中新网上海新闻11月11日电(张鹤 张亨伟)近日，复旦大学附属妇产科医院放射科副主任、复旦大学影像医学与核医学系硕士生导师张鹤发表了一篇题为《未来，诊断疾病的是人工智能还是医生》的论文。
在论文中张鹤说道，人工智能技术(artificial intelligence technology, AI)是近些年发展非常迅速的技术领域。平时在我们生活中我们经常能从媒体和报道中听到诸如人脸识别、自动驾驶等高科技正逐渐渗透到我们的日常生活中。这些都是AI技术应用于不同工业领域的体现。
其实，在医学领域，尤其疾病的影像诊断方面，AI也有着广阔的应用空间，有些也已经逐步应用到临床。大家熟知的影像科检查方法，比如普通X线检查，计算机体层摄影(CT)和磁共振成像(MRI)，所采集的图像，均可利用AI的方法进行分析和处理。
简单说来，将利用影像设备所采集的图像，进行标准化处理(比如图像采集的方位统一、格式统一、大小统一等等)，进而进行计算机软件编程所特定的程序进行数据读取、识别，并输出计算机模拟分析后的诊断或者分类。
现在应用比较成熟的AI方法，是肺部CT小结节的计算机辅助识别和标注。利用计算机大致判定的肺部CT上疑似小结节的性质，将大大减少放射科医生的工作量和显著提高工作效率。随着大影像设备的普及，随之带来的是海量影像数据，而这对于普通的放射科医生来说，浏览这些影像信息，将花费更多的时间，随之带来的是职业疲惫感的上升。可以表明，利用AI技术，不仅仅带来的是辅助诊断，更多的是效率提高。
除此之外，其它的很多种检查方法，比如乳腺钼靶摄影，也都逐步尝试利用AI的方法进行辅助诊断。随着健康中国战略的实施，将更加重视疾病的预防，因而规范化的体检则是早期发现病变的必要手段。体检影像信息的特点在于，绝大多数为阴性样本(健康个体)。这种样本信息，则特别适用于利用AI的方法进行早期筛查，判断出风险较高的高危人群。除了上述提到的几种类别，利用AI 的方法也在前列腺、胰腺、脑部疾病等的分类及肿瘤患者预后的判定方面，也有了很多科研应用，初步研究也都有不错的研究结果，预示着今后较好的临床应用场景。在妇产科疾病领域，笔者所在单位主要开展了如何结合AI 和MRI，提高相关病变的早期诊断、分类及疗效预后的判定。
大家熟知的MRI检查，具有无辐射、软组织分辨率高和多平面采集的优势，最常用于妇产科相关病变的定性(疾病性质)和定量(疾病程度)诊断。MRI检查的主要劣势在于，因为MRI检查本身具有磁场，体内具有金属植入物的患者不能进行检查。
此外，因为MRI检查设备的孔径相对较少，人体进入时会有些不适，一些具有幽闭恐惧症的患者，也不适合进行相关检查。AI在处理和分析MRI的图像时，主要存在的问题包括如下两个方面：第一，MRI检查方法，是多序列、多平米采集技术，如何有效、合理分析这些图像，无疑对计算机处理方法提出挑战；第二，MRI设备为多家不同供应商提供，而每家厂家所设定的设备采集参数、方法，会略有不同，如何识别不同厂商(设备)的图像，达到多中心的数据处理方法，也需要更智能、更复杂的图像辅助识别和分析手段。
目前，再这一领域AI提供的处理方法是时下比较流行的深度学习(deep learning)技术。深度学习技术的核心是构建一种类似人脑的神经系统的计算机自动学习的神经网络(neutral network)，通过搭建层层递进的学习网络，构建一种训练—验证—测试—再训练的信息识别模式，进而输出预先设定的目标任务结果。目前，笔者单位主要开展了利用MRI的深度学习技术辅助识别子宫内膜肿瘤患者的肿瘤肌层侵犯深度判定，卵巢肿瘤患者的术前分类判断和孕妇胎盘植入的术前判定。
子宫内膜癌是妇科三大肿瘤之一，近些年随着生活方式的转变，发病率逐年提高。针对子宫内膜癌MRI图像我们训练了一个基于 YOLOv3 算法的检测模型来定位肿瘤在MRI图像上的病变区域。之后，将检测到的区域反馈到基于深度学习网络的分类模型中，该分类模型在确定内膜癌肌层侵犯深度的准确率为 84.78%，敏感性为 66.67%，特异性为 87.50%，阳性预测值为 44.44%，阴性预测值为 94.59%。在大病灶的肌层侵犯深度判定准确率方面，优于放射科医生的判段结果(相应结果发表于放射学顶级期刊 European Radiology)。这也初步提示，基于深度学习的网络模型在术前判断内膜癌肌层侵犯深度方面是可行和可靠的，而对于一些非三级医院，特别有助于术前医生准确判定肿瘤分期，进而选择适合的治疗方法。
在产科领域，孕妇产后大出血是女性围产期死亡最重要的原因之一，如能产前准确判断胎盘植入的程度，则能及时采取相应产时及产后的对症处理，对于降低孕妇围产期死亡率和预后，至关重要。对此，我们也尝试了利用深度学习算法构建早期判断MRI胎盘植入概率的预测。我们初步的结果表面，采用胎盘图像MRI的深度学习构建的学习模型，对胎盘植入相关病变诊断准确性、敏感性和特异性分别为0.771, 0.854和0.750；测试集该模型准确性为0.825, 敏感性为0.830和 特异性为 0.822 (相应结果也发表于科学期刊 scientific reports)。鉴于胎盘植入MRI上判定多需要更专业的影像诊断医师，并具备三级专科医院的训练背景。因而，利用AI 的方法则可实现远程会诊和诊断，无疑对于提高不同区域间的诊疗水平，大有裨益。
AI在医学领域的发展方兴未艾，也是大势所趋。这能让医生从繁重的重复劳动中解脱出来，使医生回归到与患者更多面对面的交流、问诊，和人文关怀中来，而这也才是医患关系最本质的体现，而这也恰恰是AI的方法所无法取代，也不能取代的。(完)
注：请在转载文章内容时务必注明出处!
编辑：张亨伟
