<bdo id="46cac"><center id="46cac"></center></bdo>
  • <bdo id="46cac"><center id="46cac"></center></bdo>
  • 中國新聞網-上海新聞
    上海分社正文
    張鶴:未來,診斷疾病的是人工智能還是醫生
    2022年11月11日 10:17   來源:中新網上海  

      中新網上海新聞11月11日電(張鶴 張亨偉)近日,復旦大學附屬婦產科醫院放射科副主任、復旦大學影像醫學與核醫學系碩士生導師張鶴發表了一篇題為《未來,診斷疾病的是人工智能還是醫生》的論文。

      在論文中張鶴說道,人工智能技術(artificial intelligence technology, AI)是近些年發展非常迅速的技術領域。平時在我們生活中我們經常能從媒體和報道中聽到諸如人臉識別、自動駕駛等高科技正逐漸滲透到我們的日常生活中。這些都是AI技術應用于不同工業領域的體現。

      其實,在醫學領域,尤其疾病的影像診斷方面,AI也有著廣闊的應用空間,有些也已經逐步應用到臨床。大家熟知的影像科檢查方法,比如普通X線檢查,計算機體層攝影(CT)和磁共振成像(MRI),所采集的圖像,均可利用AI的方法進行分析和處理。

      簡單說來,將利用影像設備所采集的圖像,進行標準化處理(比如圖像采集的方位統一、格式統一、大小統一等等),進而進行計算機軟件編程所特定的程序進行數據讀取、識別,并輸出計算機模擬分析后的診斷或者分類。

      現在應用比較成熟的AI方法,是肺部CT小結節的計算機輔助識別和標注。利用計算機大致判定的肺部CT上疑似小結節的性質,將大大減少放射科醫生的工作量和顯著提高工作效率。隨著大影像設備的普及,隨之帶來的是海量影像數據,而這對于普通的放射科醫生來說,瀏覽這些影像信息,將花費更多的時間,隨之帶來的是職業疲憊感的上升?梢员砻,利用AI技術,不僅僅帶來的是輔助診斷,更多的是效率提高。

      除此之外,其它的很多種檢查方法,比如乳腺鉬靶攝影,也都逐步嘗試利用AI的方法進行輔助診斷。隨著健康中國戰略的實施,將更加重視疾病的預防,因而規范化的體檢則是早期發現病變的必要手段。體檢影像信息的特點在于,絕大多數為陰性樣本(健康個體)。這種樣本信息,則特別適用于利用AI的方法進行早期篩查,判斷出風險較高的高危人群。除了上述提到的幾種類別,利用AI 的方法也在前列腺、胰腺、腦部疾病等的分類及腫瘤患者預后的判定方面,也有了很多科研應用,初步研究也都有不錯的研究結果,預示著今后較好的臨床應用場景。在婦產科疾病領域,筆者所在單位主要開展了如何結合AI 和MRI,提高相關病變的早期診斷、分類及療效預后的判定。

      大家熟知的MRI檢查,具有無輻射、軟組織分辨率高和多平面采集的優勢,最常用于婦產科相關病變的定性(疾病性質)和定量(疾病程度)診斷。MRI檢查的主要劣勢在于,因為MRI檢查本身具有磁場,體內具有金屬植入物的患者不能進行檢查。

      此外,因為MRI檢查設備的孔徑相對較少,人體進入時會有些不適,一些具有幽閉恐懼癥的患者,也不適合進行相關檢查。AI在處理和分析MRI的圖像時,主要存在的問題包括如下兩個方面:第一,MRI檢查方法,是多序列、多平米采集技術,如何有效、合理分析這些圖像,無疑對計算機處理方法提出挑戰;第二,MRI設備為多家不同供應商提供,而每家廠家所設定的設備采集參數、方法,會略有不同,如何識別不同廠商(設備)的圖像,達到多中心的數據處理方法,也需要更智能、更復雜的圖像輔助識別和分析手段。

      目前,再這一領域AI提供的處理方法是時下比較流行的深度學習(deep learning)技術。深度學習技術的核心是構建一種類似人腦的神經系統的計算機自動學習的神經網絡(neutral network),通過搭建層層遞進的學習網絡,構建一種訓練—驗證—測試—再訓練的信息識別模式,進而輸出預先設定的目標任務結果。目前,筆者單位主要開展了利用MRI的深度學習技術輔助識別子宮內膜腫瘤患者的腫瘤肌層侵犯深度判定,卵巢腫瘤患者的術前分類判斷和孕婦胎盤植入的術前判定。

      子宮內膜癌是婦科三大腫瘤之一,近些年隨著生活方式的轉變,發病率逐年提高。針對子宮內膜癌MRI圖像我們訓練了一個基于 YOLOv3 算法的檢測模型來定位腫瘤在MRI圖像上的病變區域。之后,將檢測到的區域反饋到基于深度學習網絡的分類模型中,該分類模型在確定內膜癌肌層侵犯深度的準確率為 84.78%,敏感性為 66.67%,特異性為 87.50%,陽性預測值為 44.44%,陰性預測值為 94.59%。在大病灶的肌層侵犯深度判定準確率方面,優于放射科醫生的判段結果(相應結果發表于放射學頂級期刊 European Radiology)。這也初步提示,基于深度學習的網絡模型在術前判斷內膜癌肌層侵犯深度方面是可行和可靠的,而對于一些非三級醫院,特別有助于術前醫生準確判定腫瘤分期,進而選擇適合的治療方法。

      在產科領域,孕婦產后大出血是女性圍產期死亡最重要的原因之一,如能產前準確判斷胎盤植入的程度,則能及時采取相應產時及產后的對癥處理,對于降低孕婦圍產期死亡率和預后,至關重要。對此,我們也嘗試了利用深度學習算法構建早期判斷MRI胎盤植入概率的預測。我們初步的結果表面,采用胎盤圖像MRI的深度學習構建的學習模型,對胎盤植入相關病變診斷準確性、敏感性和特異性分別為0.771, 0.854和0.750;測試集該模型準確性為0.825, 敏感性為0.830和 特異性為 0.822 (相應結果也發表于科學期刊 scientific reports)。鑒于胎盤植入MRI上判定多需要更專業的影像診斷醫師,并具備三級?漆t院的訓練背景。因而,利用AI 的方法則可實現遠程會診和診斷,無疑對于提高不同區域間的診療水平,大有裨益。

      AI在醫學領域的發展方興未艾,也是大勢所趨。這能讓醫生從繁重的重復勞動中解脫出來,使醫生回歸到與患者更多面對面的交流、問診,和人文關懷中來,而這也才是醫患關系最本質的體現,而這也恰恰是AI的方法所無法取代,也不能取代的。(完)

    注:請在轉載文章內容時務必注明出處!   

    編輯:張亨偉  

    本網站所刊載信息,不代表中新社和中新網觀點。 刊用本網站稿件,務經書面授權。
    未經授權禁止轉載、摘編、復制及建立鏡像,違者將依法追究法律責任。
    常年法律顧問:上海金茂律師事務所
    丫头放松让它进去你太紧了
    <bdo id="46cac"><center id="46cac"></center></bdo>
  • <bdo id="46cac"><center id="46cac"></center></bdo>