2020年，陸續(xù)拿到“準(zhǔn)生證”的醫(yī)學(xué)影像AI企業(yè)，會(huì)不會(huì)在迎來自己的爆發(fā)之年？ 

近日，中華醫(yī)學(xué)會(huì)放射學(xué)分會(huì)候任主任委員、中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長、上海長征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)教授，在由雷鋒網(wǎng)主辦的「鯨犀產(chǎn)業(yè)數(shù)字峰會(huì)」，分享了“醫(yī)療影像AI的2021展望”。

鯨犀產(chǎn)業(yè)數(shù)字峰會(huì)，是由業(yè)內(nèi)最頂尖的企業(yè)家、工程領(lǐng)袖、CIO、解決方案專家、投資家，聯(lián)合發(fā)起的數(shù)字化系列論壇。

致力于將全新的數(shù)字化管理思維和實(shí)踐案例，推向傳統(tǒng)產(chǎn)業(yè)界、AI界、互聯(lián)網(wǎng)界、投資界、經(jīng)濟(jì)學(xué)界。

在演講中，劉士遠(yuǎn)教授簡要剖析了醫(yī)學(xué)影像的發(fā)展現(xiàn)狀，并從疾病應(yīng)用場景角度，對八個(gè)醫(yī)學(xué)影像AI應(yīng)用方向進(jìn)行了深入分析。

無論是從臨床應(yīng)用前景，還是產(chǎn)品獲批角度，AI在醫(yī)學(xué)影像的創(chuàng)新已經(jīng)成為一種不可逆轉(zhuǎn)的趨勢。而不同的醫(yī)療智能化方向，也使AI技術(shù)進(jìn)一步拓展，形成多樣化、多任務(wù)的深度學(xué)習(xí)模型。

劉士遠(yuǎn)教授表示，未來的放射科，需要對AI廠商的產(chǎn)品進(jìn)行整合，使不同的AI產(chǎn)品都可以融入到工作流程當(dāng)中，輸出圖文結(jié)合的多媒體結(jié)構(gòu)化報(bào)告，讓放射科形成統(tǒng)一的AI生態(tài)系統(tǒng)。

以下為劉士遠(yuǎn)教授的演講全文，雷鋒網(wǎng)做了不改變原意的編輯：

大家好，我演講的題目是“醫(yī)學(xué)影像人工智能產(chǎn)品研發(fā)現(xiàn)狀與應(yīng)用實(shí)踐”。

目前，醫(yī)學(xué)影像人工智能產(chǎn)品大概分為兩大類：

第一、優(yōu)化現(xiàn)有工作流程，包括前臺預(yù)約、技師掃描、圖像后處理、診斷報(bào)告發(fā)放、檢查質(zhì)控，以及治療決策和療效評價(jià)等。

第二、以疾病為中心的人工智能診斷模型，包括神經(jīng)疾病、胸部疾病、心血管疾病、骨關(guān)節(jié)、乳腺等各方面應(yīng)用。

臨床工作流優(yōu)化的四大AI場景

1、低劑量重建

目前最多應(yīng)用就是圖像重建，尤其是低劑量掃描，AI可以在減低劑量的同時(shí)保證圖像質(zhì)量。

以全迭代模型重建為例，原來速度較慢，而基于深度學(xué)習(xí)模型，不僅可以加快重建速度，還能夠達(dá)到和全迭代重建相同的圖像質(zhì)量。

目前，大多數(shù)設(shè)備廠商已經(jīng)采用AI重建方法，從右圖看到，低劑量掃描噪聲很大，通過深度學(xué)習(xí)方法，重建的圖像，基本消除噪聲，使磨玻璃結(jié)節(jié)也可以清晰顯示。

2. 無接觸式影像掃描

用深度學(xué)習(xí)可以增加設(shè)備自動(dòng)掃描功能，從而實(shí)現(xiàn)對現(xiàn)有DR、CT設(shè)備的無接觸影像掃描。

這個(gè)功能在目前新冠疫情的要求下，特別有助于減少醫(yī)護(hù)人員接觸，降低感染幾率,在過去武漢疫情方艙CT疑似病人掃描，發(fā)揮了巨大作用。

3、推動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)化

用深度學(xué)習(xí)對圖像質(zhì)量進(jìn)行評價(jià)，可以實(shí)現(xiàn)拍片質(zhì)量的自動(dòng)質(zhì)控。

例如，模型可以檢測位置是否擺正、肩胛骨是否拉開、是否有體外異物、這些判斷可以及時(shí)提醒技師重拍，避免病人的不必要往返，從而實(shí)現(xiàn)對圖像進(jìn)行回顧性地評價(jià)，達(dá)到對不同技師的質(zhì)控管理，也可針對不同部位以及不同操作人員進(jìn)行回顧性分析。

以一家西部醫(yī)院為例，他們利用DR近1萬例病人進(jìn)行圖像質(zhì)量評估，總結(jié)出不合格胸片當(dāng)中，62%是由于肩胛骨覆蓋造成，18%是異物重疊，12%是由于鎖骨重疊以及聳肩，另外6%則屬于體位不正。這些都可以在年輕技師培訓(xùn)過程中予以重點(diǎn)關(guān)注。

4、AI助力智能化報(bào)告

深度學(xué)習(xí)可以自動(dòng)將病灶定位、定量信息、診斷判斷，以及相關(guān)治療建議決策，都融入到結(jié)構(gòu)化報(bào)告里，提升臨床診療水平。

而且，因?yàn)闆]有專門診斷收費(fèi)，放射科醫(yī)生診斷價(jià)值無法體現(xiàn)，如果未來基于AI的結(jié)構(gòu)化報(bào)告，可以作為一種收費(fèi)形式進(jìn)入醫(yī)院，既能體現(xiàn)人工智能價(jià)值，又能體現(xiàn)醫(yī)生價(jià)值，前景廣闊。

醫(yī)學(xué)影像AI的八個(gè)創(chuàng)新方向

1、AI在中樞神經(jīng)系統(tǒng)影像的應(yīng)用 

AI研究主要集中四個(gè)方面：第一是針對老年性癡呆等退行性改變研究；第二是針對腦出血、腦缺血等腦卒中的研究；第三是針對腦白質(zhì)病變研究；第四是針對顱腦腫瘤分割、腦區(qū)的定位、腫瘤的鑒別等。

在這類產(chǎn)品當(dāng)中，目前，安德醫(yī)智的AI產(chǎn)品已經(jīng)獲得藥監(jiān)局MR腦腫瘤分類三類注冊證。

 

近期在這方面也有許多學(xué)術(shù)的研究，《Nature Medicine》上的研究文章顯示，基于37000多例頭部CT圖像的AI模型，可以對中風(fēng)或出血做出正確診斷，單次判斷僅需時(shí)一秒多。

另一篇發(fā)表在《BRAIN》的文章也顯示，AI針對阿爾茨海默病進(jìn)行風(fēng)險(xiǎn)預(yù)估，已經(jīng)取得很好輸出效果。 

2、頭頸影像AI應(yīng)用

這方面主要集中在甲狀腺病變判定，以及頭頸腫瘤療效評價(jià)和分期預(yù)測等等。

深度學(xué)習(xí)對甲狀腺占位的超聲圖像可以進(jìn)行初步判斷，提示良性、可疑惡性或者偏向惡性，幫助年輕醫(yī)生，較好掌握甲狀腺占位的定性診斷，避免漏診和誤診。

目前，浙江大學(xué)孔德興教授對于甲狀腺良惡性的鑒別研究，敏感性和特異性均達(dá)到90%以上。

另外，天津腫瘤醫(yī)院針對甲狀腺癌研究，發(fā)表在《Lancet Oncology》上，診斷敏感度達(dá)到84%~93%，特異度為86.1%~87.8%。

除了天津腫瘤醫(yī)院的研究，陶曉峰教授針對口腔鱗癌細(xì)胞分型準(zhǔn)確性也達(dá)到86%。 

3、AI在肺部疾病影像的應(yīng)用。

這個(gè)領(lǐng)域的應(yīng)用涵蓋了肺癌、肺部感染性疾病、新冠肺炎以及肺氣腫。

針對肺結(jié)節(jié)研究是所有人工智能產(chǎn)品最早也是功能最深入、最全面的，目前在臨床的應(yīng)用最多的，其中包含檢測、良惡性判斷、預(yù)后檢測以及對基因信息判斷。

對于肺結(jié)節(jié)檢出、基因預(yù)測和浸潤性分型，也有很多文章見諸于各種期刊，均反映有很好的使用效果。

在臨床中，從2017年開始，肺結(jié)節(jié)AI模型使用點(diǎn)擊率就已經(jīng)達(dá)到60%左右，2020年到現(xiàn)在點(diǎn)擊率基本都維持在80%以上，說明對肺結(jié)節(jié)AI模型的臨床使用已經(jīng)常態(tài)化。

研發(fā)肺結(jié)節(jié)AI模型的推想科技、深睿博聯(lián)也已經(jīng)獲得國家藥監(jiān)局的三類注冊證。

AI在新冠肺炎診斷中的應(yīng)用，在《細(xì)胞》雜志上發(fā)表的一篇文章指出，AI模型可以達(dá)到92.49%準(zhǔn)確率、94.93%敏感性和91%的特異性。

4、心血管影像AI應(yīng)用

這是現(xiàn)在熱度最高的影像領(lǐng)域之一，主要包含三個(gè)方面：

第一，冠狀動(dòng)脈斑塊和狹窄的自動(dòng)檢測，基于AI的自動(dòng)分割方法可以實(shí)現(xiàn)病變的實(shí)時(shí)分析，以斑塊狹窄的自動(dòng)檢出和報(bào)告的輸出為例，已面世了一些很好的產(chǎn)品。

第二，冠脈鈣化積分顯示。冠脈鈣化積分可以通過門控和非門控深度學(xué)習(xí)自動(dòng)獲得，并且與傳統(tǒng)獲得方法達(dá)到很好的一致性。

第三，血流儲(chǔ)備分?jǐn)?shù)評估。利用CTA圖像和AI算法，可以對冠狀動(dòng)脈進(jìn)行三維重建，并從流體力學(xué)技術(shù)求解出血流儲(chǔ)備分?jǐn)?shù)，為臨床上精準(zhǔn)無創(chuàng)、快速分析，以及是否需要放支架等提供參考。

例如一個(gè)胸痛病人，就可以通過基于AI冠狀動(dòng)脈重建和結(jié)果，以及血流分?jǐn)?shù)評估，取得很好的FFR結(jié)果。

除了這些，對心肌特性量化評估，也開始使用深度學(xué)習(xí)方法，對非增強(qiáng)心臟磁共振進(jìn)行慢性心梗檢測，準(zhǔn)確性與延遲掃描序列相似性非常高。

心血管影像AI領(lǐng)域，也有幾家企業(yè)已經(jīng)獲得AI三類證。

以獲得藥監(jiān)局三類注冊證的數(shù)坤科技為例，其產(chǎn)品對于冠狀動(dòng)脈三維重建、結(jié)構(gòu)化報(bào)告輸出，以及冠脈FFR、虛擬支架等，都獲得很好應(yīng)用。

另外獲得認(rèn)證的企業(yè)，還有深圳科亞，其產(chǎn)品聚焦冠脈FFR，與類似產(chǎn)品Heart Flow對比，其敏感性、特異度和陽性預(yù)測值都明顯好于對方，并獲得臨床醫(yī)生的認(rèn)可。

5、AI在乳腺影像的應(yīng)用

乳腺癌是現(xiàn)在女性的第一高發(fā)腫瘤，國際上針對乳腺癌的研究也早于國內(nèi)。

目前，乳腺癌AI研究在鉬靶領(lǐng)域應(yīng)用較多，通過乳腺癌的鉬靶檢出、數(shù)據(jù)庫構(gòu)建獲得基本AI模型，但距離真正的臨床應(yīng)用還有較大差距。

從技術(shù)角度，針對乳腺腫塊的良惡性鑒別和乳腺癌分子亞型研究，以及臨床評估方面的單個(gè)方面的AI研究準(zhǔn)確性都達(dá)到90%以上，但這些模型的臨床穩(wěn)定性和普適性可能還需要進(jìn)一步加強(qiáng)。

6、AI 在腹部影像的應(yīng)用 

腹部領(lǐng)域的AI產(chǎn)品研發(fā)，整體上落后于其他領(lǐng)域，像肝臟、腎臟、結(jié)直腸、膀胱、前列腺的研究大多數(shù)還是以單中心、小樣本為主，屬于回顧性質(zhì)，是否可以真正應(yīng)用于臨床，還需要更多前瞻性、多中心臨床驗(yàn)證。

未來，綜合各種醫(yī)療數(shù)據(jù)，從整體狀況進(jìn)行評價(jià)，對多維的數(shù)據(jù)進(jìn)行挖掘，融合多任務(wù)、多器官，可能是腹部AI產(chǎn)品未來的主攻方向。

例如，基于CT的全自動(dòng)肝臟脂肪定量方法，報(bào)告結(jié)果和人工測算就有很好的一致性；在《Radiology》上報(bào)道的一篇肝臟腫塊鑒別診斷，五個(gè)AI模型都取得了很好的AUC值。

7、骨關(guān)節(jié)影像AI應(yīng)用

骨關(guān)節(jié)的AI應(yīng)用主要聚焦在骨齡和骨折，其他也有少部分針對于骨關(guān)節(jié)炎和骨質(zhì)疏松的研發(fā)。

 

目前，骨齡研究的AI模型比較成熟，可以輸出結(jié)構(gòu)化報(bào)告，對骨齡進(jìn)行準(zhǔn)確的判斷，在結(jié)合父母的相關(guān)信息的基礎(chǔ)上，對孩子未來生長空間、身高做出預(yù)測。目前依圖科技已經(jīng)獲得藥監(jiān)局三類產(chǎn)品注冊證。

除了骨齡以外，AI在骨折檢出方面也有很好的應(yīng)用前景。醫(yī)生肉眼閱片對明顯的骨折比較容易做出判斷，但對輕微骨折以及隱蔽部位的骨折則非常容易漏診，AI模型則可以增加檢出的敏感性。

近期的一篇單中心研究顯示，利用AI肋骨骨折產(chǎn)品，年輕醫(yī)生對骨折的檢出敏感度可以從65%提高到86%。

目前，聯(lián)影智能的肋骨骨折產(chǎn)品已經(jīng)獲得國家藥監(jiān)局的三類注冊證。

8. AI在其他醫(yī)學(xué)影像領(lǐng)域的應(yīng)用

除了以上這些場景，還有一些公司從事皮膚癌檢測分類，病理細(xì)胞學(xué)檢測分類，腦電圖AI、心電圖AI和眼底圖人工智能等產(chǎn)品的研究，其中糖網(wǎng)眼底人工智能產(chǎn)品，就有Airdoc、硅基智能等三家公司獲得藥監(jiān)局AI三類注冊證。

放射科AI生態(tài)的統(tǒng)一化

今年和去年是醫(yī)學(xué)影像人工智能產(chǎn)品的突破年，多種產(chǎn)品獲得了國家藥監(jiān)局的三類注冊證。

此外，還有一些公司獲得了FDA、CE產(chǎn)品注冊證，未來在認(rèn)證上可能還有更多產(chǎn)品取得突破，這也是未來醫(yī)學(xué)影像AI發(fā)展的不可逆轉(zhuǎn)的趨勢。

此外，醫(yī)療的智能化和智慧化發(fā)展趨勢，也將使AI技術(shù)逐漸拓寬更多場景，向患者、醫(yī)生、技師、管理、科研教學(xué)等多方向發(fā)展，形成多樣化、多任務(wù)模型。

僅以放射科角度，過去的常規(guī)流程，從登記預(yù)約、到病人獲取報(bào)告、以及數(shù)據(jù)匯總，涉及RIS、HIS、PACS等多個(gè)系統(tǒng)和環(huán)節(jié)，都需要人工智能產(chǎn)品的融入以提高工作效率。

不同環(huán)節(jié)的AI產(chǎn)品可能來自于不同廠家，有著不同的接口和服務(wù)器，同一類型的產(chǎn)品輸出結(jié)果也不盡相同。

未來的放射科，需要對這些廠商的產(chǎn)品進(jìn)行整合，使不同的AI產(chǎn)品都可以融入到工作流當(dāng)中，讓創(chuàng)新技術(shù)可以真正應(yīng)用到臨床環(huán)節(jié)，提升工作效率，保證工作質(zhì)量，最終輸出圖文結(jié)合的多媒體結(jié)構(gòu)化報(bào)告，讓放射科形成統(tǒng)一的AI生態(tài)系統(tǒng)。

這應(yīng)該成為廠商和醫(yī)院今后相當(dāng)長一段時(shí)間共同探討和摸索的一個(gè)重要話題。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。