AI赋能医学影像：让潜在疾病无处逃遁

• 2022-04-29 15:02:45 来源：科普时报

李竞萌

新冠疫情防控期间，病毒核酸测定会受到多种人为因素影响，也曾有病例被误诊出现假阴性或假阳性的结果。而CT影像识别采用大型、恒定的医疗设备，不会受到过多人为环节操作影响，相对稳定。国家卫健委在发布的《新型冠状病毒肺炎诊疗方案》中明确提出核酸检测结果应与CT影像临床诊断结果相互辅助，作为新冠肺炎确诊病例的判断标准。

一位新冠肺炎病人的二维CT影像约300张，且早期CT影像特点为肺部多发小斑片状磨玻璃影等细微变化，如果完全以医生的肉眼分析，一个病例就需要耗时约5—15分钟，大范围病毒筛查，工作量之大更是不敢想象。借助AI深度学习功能加持，医生可以将新冠肺炎的最新诊疗方案、权威团队关于新冠肺炎患者临床特征的研究成果、成千上万个确诊病例的CT影像样本数据全部输入智能数据库，快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别，最终识别准确率在90%以上。

新冠肺炎病毒医学影像筛查加入AI技术后，系统每处理识别一个病例的高清晰度CT数据平均只需不到20秒。如果增加服务器的数量，还可以继续提升速度到几秒以内，这为大批量病例数据快速筛查提供了可能性。一旦发现疑似病例，系统会自动对可疑区域进行重点识别，统计各个肺部解剖结构中肺炎区域所占的比例，为医生进一步决策提供详细的定量数据。更具参考价值的是，系统会自动调取并快速显示该病例之前所拍摄的CT影像，将重点病灶区域的历史情况进行动态解算和对比呈现，利用AI的大数据处理能力做到全病程自动关联，为动态、精确、量化监控病情保驾护航。

随着人工智能向深度学习领域深耕，医疗影像识别成为继无人驾驶、人脸识别之后，又一个与AI能够精准适配的应用新场景。因为医疗数据相对标准化且影像识别的底层逻辑较为明确，即能否看到结节、斑块等待标记的病灶，这种情况非常适合人工智能去深度学习。

当然，如今的AI医疗影像技术还有很多认知盲区，只能作为辅助诊疗参考，并不能完全取代经验丰富的医生，还需要持续优化完善。

2020年起，中国科技馆启动了数字馆藏项目，特别收藏了“达摩院AI抗疫”作品，即国内首张利用AI识别新冠肺炎的CT影像。这一行动向人们传递着这样一个信号：随着云计算、人工智能、区块链等数字技术在我们的传统生活场景中的深度融合，在不远的未来可以看到更多病症的医学影像诊断都可以用AI赋能，甚至为人们提供一座智慧化医院，进一步解决医疗资源分配不平衡、不充分的问题，成为更多家庭的健康护盾。

（作者系中国科技馆科普影视中心讲师）

标签： 人工智能 医学影像 中国科技馆

推荐阅读

猜您喜欢