI模型缺乏臨床實驗驗證，其性能未得到信任。②當(dāng)前AI模型設(shè)計參考最新臨床指南規(guī)范較少，其部分判別結(jié)果在臨床上很難使用。③當(dāng)前AI服務(wù)模式并未結(jié)合醫(yī)師的實際應(yīng)用情況，尚未較好地融入醫(yī)師的日常工作流程。
5.3倫理、法規(guī)及專業(yè)接受度
AI技術(shù)在社會層面引起廣泛倫理、法規(guī)方面的爭論思考；同樣，在AI醫(yī)學(xué)影像方面也存在問題：①AI影像診斷結(jié)果醫(yī)療責(zé)任問題。②AI相關(guān)信息安全問題。③放射專業(yè)醫(yī)師的AI知識及應(yīng)用技能的教育問題。需要出臺相對標(biāo)準(zhǔn)化的技術(shù)規(guī)范，以及建立醫(yī)師AI技術(shù)研發(fā)人員的溝通平臺。
總之，當(dāng)前的AI醫(yī)學(xué)影像技術(shù)猶如蹣跚學(xué)步的兒童，在優(yōu)化醫(yī)師資源配置、減輕醫(yī)療資源緊張及提高臨床診斷水平方面已顯示出巨大的應(yīng)用前景。雖然距全面、規(guī)范化臨床應(yīng)用落地尚需較大工作努力，但AI醫(yī)學(xué)影像符合未來智能醫(yī)學(xué)的發(fā)展方向，相信也將成為推動醫(yī)學(xué)影像學(xué)科發(fā)展的劃時代技術(shù)。
