浅谈AI在医学影像中的应用

人工智能（artificial intelligence，AI）是当今科技发展的代表性前沿方向，以AI为核心技术的智能医学被看作是未来医学发展的重要方向，而医学影像是AI在医学领域的最主要应用方向之一。

医学影像学作为数字化医疗时代发展的代表学科，以高分辨薄层扫描、多模态成像为特点的影像设备和技术的飞跃发展，影像数据以每年30%的速度增长，占医院数字化数据的90%，放射科从传统胶片到全面数字化PACS阅片临床工作方式的转变，使得放射科医师每天的图像数据浏览工作量剧增；同时期，我国经济社会进步、人们健康意识及需求的提高，也导致临床放射工作量的增加；而每年医疗资源和人力投入增长远远不能满足需求。

AI医学影像出现对临床放射诊断实践具有重要意义，AI技术可以利用高性能的图像识别和计算能力、自我进化学习能力以及持续稳定工作的机器性能优势，在至少以下3个方面（场景）将对当前临床放射诊断工作提供帮助。

1.分类检出工作

高敏感性地对较大工作量的数据进行阳性病例筛查、分类检出。应用场景具有以下3个特点：①阳性病例占比低；②阳性病灶区数据占比小；③病例影像诊断专业知识需求低，如体检肺结节的筛查检出。在AI高敏感性对阳性病例/病灶区域进行检出后，再交由放射科医师进一步诊断，从而省去大量阴性病例数据的人力资源的占用与浪费。

2.替代医师工作

这部分工作主要体现在结果判读的标准简明、稳定、知识构成相对简单的情况，如采用AI代替人工进行骨龄读片判断。

3.提供具有附加值的工作

此方面包括2方面内容：一是辅助医师进行定量放射学诊断，如在医师指导下的肿瘤边界分割重建、病变（如肿瘤、血肿）体积测量等，AI结果精确、客观，整体提高诊断质量；二是充分发挥AI高敏感检出、高维信息挖掘、高通量计算的能力，提供更丰富的影像诊断指标，辅助疾病的鉴别诊断、基因分析及预后判断等，整体提高影像诊断水平。由此可见，AI医学影像的意义在于优化放射科医师工作的时间资源分配，将有限的精力从低知识含量、简单重复的机械工作中解放出来，并且还可以辅助影像分析诊断。因此，AI医学影像的目标并非取代放射科医师，而是辅助其进行更好的临床诊断。

4.AI技术存在的问题

当前阶段应关注的主要问题体现在AI技术产品的应用对象设置、服务模式以及准确性方面。良好的检查敏感性及诊断准确性是基础。为达到此目的，除了优秀的图像分割、识别算法以及AI分类算法外，更应重视构建包括数据库和知识库的高质量结构化数据集。此外，具有临床诊断应用价值且符合临床规范的AI技术的目的设置、符合临床医师应用习惯的产品服务模式的设计等因素也是影响AI医学影像技术。