AI应用 ①

　　文、图/广州日报全媒体记者 肖欢欢

　　AI（人工智能）在医疗领域可发挥怎样的作用？在中山大学肿瘤防治中心，该院影像科主任谢传淼教授向记者展示了AI辅助肿瘤诊断的操作方法。“你看这个患者，肺部CT中发现6个肺结节，AI自动标注为红色。通过手术切除后我们去做病理检查，发现这些结节全部都是恶性的，也即是肺癌。AI连这个1毫米的结节都能发现，如果是医生阅片，这么小的结节很难被发现，很可能会进展成肺癌晚期。”

　　记者走访广州多家医院了解到，AI技术如今在医院临床应用中十分广泛。通过AI对肺结节进行筛查，有的医院一年可以筛查出300例肺癌患者；而AI也可以判断出冠心病患者的血管狭窄程度，提示医生是否需要放心脏支架，并标注出潜在的易损斑块位置，帮助医生更好地“拆弹”。

　　助力早期肺癌筛查：

　　阅片一张只需几秒 “火眼金睛”1毫米结节都不放过

　　谢传淼介绍，该院从4年前就开始使用AI技术辅助影像诊断。去年一年，该院患者CT、MR、X光的检查人数就达到79万人次，今年可能会超过90万人次，庞大的影像诊断数据，也给AI深度学习提供了机会。“机器也可以变得很聪明，就像AI医生一样。”

　　谢传淼说，AI如今已经广泛应用于肺结节病灶筛查。肺结节作为肺癌筛查的重要表征，AI系统可以帮医生找病灶，它会发出提示，而至于病灶性质，还要靠有经验的医生来判断。谢传淼表示，一个人的胸部CT可能有五六百幅照片，如果影像科医生一幅一幅去看，会非常辛苦。“医生通常要花8到10分钟看一张片子，AI可能只需要几秒甚至一秒。AI会主动帮助我们把在CT片中发现的小结节找出来，并标注出哪些是高风险结节，哪些是低风险结节，哪怕只有1毫米的结节都能发现。”

　　他表示，在临床上，多数患者出现不适时才就诊，确诊时已是肿瘤晚期。所以，肺癌的早发现、早诊治十分重要，而肺结节筛查则是发现早期肺癌的关键环节。有些结节非常小，患者也不会感到不适，但如果是恶性结节，就可能是癌前躯体病变甚至是早期肺癌，及时发现和筛查肺小结节，对于肺癌防治至关重要。

　　谢传淼介绍，胸部检查是日常医学影像检查的重要部分。由于胸部结构复杂、病变种类多，尤其是对于细微病变，需要在不同窗位间切换，从而做到对于肺结节等相对微小病变进行无遗漏的筛查。影像医生对肺结节的检出耗时很长，而且检出率还与病灶的位置、大小、与周围结构的密度差异等有关，医生的阅片状态受经验、水平、日常工作量等因素干扰，难免对病灶存在一定概率的漏诊。而AI技术有助于提升影像医生诊断的速度和准确性，改善影像医生的工作强度。AI会选出所有候选结节，然后对结节进行分类，降低假阳性率。

　　降低假阳性率是AI面临的主要挑战。肺部图像数据库联盟（LIDC）为影像医生提供了大量专家标注的胸部CT图像，为肺结节研究创建了平台，并能用于不同算法的比较，现已被广泛使用。

　　而AI技术参与肺癌筛查也屡建奇功。“今年在某单位的体检中，我们就通过AI参与肺结节筛查发现了20多例早期癌症。这些人去做了手术，把结节切除了，也就不用放疗、化疗了，节省了医疗费用，也提高了他们的存活时间和生活质量。”谢传淼介绍，今年1~10月，该院体检中心胸部检查15000多人次，结节检出率是5.7%，其中肺癌的检出率是1.7%。“也就是说，今年1~10月光体检就筛查出250多名肺癌患者，全年下来大约300名，这还不包括平时在门诊或住院检查中筛查出的病例。”他表示，肺癌能早发现对患者来说是好事，AI筛查发现的早期肺癌多了，晚期肺癌自然就少了。

　　造福冠心病患者：

　　估测血管狭窄程度 识别易损冠脉斑块位置

　　AI在临床的应用远不止筛查早期肺癌，它也给冠心病患者带来福音。谢传淼说，AI技术在心血管疾病影像诊断中也有广泛应用。它能够与现有心血管诊断有机结合，通过AI自动阅片、影像重建、定量分析等功能，提高医师对心血管病变的诊断准确率。

　　如冠状动脉狭窄程度的判定，对冠状动脉粥样硬化患者尤为重要，这关系到患者的治疗方案。血流储备分数(FFR)是评价冠状动脉生理功能的“金标准”，但其为有创性方法，临床应用受限。目前，通过基于冠状动脉CT血管造影（CTA）的血流储备分数 (CTFFR) 进行血管狭窄判断已经越来越被业内接受，通过AI计算结果，可以兼具准确性和高效性。

　　“比如，患者的血管是否狭窄，狭窄多大程度，颈动脉有没有斑块，AI都可以通过影像比对后进行过滤，并最终给出估测值，这直接关系到下一步的治疗措施。”

　　同时，AI在冠状动脉斑块判断方面也能发挥很大作用。易损斑块是有破裂倾向、发展较快且极易产生血栓的危险斑块，很多心脑血管急性事件与斑块密切相关。通过AI深度学习模型，直接从图像中学习斑块分类，能识别出易损斑块。

　　谢传淼表示，AI在辅助其他肿瘤防治方面还有更多应用场景，如今在该院，AI辅助肝脏肿瘤、脑肿瘤、乳腺肿瘤、骨转移瘤的筛查系统正在研究完善中。比如，肺癌患者的癌细胞有没有脑转移、骨转移，是否可以行切除手术，AI通过寻找病灶都可以提供依据。“AI正在成为医生的千里眼和分析师。”他说。

　　原中山大学肿瘤防治中心教授黄文林也表示，AI技术在预防心脑血管事件发生方面如今起着重要作用。“冠状动脉CT血管造影 (CTA) 是心内科诊断上的一项常规检查，它能对血管狭窄程度进行监测。而血管狭窄到底对远端血流产生多大影响，这往往不能简单地从影像观察中获取，诊断很大程度依赖于医生的经验。而基于AI学习的血流储备分数(CTFFR)分析算法，则可以对血管直径、狭窄程度、血流动力等指标进行筛查，协助医生快速对患者病情做出诊断。”

　　据悉，国外已经有很多家AI公司通过机器深度学习，预测CTFFR 值已经达到非常高的精度，在敏感度和特异性方面都达到较高水平。而国内也已有这方面的医疗科技公司通过AI技术可以确定患者的血管狭窄程度，准确性高，大大减少医生工作量，并提高工作效率。对于患者是否需要做冠脉支架或者冠状动脉旁路移植术（心脏搭桥），医生可以快速做出决策。

　　千万级样本量“磨炼”：

　　AI辅助影像诊断描述更全面 可避免10%的漏诊

　　记者随后走访了市内多家医院了解到，AI在辅助影像诊断方面已经被广泛使用。对于谢传淼提到的这些AI临床应用，广州某三甲医院影像科主任也深有体会。他表示，如今AI在医学影像诊断领域应用得比较多的是三个方面：CT结合AI筛查肺结节，早期发现肺癌；冠状动脉CTA结合AI早期诊断冠心病；平片结合AI准确判断骨龄，评估儿童生长发育。

　　AI在肺结节筛查中最主要的作用是早期发现高危结节，避免漏诊。“AI发现病灶的敏感度很高，有利于减少漏诊，尤其是5毫米以下的结节。”该主任介绍，经过这么多年的应用，AI在肺结节的筛查方面已经非常精准，因为使用的数据样本量已经达到上千万病例的级别。此外，AI在通过训练学习后，还能对于骨折、脊柱退变、关节畸形、骨龄预测等方面进行判断，往往能够提示医生容易忽视的细微病变。

　　黄文林教授近年来一直在进行抗肿瘤药物的研发，他也密切关注着AI技术在癌症诊断方面的应用。他介绍，如今在全球，AI辅助肿瘤防治十分普遍，尤其在小细胞肺癌的诊断方面。他说，AI辅助筛查涵盖肺结节筛查、肺气肿分析、慢阻肺筛查、肺部纤维化分析等，其主要设计思路都是从临床某个疾病判断出发，进行数据标注，通过深度学习算法将积累下来的经验定型，最终利用计算机对于类似病例进行判定。如果只靠人工阅片，对于肺部小结节则可能存在10%的漏诊。“可以这么说，AI在阅片方面已经远超医师的水平。一个医生每天看100张片子都已经很辛苦了，但AI不知疲惫，它连1毫米的结节都能发现并提示高危，这个小结节切除后就挽救了一个患者的生命。”

　　黄文林说，以目前临床广泛使用的AI辅助肺小结节筛查来看，以往临床对于肺结节的描述停留在单一的最大直径描述，并将5毫米以上的结节作为关注对象，5毫米以下的很容易漏诊。对于形状不规则的结节，单一的直径描述往往并不全面。对于肺结节的体积形态分析往往耗时费力，尤其对于如结节大小变化、实性成分体积变化、体积倍增时间等数据的测量，AI系统的辅助可以做出更精确的判断，供临床诊断参考。

　　此外，AI系统在慢阻肺的筛查方面目前也使用较多。诊断慢阻肺的临床标准主要是通过呼吸机来对病患吸呼气能力进行判定，但这种方法往往取决于患者测量时的状态，可能存在偏差。CT影像能观察到严重肺气肿在影像学上的亮度变化，通过测量肺部低衰弱区 （LAV），可以得到与标准肺功能值比对的结果，如果由医生进行计算将会费时费力，通过AI辅助，则可以自动筛选出重点关注的肺气肿体积。这也是AI在图像识别、数据比对等方面优势的体现。

　　减少不良妊娠发生：

　　AI诊断孕妇产后出血风险 及时监测胎儿畸形病灶

　　除了肺癌筛查和冠心病筛查，AI技术也被各大医院产科所应用。广州医科大学附属第三医院产科主任、广州市妇产科研究所所长陈敦金教授表示，AI技术在高危妊娠筛查中发挥着重要作用。“通过将孕妇孕期影像资料和过往病史输入系统，由AI比对系统中的海量孕妇影像诊断资料，从而在早期阶段识别产妇的病情，早发现、早治疗，减少不良妊娠的发生。利用出血倾向评测工具，通过AI系统计算出产后出血的概率有多高，对于发生产后出血概率较高的产妇，医院会制定更加周密的备产预案。产妇一旦在生产中发生产后出血，AI系统可以自动抓取患者信息，给患者提供一整套治疗方案。”

　　不仅如此，AI还可用作预判胎儿的发育情况。陈敦金表示，超声检查对孕妇来说非常重要，孕妇在医院接受超声检查的结果，跟医生的技术水平以及对影像诊断的判断都有关系。一旦孕妇没有及时做检查，或者医生没有及时发现畸形，可能就会造成漏诊或延误。所以，该院在几年前就开始使用一套基于超声影像识别的AI诊断系统，可以及时监测胎儿发育情况，发现畸形病灶后及时处理。在孕妇怀孕的不同时期，通过查看其超声影像，选取其中几个点位，即可判断胎儿的肺部发育是否成熟。“如果AI诊断系统通过这几个点位的影像诊断，提示胎儿肺部发育不成熟，可能存在较高畸形风险，医生就会立即启动排查措施，引导孕妇做基因检测、羊水穿刺等，确定胎儿具体的畸形病灶风险点。”陈敦金表示，有AI助力，医生评估胎儿宫内状况和预测胎儿发育状况的能力大大提高。

　　医疗AI潜力无限

　　发挥更大功用需更大数据量做支撑

　　AI技术如今已实现在疾病辅助筛查与诊断、临床治疗辅助决策、药物研发、医学研究、医疗信息化等多个环节的全面渗透，不仅成为医生的得力助手，也为患者创造了便捷高效的就医体验。

　　如在疾病辅助筛查与诊断环节，AI算法模型经过海量医学影像数据训练后，即可对CT、MR、DR、超声等多模态影像进行分析，辅助医生进行病灶筛查与评估，实现对多部位、多病种的筛查与诊断。从市场行情看，AI医学影像是AI医疗商业化的前沿阵地。目前，市场上AI医学影像产品覆盖心肺、脑部、肝脏、骨骼等多部位多病种，已经应用于各级医院。

　　在医疗AI领域，苹果、谷歌等国外公司都有产品获得FDA医疗器械认证，如谷歌通过医疗分析和汇编患者数据开发病人搜索工具，使医护人员能够在单一页面上方便地搜索到所有患者数据，包括生命体征和实验室结果，为医生诊断提供参考；而在国内，腾讯、阿里、百度、华为等也争相入局。长期致力于医疗AI研发的腾讯觅影总经理钱天翼告诉记者，腾讯的“开悟”平台提供了高性能的计算优化技术，在同样资源的情况下，能够大幅提升AI模型训练速度，模拟多个专家系统的复杂训练与集成流程，将算法的迭代周期从30天压缩到2天。“将来有了更大医疗数据样本作为深度学习对象，AI辅助医生治病的功能将更加强大。”

　　与其他行业的大数据相比，获取高质量的医疗影像数据相对困难，不同医疗机构的数据还很少互通、共享。而单个医疗机构积累的数据往往不足以训练出有效的深度学习模型，使用医疗影像数据进行AI算法训练还涉及保护病人隐私等非技术问题，医疗AI在数据和算法方面都还有很大的提高空间。

　　一线临床医生们也表示，AI现在已经发挥了大作用，但要成为医生们更得力的助手，需要更大的数据量和样本量做支撑。

　　谢传淼表示，AI已在肺结节筛查中发挥重要作用。但AI辅助诊断系统的特异性仍是目前限制其在临床广泛应用的主要因素，未来需要进一步提高。一方面，AI软件系统需要提升在特殊类型结节检出中的准确性；另一方面，肺结节类型多样，在大小、形态和密度等方面存在一定差异，譬如钙化结节、实性结节、磨玻璃结节、部分实性结节等。因此，需要增加数据量和样本量，使其包含各种类型的肺结节，让AI进行深度学习，进而持续提升准确性。“如果把全广州患者的CT、MR、DR影像诊断资料都整合在一起，构建一个巨大的数据库，对我们提高AI模型的效能，准确性、特异性会具有很大的作用。对各种癌症的诊断、治疗就更加高效了。”

　　黄文林则表示，当前国内大部分医学影像AI软件针对的是单病种场景，对不同的病种应使用不同的算法设计。以胸部 CT 为例，一张胸片需要进行多种器官、多种疾病的诊断，而并非只有肺结节一种病种。因此，如何针对不同病种、不同疾病类型开发出AI新产品，是未来要考虑的问题；其次则要避免AI误诊的问题。此外他也表示，数据量仍然是限制医疗AI发展的关键问题，尤其是深度学习需要海量的数据进行训练。“数据量的多少直接决定了模型的可靠程度高低。未来应该进一步加强数据的标准化，开展数据共享，建立公共数据库，以辅助AI算法的开发。”