— 1 —從望聞問(wèn)切到醫(yī)學(xué)影像
正常情況下，人體內(nèi)的器官和組織是無(wú)法用肉眼看見(jiàn)的。在古代，扁鵲、華佗等名醫(yī)通過(guò)“望、聞、問(wèn)、切”來(lái)診斷患者的內(nèi)部病因，這是那個(gè)時(shí)代最“先進(jìn)”的診斷方式。
公元1816年的某一天，法國(guó)醫(yī)生雷奈克在街上散步，偶然看到幾個(gè)小孩兒用一顆大釘敲擊一根木料的一端，而其它的孩子則用耳朵貼在木料的另一端來(lái)聽(tīng)聲音，這給了雷內(nèi)克醫(yī)生極大地啟發(fā)。他回到家后，馬上找人專(zhuān)門(mén)制作了一根空心木管，這便是人類(lèi)歷史上的第一個(gè)聽(tīng)診器，后來(lái)，聽(tīng)診器被廣泛用到了心臟和婦產(chǎn)科領(lǐng)域。
法國(guó)醫(yī)生雷奈克用木管聽(tīng)診
到了近代，醫(yī)生觀察病人體內(nèi)的狀況，不再僅僅通過(guò)聽(tīng)診器來(lái)解決。1971年，CT的問(wèn)世標(biāo)志著醫(yī)療影像學(xué)的正式建立，隨著醫(yī)學(xué)成像技術(shù)的進(jìn)步，由放射科演變而來(lái)的醫(yī)學(xué)影像科成為臨床醫(yī)學(xué)中發(fā)展最為迅速的學(xué)科，從傳統(tǒng)的X光檢查擴(kuò)展到超聲波、放射性核素顯像、X-CT、MRI、數(shù)字化成像，以及當(dāng)今最高端的PET-CT技術(shù)。醫(yī)生借助這些新技術(shù)，來(lái)更加深入地“窺探”人體內(nèi)部的病變情況。
— 2 —影像數(shù)據(jù)的融合大師——PACS系統(tǒng)
醫(yī)學(xué)影像設(shè)備的出現(xiàn)，讓醫(yī)療機(jī)構(gòu)的診療工作越來(lái)越多依賴(lài)醫(yī)學(xué)影像的檢查。傳統(tǒng)的醫(yī)學(xué)影像管理方法(膠片、圖 片、資料)日積月累、年復(fù)一年存儲(chǔ)保管，堆積如山，給查找和調(diào)閱帶來(lái)了諸多困難，醫(yī)院丟失影片和資料時(shí)有發(fā)生。傳統(tǒng)的文件管理方式，已經(jīng)無(wú)法適應(yīng)現(xiàn)代醫(yī)院中對(duì)如此大量和大范圍醫(yī)學(xué)影像的管理要求。
隨著數(shù)據(jù)庫(kù)技術(shù)和計(jì)算機(jī)通訊技術(shù)的發(fā)展，數(shù)字化影像傳輸和電子膠片應(yīng)運(yùn)而生。眾多醫(yī)院紛紛進(jìn)行了醫(yī)院信息化改革，隨著影像設(shè)備逐漸更新為數(shù)字化和互聯(lián)網(wǎng)的逐漸成熟，無(wú)膠片放射科和數(shù)字化醫(yī)院成為了現(xiàn)實(shí)。關(guān)于電子膠片，我們將在下一篇文章里詳細(xì)介紹，這里暫時(shí)先不細(xì)說(shuō)。
為了對(duì)不同醫(yī)學(xué)影像設(shè)備的信息化數(shù)據(jù)進(jìn)行統(tǒng)一存儲(chǔ)和管理，各平臺(tái)數(shù)據(jù)的融合大師——PACS系統(tǒng)誕生了。
PACS系統(tǒng)英文翻譯過(guò)來(lái)就是影像歸檔和通信系統(tǒng)的意思。它的主要任務(wù)是把日常產(chǎn)生的各種醫(yī)學(xué)影像(包括核磁，CT，超聲，各種X光機(jī)，各種紅外儀、顯微儀等設(shè)備產(chǎn)生的圖像)通過(guò)各種接口(模擬，DICOM，網(wǎng)絡(luò))以數(shù)字化的方式海量保存起來(lái)，當(dāng)醫(yī)生需要它們的時(shí)候，便如同管家一般把數(shù)據(jù)快速調(diào)回使用，完美充當(dāng)了各儀器之間的潤(rùn)滑劑的作用?！ ?/p>
PACS系統(tǒng)應(yīng)用示意圖
完整的PACS系統(tǒng)，主要功能由三個(gè)方面組成：一是圖像的采集，二是數(shù)據(jù)的傳輸和存儲(chǔ)，三是影像分析和處理。
影像的采集方式主要有三種：分別是純數(shù)字采集、視頻采集和膠片掃描。
而信息存儲(chǔ)方面，PACS系統(tǒng)針對(duì)結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，采用了兩種不同的方式來(lái)分別進(jìn)行存儲(chǔ)。使用數(shù)據(jù)庫(kù)來(lái)管理病人信息等結(jié)構(gòu)化數(shù)據(jù)，使用文件系統(tǒng)來(lái)管理圖像資料等非結(jié)構(gòu)化數(shù)據(jù)。就好比一個(gè)人帶著行李去乘坐飛機(jī)，行李被托運(yùn)進(jìn)了行李艙，而人則坐在機(jī)艙內(nèi)，兩者各行其道、互不干擾。
此外，由于醫(yī)學(xué)影像的數(shù)據(jù)文件往往較大，常規(guī)一次CT掃描為10MB量級(jí)，X光機(jī)的胸片可以到20MB，而心血管造影的圖像可達(dá)80MB以上。傳統(tǒng)的方式一般是利用服務(wù)器和光盤(pán)來(lái)進(jìn)行存儲(chǔ)，比較死板，難以進(jìn)行功能擴(kuò)展。而目前新興的云計(jì)算云存儲(chǔ)技術(shù)具有數(shù)據(jù)快速調(diào)用、網(wǎng)絡(luò)共享與應(yīng)用拓展等功能，與PACS系統(tǒng)相結(jié)合，將是未來(lái)影像存儲(chǔ)的一大方向。
其原理也很簡(jiǎn)單：醫(yī)院將PACS系統(tǒng)部署到第三方云平臺(tái)，通過(guò)云平臺(tái)的分布式、負(fù)載均衡的集群系統(tǒng)，實(shí)現(xiàn)全天候影像存儲(chǔ)。云平臺(tái)的建立，還可以實(shí)現(xiàn)跨平臺(tái)、多終端、PC和移動(dòng)設(shè)備的全面融合，進(jìn)而徹底實(shí)現(xiàn)影像無(wú)紙化、無(wú)光盤(pán)化、無(wú)膠片化。
這種全新的模式，不僅提升了每一位醫(yī)生的工作效率、工作質(zhì)量，并且豐富了醫(yī)生的協(xié)作工作場(chǎng)景。此外，醫(yī)院也不用再去花重金購(gòu)買(mǎi)服務(wù)器，從而減少繁瑣的后期維護(hù)和擴(kuò)容，以到達(dá)節(jié)省成本的目的。
OK!數(shù)據(jù)存儲(chǔ)的問(wèn)題解決了，但數(shù)據(jù)的標(biāo)準(zhǔn)化又成為了新的問(wèn)題。雖然醫(yī)院可以利用PACS系統(tǒng)來(lái)實(shí)現(xiàn)各類(lèi)儀器之間的信息互通，但由于不同廠家的設(shè)備和不同PACS系統(tǒng)所使用的數(shù)據(jù)標(biāo)準(zhǔn)各不相同，讓信息的采集和傳遞非常困難。就好比不同語(yǔ)言和國(guó)家的人遇到了一起，你講你的ABC，我說(shuō)我的吃了沒(méi)。如何讓這些不同國(guó)家、不同廠家的產(chǎn)品形成統(tǒng)一的標(biāo)準(zhǔn)，成為了最大的障礙。
這方面，美國(guó)人總是走在時(shí)代的前沿。1985年，美國(guó)放射學(xué)會(huì)ACR和美國(guó)國(guó)家電器制造商協(xié)會(huì)NEMA共同制定了一種規(guī)定數(shù)字醫(yī)學(xué)影像和相關(guān)信息格式及信息交換方法的標(biāo)準(zhǔn)：醫(yī)學(xué)數(shù)字成像和通信標(biāo)準(zhǔn)(digital imaging and communications in medicine)，縮寫(xiě)為DICOM。DICOM的出現(xiàn)，重新定義了臨床數(shù)據(jù)交換的醫(yī)學(xué)圖像格式。
在DICOM標(biāo)準(zhǔn)下，影像設(shè)備提供統(tǒng)一標(biāo)準(zhǔn)的影像數(shù)據(jù)給PACS系統(tǒng)。而對(duì)外通訊方面，PACS系統(tǒng)仍然使用DICOM，這樣就形成了最大限度的統(tǒng)一。簡(jiǎn)單來(lái)說(shuō)，就是讓各家的儀器統(tǒng)一用一種接口，就好比我們將英語(yǔ)作為世界的通用語(yǔ)言。
1993年，DICOM順利發(fā)展到了第三代，也就是DICOM 3.0標(biāo)準(zhǔn)。隨著越來(lái)越多國(guó)家的醫(yī)療設(shè)備廠商宣布支持DICOM 3.0標(biāo)準(zhǔn)，DICOM 3.0逐漸成為了全世界醫(yī)療影像行業(yè)公認(rèn)的標(biāo)準(zhǔn)。
PACS系統(tǒng)最初主要用于放射科，作為醫(yī)院HIS系統(tǒng)的核心組成部分，在構(gòu)建進(jìn)入醫(yī)院信息系統(tǒng)網(wǎng)絡(luò)時(shí)普遍遵循HL7標(biāo)準(zhǔn)和IHE規(guī)范。隨著HL7標(biāo)準(zhǔn)和IHE規(guī)范的不斷完善，PACS已經(jīng)從簡(jiǎn)單的幾臺(tái)放射影像設(shè)備之間的圖像存儲(chǔ)與通信，擴(kuò)展至醫(yī)院所有影像設(shè)備乃至不同醫(yī)院影像之間的相互操作，因此出現(xiàn)諸多分類(lèi)叫法，如Mini PACS(微型PACS)、科室級(jí)PACS、全院級(jí)PACS、區(qū)域PACS等。
•Mini-PACS：是指只用在單一類(lèi)型的影像設(shè)備，CT或者M(jìn)RI等。
•科室級(jí)PACS：放射科多臺(tái)影像設(shè)備可實(shí)現(xiàn)影像、診斷報(bào)告共享。
•全院級(jí)PACS ：將全院各科室臨床主治醫(yī)師、放射科醫(yī)師和專(zhuān)科醫(yī)師以及各種影像、醫(yī)囑和診斷報(bào)告聯(lián)成一網(wǎng)。
•區(qū)域PACS：本地區(qū)、跨地區(qū)廣域網(wǎng)的PACS網(wǎng)絡(luò)。
科室級(jí)PACS系統(tǒng)示意圖
總之，PACS系統(tǒng)的出現(xiàn)，既解決了圖像的采集問(wèn)題，又解決了數(shù)據(jù)的傳輸和存儲(chǔ)問(wèn)題，至于尚未提到的影像的分析和處理，我們?cè)诤竺鎭?lái)詳細(xì)說(shuō)明，在此之前，先來(lái)了解下醫(yī)學(xué)影像大數(shù)據(jù)。
— 3 —我國(guó)醫(yī)學(xué)影像大數(shù)據(jù)的形成原因
作為一個(gè)新名詞，到底是先有醫(yī)學(xué)影像大數(shù)據(jù)，還是先有醫(yī)療大數(shù)據(jù)，現(xiàn)在已經(jīng)無(wú)從考證了。但要解釋醫(yī)學(xué)影像大數(shù)據(jù)，必然要搞清楚兩點(diǎn)：一是醫(yī)學(xué)影像大數(shù)據(jù)的定義，二是醫(yī)學(xué)影像大數(shù)據(jù)的形成原因。
大數(shù)據(jù)的定義，是無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來(lái)適應(yīng)海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。
IBM則總結(jié)了大數(shù)據(jù)的5V特點(diǎn)：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價(jià)值)、Veracity(真實(shí)性)。
醫(yī)學(xué)影像大數(shù)據(jù)，如果按照大數(shù)據(jù)的定義，是由DR、CT、MR等醫(yī)學(xué)影像設(shè)備產(chǎn)生所產(chǎn)生并存儲(chǔ)在PACS系統(tǒng)內(nèi)的大規(guī)模、高增速、多結(jié)構(gòu)、高價(jià)值和真實(shí)準(zhǔn)確的影像數(shù)據(jù)集合。與醫(yī)院信息系統(tǒng)(HIS)大數(shù)據(jù)、檢驗(yàn)信息系統(tǒng)(LIS)大數(shù)據(jù)和電子病歷(EMR)等同屬于醫(yī)療大數(shù)據(jù)的范疇。
多結(jié)構(gòu)和高價(jià)值這兩點(diǎn)很好理解，是由日益增長(zhǎng)的醫(yī)療影像設(shè)備種類(lèi)所產(chǎn)生的具有醫(yī)學(xué)分析和指導(dǎo)價(jià)值的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。大規(guī)模和高增速，則需要從大環(huán)境來(lái)解釋。
我國(guó)醫(yī)學(xué)影像大數(shù)據(jù)的形成，主要有兩方面的原因：一是市場(chǎng)，二是人口。
從市場(chǎng)規(guī)模來(lái)看，截止2015年6月，我國(guó)三甲醫(yī)院數(shù)量為705家;CHIMA2014-2015年的數(shù)據(jù)顯示，我國(guó)科室級(jí)PACS、多科室或院級(jí)PACE系統(tǒng)建設(shè)水平已經(jīng)分別達(dá)到了60-70%和50-60%，基本覆蓋國(guó)內(nèi)一線城市的三甲醫(yī)院。
從市場(chǎng)增速來(lái)看，我國(guó)PACS市場(chǎng)年均增速在25%以上。根據(jù)ACMR的調(diào)查數(shù)據(jù)，2012-2015年，中國(guó)PACS市場(chǎng)繼續(xù)以20%以上的增速擴(kuò)大?！ ?/p>
數(shù)據(jù)來(lái)源：ACMR
而人口方面，影響醫(yī)療影像大數(shù)據(jù)的形成原因主要是人口基數(shù)和年齡的分布。據(jù)國(guó)家統(tǒng)計(jì)局第六次全國(guó)人口普查主要數(shù)據(jù)公報(bào)，全國(guó)總?cè)丝跀?shù)約為13.7億。從老年人口的增速和比例上看，截至2014年底，我國(guó)60歲以上老年人口已經(jīng)達(dá)到2.12億，占總?cè)丝诘?5.5%。據(jù)預(yù)測(cè)，到本世紀(jì)中葉，我國(guó)老年人口數(shù)量將達(dá)到峰值，超過(guò)4億，屆時(shí)每3個(gè)人中就會(huì)有一個(gè)老年人?！ ?/p>
所以，目前PACS系統(tǒng)的普及率和人口數(shù)量的龐大，是我國(guó)醫(yī)學(xué)影像大數(shù)據(jù)的大規(guī)?；A(chǔ);而PACS系統(tǒng)和老齡人口的快速增長(zhǎng)率是醫(yī)學(xué)影像大數(shù)據(jù)的高增速的基礎(chǔ)，這兩者共同構(gòu)成了我國(guó)醫(yī)學(xué)影像大數(shù)據(jù)的形成原因。
作為大數(shù)據(jù)5V特征中的最后一環(huán)，醫(yī)學(xué)影像大數(shù)據(jù)的真實(shí)性，應(yīng)該通過(guò)何種方式去實(shí)現(xiàn)?這就要涉及到數(shù)據(jù)處理技術(shù)了。
— 4 —數(shù)據(jù)處理和“魚(yú)香肉絲”
簡(jiǎn)單來(lái)說(shuō)，PACS系統(tǒng)從不同的影像設(shè)備收集到的數(shù)據(jù)在質(zhì)量上往往參差不齊。而數(shù)據(jù)分析和輸出結(jié)果的錯(cuò)誤程度和可信度在很大程度上取決于收集到的數(shù)據(jù)質(zhì)量的高低，所謂“垃圾進(jìn)，垃圾出”，沒(méi)有數(shù)據(jù)的準(zhǔn)確性保證，大數(shù)據(jù)分析就變成了一紙空談。
目前醫(yī)學(xué)影像后處理方法主要包括兩類(lèi)，一類(lèi)是直接處理技術(shù)口，對(duì)患者進(jìn)行影像學(xué)檢查后，直接采用軟件技術(shù)對(duì)影像在影像設(shè)備上進(jìn)行處理，例如在CT和MRI設(shè)備上進(jìn)行血管成像等。這種方式的缺點(diǎn)比較明顯，不能對(duì)影像進(jìn)行改變，只能依靠醫(yī)生依據(jù)自身的經(jīng)驗(yàn)進(jìn)行病理學(xué)處理，這就導(dǎo)致了數(shù)據(jù)結(jié)果的不準(zhǔn)確性。
舉個(gè)例子來(lái)說(shuō)，當(dāng)CT 圖像遇到相互組織成像重疊時(shí)，普通的軟件圖像處理往往會(huì)將這些重疊的數(shù)據(jù)理解為噪聲或者其它干擾信號(hào)，而醫(yī)療專(zhuān)家則需要保持圖像上面邊界或者目標(biāo)輪廓的邊界具有的幾何保持紡射不變(簡(jiǎn)單來(lái)說(shuō)就是保持圖像的完整性)，這就對(duì)醫(yī)生的診斷帶來(lái)了難以預(yù)料的困難。
除了影像設(shè)備軟件處理外，還有一種方法，通過(guò)影像設(shè)備將影像數(shù)據(jù)傳遞給PACS系統(tǒng)，由PACS系統(tǒng)來(lái)對(duì)影像進(jìn)行后處理。比如PACS系統(tǒng)通過(guò)多維影像融合(CT/MRI/PET-CT)技術(shù)，來(lái)對(duì)圖像進(jìn)行分割、配準(zhǔn)和聚類(lèi)，從而盡可能保存影像數(shù)據(jù)的真實(shí)性?！?/p>
多維影像融合(CT/MRI/PET-CT)示意圖
多維影像融合這項(xiàng)“黑科技”主要包括數(shù)據(jù)預(yù)處理、圖像分割、特征提取以及匹配判斷這幾個(gè)過(guò)程。聽(tīng)上去可能讓人感到有些懵逼，簡(jiǎn)單來(lái)說(shuō)：數(shù)據(jù)預(yù)處理是指醫(yī)學(xué)影像數(shù)據(jù)庫(kù)中含有海量的、不同來(lái)源的原始數(shù)據(jù), 其中帶有大量模糊的、不完整的、帶有噪聲和冗余的信息。因此在數(shù)據(jù)挖掘前, 必須對(duì)這些信息進(jìn)行清理和過(guò)濾, 以確保數(shù)據(jù)的一致性和確定性, 將其變成適合挖掘的形式。
我們很清楚，醫(yī)學(xué)影像數(shù)據(jù)庫(kù)里包含大量的圖像數(shù)據(jù)。為了便于說(shuō)明，我們把這些圖像數(shù)據(jù)比作各種食材，將最終處理完成的信息比作魚(yú)香肉絲這道菜。
數(shù)據(jù)預(yù)處理，可以把它想象成清洗食材的過(guò)程，要做魚(yú)香肉絲這道菜，你得先把豬肉、胡蘿卜、青椒乃至于蔥姜蒜都一一洗凈，濾掉殘?jiān)?，留下精華，才能做接下來(lái)的步驟。這個(gè)階段，包括圖像去噪、增強(qiáng)、平滑、銳化等工作，統(tǒng)稱(chēng)為數(shù)據(jù)預(yù)處理。
“食材”清洗完畢后，就進(jìn)入到圖像分割和特征提取環(huán)節(jié)，這個(gè)環(huán)節(jié)我們可以假設(shè)為“食材”的切絲切段的過(guò)程。以國(guó)內(nèi)知名醫(yī)學(xué)影像公司匯醫(yī)慧影為例，利用多維影像融合技術(shù)，通過(guò)器官形態(tài)模型，圖像邊緣特征模型，以及神經(jīng)網(wǎng)絡(luò)聚類(lèi)模型，計(jì)算機(jī)自動(dòng)將盆腔CT的膀胱，前列腺，直腸等自動(dòng)分割(分割精度<2mm.)，從而為后期的智能匹配和判斷提供必備的圖像處理工具。
最后一個(gè)環(huán)節(jié)，我們將經(jīng)過(guò)前兩道工序處理好的“食材”，和著蔥姜蒜炒成一盤(pán)魚(yú)香肉絲，這便是圖像匹配和聚類(lèi)的過(guò)程。這個(gè)階段的PACS系統(tǒng)所依賴(lài)的核心技術(shù)為深度學(xué)習(xí)，也就是我們所說(shuō)的人工智能，接下來(lái)，我們來(lái)了解下人工智能是如何應(yīng)用到醫(yī)學(xué)影像領(lǐng)域的。
— 5 —不準(zhǔn)確、缺口大，人工智能的出場(chǎng)背景
今年8月，國(guó)務(wù)院印發(fā)了《“十三五”國(guó)家科技創(chuàng)新規(guī)劃》的通知，人工智能成為一大重點(diǎn)。《規(guī)劃》明確指出，重點(diǎn)發(fā)展大數(shù)據(jù)驅(qū)動(dòng)的類(lèi)人智能技術(shù)方法;突破以人為中心的人機(jī)物融合理論方法和關(guān)鍵技術(shù)，研制相關(guān)設(shè)備、工具和平臺(tái);在基于大數(shù)據(jù)分析的類(lèi)人智能方向取得重要突破，實(shí)現(xiàn)類(lèi)人視覺(jué)、類(lèi)人聽(tīng)覺(jué)、類(lèi)人語(yǔ)言和類(lèi)人思維，支撐智能產(chǎn)業(yè)的發(fā)展。
在我們探討如何將人工智能應(yīng)用到醫(yī)學(xué)影像之前，先要搞清楚在沒(méi)有人工智能的情況下，醫(yī)學(xué)影像所面臨的兩個(gè)問(wèn)題。
據(jù)動(dòng)脈網(wǎng)了解，醫(yī)療數(shù)據(jù)中有超過(guò)90%的數(shù)據(jù)來(lái)自于醫(yī)學(xué)影像，但是這些數(shù)據(jù)大多要進(jìn)行人工分析。人工分析的缺點(diǎn)很明顯，第一是不精確，只能憑借經(jīng)驗(yàn)去判斷，很容易誤判。中國(guó)醫(yī)學(xué)會(huì)的一份誤診數(shù)據(jù)資料顯示，中國(guó)臨床醫(yī)療每年的誤診人數(shù)約為5700萬(wàn)人，總誤診率為27.8%，器官異位誤診率為60%，惡性腫瘤平均誤診率為40%，如鼻咽癌、白血病、胰腺癌等，肝結(jié)核、胃結(jié)核等肺外結(jié)核的平均誤診率也在40%以上。
第二是缺口大，按照動(dòng)脈網(wǎng)蛋殼研究院的數(shù)據(jù)，目前我國(guó)醫(yī)學(xué)影像數(shù)據(jù)的年增長(zhǎng)率約為30%，而放射科醫(yī)師數(shù)量的年增長(zhǎng)率約為4.1%，其間的差距是23.9%，放射科醫(yī)師數(shù)量增長(zhǎng)遠(yuǎn)不及影像數(shù)據(jù)增長(zhǎng)。這意味著放射科醫(yī)師在未來(lái)處理影像數(shù)據(jù)的壓力會(huì)越來(lái)越大，甚至遠(yuǎn)遠(yuǎn)超過(guò)負(fù)荷?！ ?/p>
放射科醫(yī)生工作示意圖
這點(diǎn)從現(xiàn)階段放射科醫(yī)師的工作狀況也能看出來(lái)，今年1月份，醫(yī)學(xué)界曾對(duì)1241名醫(yī)學(xué)影像醫(yī)生做過(guò)調(diào)查，其中有一項(xiàng)數(shù)據(jù)很值得注意：有超過(guò)71%的影像醫(yī)生期盼放射假的回歸。
報(bào)告里的數(shù)據(jù)顯示，有超過(guò)50%的醫(yī)生工作時(shí)間在8小時(shí)以上，20.6%的醫(yī)生每天平均工作時(shí)間超過(guò)10個(gè)小時(shí)，多位醫(yī)生反映放射假有名無(wú)實(shí)。不少醫(yī)生留言，希望有天能享受到被剝奪已久的放射休假和公休假，多陪陪家人!
那么，面對(duì)目前醫(yī)學(xué)影像誤診率高、缺口大的問(wèn)題，應(yīng)該通過(guò)何種方式去改變呢?最好的答案，便是人工智能。
— 6 —人工智能的黑科技——多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
人工智能在醫(yī)學(xué)影像的應(yīng)用主要分為兩個(gè)部分：第一個(gè)部分是圖像識(shí)別，在前文我們已經(jīng)作了說(shuō)明;第二個(gè)部分深度學(xué)習(xí)，是人工智能應(yīng)用的最核心環(huán)節(jié)。這兩個(gè)部分都是基于醫(yī)學(xué)影像大數(shù)據(jù)所進(jìn)行的數(shù)據(jù)上的挖掘和應(yīng)用。
2006年，神經(jīng)網(wǎng)絡(luò)領(lǐng)域的大師Geoffrey Hinton教授與其博士生在《Science》和相關(guān)期刊上發(fā)表了論文，首次提出了“深度信念網(wǎng)絡(luò)”的概念。與傳統(tǒng)的訓(xùn)練方式不同，“深度信念網(wǎng)絡(luò)”有一個(gè)“ 預(yù)訓(xùn)練 ”(pre-training)的過(guò)程，這可以方便的讓神經(jīng)網(wǎng)絡(luò)中的權(quán)值找到一個(gè)接近最優(yōu)解的值，之后再使用“ 微調(diào) ”(fine-tuning)技術(shù)來(lái)對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行優(yōu)化訓(xùn)練。這兩個(gè)技術(shù)的運(yùn)用大幅度減少了訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的時(shí)間。他給多層神經(jīng)網(wǎng)絡(luò)相關(guān)的學(xué)習(xí)方法賦予了一個(gè)新名詞–“ 深度學(xué)習(xí) ”。
2012年，Hinton教授的研究團(tuán)隊(duì)參加了斯坦福大學(xué)Fei-Fei Li教授等組織的ImageNet ILSVRC大規(guī)模圖像識(shí)別評(píng)測(cè)任務(wù)。該任務(wù)包括120萬(wàn)張高分辨率圖片，1000個(gè)類(lèi)比。Hinton教授團(tuán)隊(duì)使用了全新的黑科技多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，突破性地將圖像識(shí)別錯(cuò)誤率從26.2%降低到了15.3%。 這一革命性的技術(shù)，讓神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)以極快的速度躍入了醫(yī)療和工業(yè)領(lǐng)域，這才有了后來(lái)一系列使用該技術(shù)的醫(yī)學(xué)影像公司的出現(xiàn)。
比如國(guó)際知名的醫(yī)學(xué)影像公司Enlitic和國(guó)內(nèi)剛剛獲得有峰瑞資本600 萬(wàn)天使輪融資的DeepCare。都是通過(guò)積累大量影像數(shù)據(jù)和診斷數(shù)據(jù)，來(lái)不斷對(duì)的神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練，從而提高醫(yī)生診斷的準(zhǔn)確率。
Enlitic公司人工智能輔助醫(yī)學(xué)影像診斷示意圖
以Enlitic公司開(kāi)發(fā)的惡性腫瘤檢測(cè)系統(tǒng)為例，它通過(guò)使用肺癌相關(guān)圖像數(shù)據(jù)庫(kù) “LIDC(Lung Image Database Consortium)”和 “NLST(National Lung Screening Trial)”進(jìn)行驗(yàn)證，結(jié)果發(fā)現(xiàn)，該公司開(kāi)發(fā)的系統(tǒng)的肺癌檢出精度比一名放射技師檢查肺癌的精度高5成以上。
總而言之，人工智能結(jié)合醫(yī)學(xué)影像的益處多多，患者、放射科醫(yī)師、醫(yī)院均能從人工智能的應(yīng)用中受益。人工智能不僅能更幫助患者更快速地完成健康檢查，包括X光、B超、核磁共振等。同時(shí)也可以幫助影像醫(yī)生削減讀片時(shí)間，提升效率，降低誤診的概率，通過(guò)提示可能的副作用來(lái)輔助診斷。
隨著人工智能和醫(yī)學(xué)影像大數(shù)據(jù)在醫(yī)學(xué)影像領(lǐng)域的逐漸普及和應(yīng)用，醫(yī)學(xué)影像所面臨的準(zhǔn)確度和大缺口的問(wèn)題便可以迎刃而解，兩者的融合，將成為醫(yī)學(xué)影像發(fā)展的重要方向。
