智能已廣泛應用于當代生活中，其火爆程度已讓研究人員與投資者無法回避。與傳統(tǒng)統(tǒng)計方法相比，機器學習的優(yōu)勢在于它可以處理數(shù)量巨大、特征繁多的數(shù)據(jù)；并基于學習過去的經(jīng)驗與知識，在遇到新的問題時，通過歸納出的解決方法來處理問題。

1

人工智能識別醫(yī)療影像的優(yōu)勢

傳統(tǒng)上，醫(yī)生需要通過病人的表觀病征，生理檢驗結(jié)果等一系列數(shù)據(jù)對病情做出判斷，而這一切都是可標準化的數(shù)據(jù)，可以交由人工智能進行處理。人工智能可以根據(jù)臨床反應與生理指標，快速地調(diào)出可能對應的疾病，輔助醫(yī)生進行判斷。

與此同時，人工智能可以依靠其強大的搜索能力對海量的過往病例與治療方案，以及文獻進行檢索， 提出完備的治療方案。在針對罕見病的治療上，這一特性可以彌補醫(yī)生因經(jīng)驗不足而導致的束手無策。根據(jù)調(diào)查報告預測，醫(yī)療人工智能的市場將會在2024年達到100億美元的規(guī)模，涉及診斷，治療，預防等各個環(huán)節(jié)。

隨著人們健康意識的提高，海量影像數(shù)據(jù)被飛快地產(chǎn)生，IBM的研究人員估計，大約百分之九十的醫(yī)療數(shù)據(jù)是圖像數(shù)據(jù)。到2020年，我國醫(yī)學影像市場的規(guī)模將達到7000億人民幣，而如今醫(yī)院往往缺乏足夠的醫(yī)護人員能正確而迅速地讀取圖片信息，因此對于能夠快速處理影像數(shù)據(jù)能力的需求也十分巨大。

此外相比于人類醫(yī)生，人工智能還具有如下優(yōu)點。

1.判斷更加準確。由于一些生理結(jié)構(gòu)圖像過于復雜，人眼往往難以識別出其中的特征，但是人工智能通過大量案例學習后能發(fā)現(xiàn)潛在的規(guī)律。研究者表明，他們開發(fā)的機器學習算法可以比醫(yī)生更加準確的識別肺部癌變。國內(nèi)開發(fā)的人工智能醫(yī)生也獲得了相似的結(jié)果，在更短的時間內(nèi)處理了更多的圖片，并且取得了95%的正確率，高于測試中的醫(yī)生正確率約兩個百分點。就像資深醫(yī)師因為看過眾多圖片而比普通醫(yī)生的判斷更加準確，人工智能可以學習大量的圖片來提高自己的正確率。

2. 人工智能可以大批量快速地處理圖像數(shù)據(jù)。只要計算能力充足，人工智能便可以一次性處理大量圖像數(shù)據(jù)。更重要的是，人工智能并不會感到疲勞，可以24小時工作。相對的，人類醫(yī)生在一天的工作中可能因為疲勞而產(chǎn)生錯誤。

3.人工智能可以處理圖片的類型更加豐富。由于病癥的種類繁多，從心血管疾病到癌癥等均會涉及到成像與識別，一名人類醫(yī)生很可能只擅長其中的一兩種的圖像識別，而不是全部精通。相反，計算機的高效性與大數(shù)據(jù)容量使其能夠?qū)W習識別不同的病癥圖像，處理不同的圖像種類。這樣一個人工智能就可以取代多名不同科室的醫(yī)生。

4.人工智能進行圖像識別可以與病人的“大數(shù)據(jù)”相結(jié)合。人工智能可以不局限于病人的圖片數(shù)據(jù)，而是結(jié)合其病史，遺傳背景，家族病史等其他可以數(shù)據(jù)化的信息 。它甚至可以結(jié)合病人的飲食結(jié)構(gòu)，生活作息等數(shù)據(jù)到模型當中，對病情進行更精確與個性化的判斷與預測。它不僅可以快速讀懂醫(yī)療影像，還能根據(jù)電子病例數(shù)據(jù)庫進行分析診斷。此機器人還可以與病人進行對話來獲得癥狀，日常習慣等信息，可以說在不久的將來就能實現(xiàn)機器人的“望聞問切”了。

5. 除此以外，人工智能還可以與“云”相結(jié)合，幫助醫(yī)生遠程進行圖片分析。比如某一地方醫(yī)院由于人手不足而無法處理的圖片，可以上傳到云端進行分析，再把結(jié)果返回到本地，進一步釋放了醫(yī)生的生產(chǎn)力。我們甚至可以預測，在將來的某一天，成像設備可以直接把獲取的圖像傳到醫(yī)院以外的某一處處理中心，一個中心可以幫助多家醫(yī)院進行圖像處理，并把結(jié)果反饋給醫(yī)生，同時圖像數(shù)據(jù)也可以保存在云端，免去攜帶實體影像的麻煩。

2

人工智能識別醫(yī)療影像的挑戰(zhàn)

為了獲取高正確率的預測，機器學習模型需要大量的訓練數(shù)據(jù)，這就涉及了以下挑戰(zhàn)：

1.均一化數(shù)據(jù)獲取。人工智能算法開發(fā)人員首先要面對的是從何處獲取足夠的圖片數(shù)據(jù)來訓練自己的模型。雖然國內(nèi)醫(yī)院產(chǎn)生了很多的圖像，但很大部分并非數(shù)字化圖像，而數(shù)字化圖像也需要經(jīng)過醫(yī)院同意以及匿名處理才可以使用。

2.偏差性。如果獲取圖像的來源過于單一，可能會導致模型的預測結(jié)果有偏差。這是因為不同醫(yī)院使用機器不同，放射劑量不同，因此面對相同的病灶所得的圖像可能也有不同。所以用某一醫(yī)院圖像數(shù)據(jù)訓練出來的模型去分析另一醫(yī)院的圖像，準確率可能會大幅下降。解決這一問題的辦法就是盡可能使數(shù)據(jù)來源多樣化，避免內(nèi)在的偏差。

3.數(shù)據(jù)共享。由于我國醫(yī)院多獨立運作，現(xiàn)階段缺乏統(tǒng)一的機制來協(xié)調(diào)共享圖像數(shù)據(jù)，并且這些數(shù)據(jù)還需要采用統(tǒng)一的格式才能用于機器學習，因此各獨立體之間缺乏意愿與能力來共享數(shù)據(jù)。

4.數(shù)據(jù)標注。即使獲得了大量圖像，由于不同類型病癥對應的圖像差異巨大，還需要對這些圖片進行正確標注，才能使得機器學習模型能夠進行正確地學習，而這一過程又需要大量人工。要知道，用于模型訓練對數(shù)據(jù)量往往是數(shù)以十萬計甚至百萬計的，要對這么多數(shù)據(jù)進行標注，其難度可想而知。

5.法律法規(guī)。運用人工智能進行醫(yī)療影像處理的一大障礙是法律法規(guī)層面的不完善。畢竟計算機再智能，也無法保證百分之百的正確率，那么當誤判發(fā)生，耽誤了病人的及時治療時，是醫(yī)生，醫(yī)院，還是負責提高圖像識別服務的公司要對此負責？又要如何劃分責任呢？此外由于信息被數(shù)據(jù)化了，也就存在外泄的可能性。一旦病人隱私被泄露，將引起新的麻煩。如今美國正在著手規(guī)劃人工智能在醫(yī)學領(lǐng)域應用的標準，只要人工智能對使用者健康風險影像較小，就可以進行基本健康服務，但對于更加具體的疾病診斷的應用仍在探索之中。

3

人工智能圖像識別的市場

在醫(yī)療上進行人工智能的諸多嘗試上，能夠率先改變現(xiàn)有醫(yī)療格局并商業(yè)化的莫過于人工智能在醫(yī)療影像識別中的使用，其中最主要的兩個原因是

1.圖像識別本身的算法門檻較低，研究充分，且在許多其他領(lǐng)域有所運用，可以較為方便地遷移到醫(yī)療影像的處理上；

2.醫(yī)療影像產(chǎn)生了大量的圖片數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)簡單，便于用作機器學習的素材。

根據(jù)研究，目前醫(yī)療影像市場中采用人工智能方法的公司有五十家左右，其中接近一半是近兩年成立的，并且有超過三分之一的公司是在美國成立。大部分的投資都在兩百萬到五百萬美元之間，而2016年全年的投資在五千六百萬美元左右。這些公司中大約一半的研究方向是全身多區(qū)域的影像處理，另一半則集中在特定區(qū)域，諸如乳腺，心血管等。

這些研究主要運用人工智能去解決以下問題：1.腫瘤探測。比如皮膚色素瘤，乳腺癌，肺部癌變的早期識別。2.腫瘤發(fā)展追蹤。人工智能可以根據(jù)器官組織的分布，預測出腫瘤擴散到不同部位的概率，并能從圖片中獲取癌變組織的形狀，位置，濃度等等。3.血液量化與可視化。通過核磁共振圖像，人工智能可以更有效地再現(xiàn)心臟內(nèi)部血液的流量變化，并且探測心臟病變。4.病理解讀。由于不同醫(yī)生對于同一張圖片的理解不同，人工智能可以被訓練用于解讀圖片，并向醫(yī)生提供較為全面的報告，使醫(yī)生可以了解到多種不同的病理可能性。5.糖尿病視網(wǎng)膜病變檢測。由糖尿病導致的視網(wǎng)膜病變是失明的一大主因，而早期治療可以有效減緩這一癥狀。人工智能可以辨認出處于早期的患者，并能根據(jù)圖片像素判斷病情的發(fā)展程度。

4

總結(jié)

人工智能在醫(yī)療圖像識別上的運用才剛剛起步，其未來潛在的發(fā)展是巨大的，然而我們也要注意其中可能的障礙，以及不同市場對其需求的差異，比如不同領(lǐng)域?qū)τ嬎愕男枨笫怯胁町惖?，避免可能帶來的投資損失?？紤]到國內(nèi)外都處于相近的發(fā)展階段，相信只要發(fā)展得當，國內(nèi)企業(yè)也能在國際上取得領(lǐng)先地位，并且搶占全球市場。

部分圖文源于網(wǎng)絡

版權(quán)歸原作者所有

相關(guān)知識

深度探索人工智能在醫(yī)療影像診斷中的應用與挑戰(zhàn)####
【圖像生成技術(shù)】人工智能在醫(yī)療健康領(lǐng)域的應用實例：圖像生成技術(shù)的革新實踐
智能醫(yī)療的影像識別.pptx
人工智能+影像診斷、藥物挖掘、健康管理?在上篇《比互聯(lián)網(wǎng)醫(yī)療還高一級的醫(yī)療形態(tài)，為什么人工智能醫(yī)療這么被看好？》中，我們介紹了人工智能在醫(yī)療中重要的診療領(lǐng)域的應...
醫(yī)療+人工智能的創(chuàng)新應用
人工智能在醫(yī)療健康領(lǐng)域中的應用
全景醫(yī)學影像: 智慧醫(yī)療打造醫(yī)學影像診斷新體驗
醫(yī)療健康行業(yè)人工智能輔助診斷與臨床應用方案.doc
知識圖譜在智能醫(yī)療應用.pptx
人工智能與生命科學:AI在醫(yī)療健康十大領(lǐng)域應用前景

網(wǎng)址: 醫(yī)學新科技——人工智能與圖像識別在醫(yī)療診斷中的應用 http://m.u1s5d6.cn/newsview1530900.html