機(jī)器之能

以下文章來源于機(jī)器之心 ，作者機(jī)器之心產(chǎn)業(yè)研究

專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺

作者 | 付海天、樊曉芳

醫(yī)學(xué)影像是醫(yī)療數(shù)據(jù)最密集的領(lǐng)域，醫(yī)療數(shù)據(jù)中超過80%來源于醫(yī)學(xué)影像，人工智能技術(shù)已經(jīng)應(yīng)用在醫(yī)療行業(yè)多個領(lǐng)域，但醫(yī)學(xué)影像是應(yīng)用最成熟的領(lǐng)域之一。深度學(xué)習(xí)算法模型的訓(xùn)練需要海量數(shù)據(jù)支撐，醫(yī)學(xué)影像由于其數(shù)據(jù)密集的特性，讓以深度學(xué)習(xí)為代表的人工智能技術(shù)有了廣闊的發(fā)揮空間，而其中又以X光、CT等類型影像的識別分析最為成熟。

封閉的醫(yī)療體系已經(jīng)無法滿足醫(yī)學(xué)影像AI快速發(fā)展的需要，醫(yī)療機(jī)構(gòu)、影像AI開發(fā)商等各方協(xié)作與聯(lián)合成為必然趨勢。醫(yī)學(xué)影像算法模型的訓(xùn)練需要以大量的優(yōu)質(zhì)標(biāo)注數(shù)據(jù)為基礎(chǔ)，單個醫(yī)院的影像數(shù)據(jù)難以滿足影像AI模型訓(xùn)練的要求，醫(yī)聯(lián)體和區(qū)域影像中心的建立為影像數(shù)據(jù)流通和數(shù)據(jù)價(jià)值發(fā)揮奠定了堅(jiān)實(shí)基礎(chǔ)，多地也已成立區(qū)域級的影像聯(lián)盟，促進(jìn)了醫(yī)學(xué)影像技術(shù)交流和數(shù)據(jù)流通。

政策開閘是醫(yī)學(xué)影像AI產(chǎn)品走向商業(yè)化的重要因素。2017年8月，CFDA發(fā)布了新版《醫(yī)療器械分類目錄》，新增了與人工智能輔助診斷相對應(yīng)的類別，醫(yī)學(xué)影像AI產(chǎn)品開始進(jìn)入審批通道，個別企業(yè)獲得了二類器械許可證并開啟了初步的商業(yè)化，但醫(yī)學(xué)影像AI產(chǎn)品的三類器械許可證審批始終引而不發(fā)。2019年7月器審中心發(fā)布了《深度學(xué)習(xí)輔助決策醫(yī)療器械軟件審評要點(diǎn)》，對醫(yī)療AI產(chǎn)品的數(shù)據(jù)質(zhì)量控制、算法泛化能力、臨床使用風(fēng)險(xiǎn)等問題進(jìn)行了規(guī)定，相關(guān)醫(yī)學(xué)影像AI產(chǎn)品的審批也進(jìn)入了綠色通道。2020年1月，國家藥品監(jiān)督管理局審查批準(zhǔn)了我國首個應(yīng)用人工智能技術(shù)的三類器械-冠脈血流儲備分?jǐn)?shù)計(jì)算軟件的注冊，與此同時，其它多個醫(yī)學(xué)影像AI產(chǎn)品也正在注冊審批隊(duì)列中。隨著醫(yī)學(xué)影像AI產(chǎn)品三類器械許可證的審批加速，醫(yī)學(xué)影像AI產(chǎn)品商業(yè)化將迎來一波新的發(fā)展浪潮。

機(jī)器之心希望通過本報(bào)告《開啟醫(yī)學(xué)智慧之眼——醫(yī)學(xué)影像中人工智能技術(shù)應(yīng)用現(xiàn)狀及展望》，介紹現(xiàn)有人工智能技術(shù)在醫(yī)學(xué)影像中的應(yīng)用現(xiàn)狀、未來技術(shù)發(fā)展及落地應(yīng)用趨勢，向醫(yī)學(xué)影像AI產(chǎn)品開發(fā)商、醫(yī)護(hù)人員、醫(yī)學(xué)影像設(shè)備制造商、算法工程師等相關(guān)從業(yè)者提供詳實(shí)的調(diào)研參考，并幫助讀者對該領(lǐng)域形成系統(tǒng)性見解。

報(bào)告目錄

4.1.1 乳腺癌

乳腺 CAD 被廣泛應(yīng)用于 X 線攝影診斷乳腺癌的過程，主要用于提高鈣化灶和腫塊被檢出的精準(zhǔn)性，鈣化是乳腺癌早期的重要表現(xiàn)，腫塊是乳腺癌的直接定位依據(jù)。乳腺 CAD 對鈣化點(diǎn)檢測效果比較理想，但在腫塊檢測方面，由于早期的隱匿性乳腺癌腫塊尺度較小、邊緣模糊、對比度低，與正常乳腺組織極其相似，辨識特征不太明顯。

? 谷歌和圣地亞哥海軍醫(yī)學(xué)中心合作開發(fā)了 AI 系統(tǒng)「淋巴結(jié)助手」(LYNA)，LYNA 基于開源圖像識別深度學(xué)習(xí)模型Inception-v3 開發(fā)出來，研究人員訓(xùn)練模型時將 LYNA 模型置于到了 2016 年癌癥細(xì)胞檢測競賽（Camelyon16）的癌癥轉(zhuǎn)移數(shù)據(jù)環(huán)境里，該數(shù)據(jù)集來自于 Radboud 大學(xué)和 Utrecht 大學(xué)醫(yī)學(xué)中心，里面包含了 399 個淋巴結(jié)切片的玻片圖像，以及來自 20 名患者的 108 張圖像。它對 270 個載玻片（160 個正常，110 個腫瘤）進(jìn)行了訓(xùn)練，并使用了兩個評估集—一個由 129 個載玻片組成，另一個由 108 個載玻片組成，來進(jìn)行性能評估。在轉(zhuǎn)移性乳腺癌的檢測精度測試中，LYNA 的準(zhǔn)確率達(dá)到99%，超過人類的檢測準(zhǔn)確率。

4.2.1 CT 三維重建

常規(guī) CT 二維圖像缺乏三維空間觀感效果，對病變特征的顯示受到了較大的局限。三維重建成像是基于高質(zhì)量橫斷面掃描影像的技術(shù)，隨著高速掃描技術(shù)的發(fā)展為三維重建成像提供了可能。醫(yī)學(xué)三維重建技術(shù)涉及到醫(yī)學(xué)影像學(xué)、計(jì)算機(jī)圖像處理、生物醫(yī)學(xué)工程等多項(xiàng)技術(shù)，三維重建成像不僅有助于疾病診斷，也可為術(shù)前判斷提供依據(jù)，從而確定手術(shù)方案， 特別是病灶空間位置及手術(shù)入路的選擇，二維圖像不易觀察，而三維重建可從多個角度整體觀察。

? GE Lightspeed 64 排螺旋 CT 機(jī)可以直觀地從不同角度觀察骨折部位、骨折線走向及移位情況。在對髁狀突骨折患者進(jìn)行掃描時，患者取仰臥位，頭先進(jìn)方式，掃描范圍為眶下緣至下頜骨下緣，常規(guī)掃描后應(yīng)用 Volume Rending 軟件將原始圖像重建，將重建的薄層數(shù)據(jù)圖像傳至后臺工作站，運(yùn)用多平面成像技術(shù) (multiple planner reconstruction，MPR) 和容積再現(xiàn)技術(shù) (volume rendering technique，VRT)，進(jìn)行三維重建。根據(jù)患者骨折的類型，選擇部位進(jìn)行適當(dāng)旋轉(zhuǎn)切割，除去異物及多余部分，顯示患者骨折部位及相關(guān)形態(tài)結(jié)構(gòu)。

4.3.1 靶區(qū)自動勾畫

生物靶區(qū)（biological target volume,BTV）勾畫方法是指在分子生物功能 PET 影像的基礎(chǔ)上，將感興趣區(qū)域或者是腫瘤區(qū)利用圖像分割的方法進(jìn)行勾畫。隨著分子生物功能 PET 影像技術(shù)的發(fā)展，PET 影像越來越多的應(yīng)用到腫瘤放射治療計(jì)劃中，在指導(dǎo)腫瘤的高精確放射治療中起著至關(guān)重要的作用。腫瘤病人的CT 圖像勾畫往往需要消耗大量時間，傳統(tǒng)方法下醫(yī)生多需要應(yīng)用 3 ～ 5 h 進(jìn)行靶區(qū)勾畫，隨之開展的照射方案或手術(shù)方案設(shè)計(jì)同樣需要消耗大量時間，而這一系列過程隨著病人的病情變化將不斷循環(huán)，大量的醫(yī)療資源因此浪費(fèi)。腫瘤放療靶區(qū)勾畫本質(zhì)上是一個圖像分割問題，因此，將模式識別領(lǐng)域的圖像分割理論和方法引入腫瘤放療靶區(qū)勾畫領(lǐng)域，開展半自動或全自動的生物靶區(qū)智能勾畫已成為當(dāng)前醫(yī)學(xué)圖像處理的熱點(diǎn)，惡性腫瘤智能放療生物靶區(qū)勾畫系統(tǒng)、分子影像引導(dǎo)智能放療系統(tǒng)生物調(diào)強(qiáng)智能放療靶區(qū)勾畫與評估軟件均屬于其中代表。

? 柏視醫(yī)療開發(fā)的鼻咽癌放療臨床靶區(qū)自動勾畫系統(tǒng)通過機(jī)器學(xué)習(xí)方法，采用小樣本集數(shù)據(jù)訓(xùn)練模型，并運(yùn)用知識圖譜和深度學(xué)習(xí)的知識完成模型的訓(xùn)練，可對 GTV（腫瘤區(qū)）和 CTV（臨床靶區(qū)）進(jìn)行自動勾畫。在充分保證靶區(qū)勾畫精準(zhǔn)度的前提下，可將勾畫時間從數(shù)小時縮短到幾分鐘，大大提高了臨床醫(yī)生的診療效率。

4.4.1 手術(shù)規(guī)劃

數(shù)字化技術(shù)在外科手術(shù)中的應(yīng)用越來越重要，在手術(shù)前進(jìn)行科學(xué)規(guī)劃，能夠幫助克服外科醫(yī)生的視覺局限，使數(shù)據(jù)測量更加精準(zhǔn)，診斷更為精確，手術(shù)更加精準(zhǔn)、更加高效。手術(shù)規(guī)劃的一個重要手段就是三維重建技術(shù)。通過術(shù)前手術(shù)規(guī)劃，醫(yī)師能根據(jù)手術(shù)需要對三維模型進(jìn)行移動、旋轉(zhuǎn)、透明化等操作，任意調(diào)整觀察角度，直觀地了解病灶。再通過虛擬現(xiàn)實(shí)交互技術(shù)進(jìn)行模擬手術(shù)，對手術(shù)方案進(jìn)行反復(fù)操作并不斷修正，顯著降低手術(shù)風(fēng)險(xiǎn)、減少術(shù)中決策時間，提高手術(shù)成功率。

? 博為肝臟三維手術(shù)規(guī)劃系統(tǒng)解決了肝臟切除手術(shù)方案設(shè)計(jì)困難問題，通過對原始的 CT 數(shù)據(jù)進(jìn)行后處理重建為三維立體圖像，精準(zhǔn)肝臟分割（門靜脈、肝靜脈分割清晰）與分段（奎諾 8 段），自動提取腫瘤病臟，精準(zhǔn)直觀地展示肝臟腫瘤、肝段、肝臟內(nèi)部復(fù)雜的管道解剖結(jié)構(gòu)，對病例進(jìn)行全面精準(zhǔn)的量化分析，并自動生成臨床臟器定量分析報(bào)告。

4.5.1 神經(jīng)外科機(jī)器人

已經(jīng)商用化的神經(jīng)外科機(jī)器人都采用術(shù)前醫(yī)學(xué)圖像導(dǎo)航的方式對機(jī)器人進(jìn)行引導(dǎo)定位，由于腦組織在手術(shù)過程中會因顱內(nèi)壓力變化而發(fā)生變形和移位，這就不可避免的引起定位誤差。因此將現(xiàn)有的定位機(jī)構(gòu)與術(shù)中導(dǎo)航方式相結(jié)合是神經(jīng)外科機(jī)器人研究的主要方向。

? 美國 Pathfnder Technologies 公司的 Pathfnder 神經(jīng)外科機(jī)器人在 2004 年通過了美國 FDA 認(rèn)證，用于完成常規(guī)的腦外科立體定向手術(shù)，醫(yī)生可通過該系統(tǒng)在術(shù)前醫(yī)學(xué)影像的指導(dǎo)下確定靶點(diǎn)位置和穿刺路徑，機(jī)器人可完成定位并操作手術(shù)工具到制定目標(biāo)，末端針尖定位精度達(dá)到亞毫米級別。

4.6.1 醫(yī)學(xué)影像數(shù)據(jù)平臺

醫(yī)學(xué)影像數(shù)據(jù)挖掘的主要目標(biāo)是從中提取出圖片的自身特征，包括語義、質(zhì)量、關(guān)聯(lián)度、實(shí)體義項(xiàng)等。影像大數(shù)據(jù)平臺應(yīng)用計(jì)算機(jī)視覺、數(shù)據(jù)挖掘技術(shù)，對包括結(jié)構(gòu)性和非結(jié)構(gòu)性數(shù)據(jù)在內(nèi)的影像大數(shù)據(jù)進(jìn)行集成，實(shí)現(xiàn)集中管理和更好的資源配置，對醫(yī)學(xué)影像進(jìn)行深入分析、建模和評估，深入開發(fā)影像數(shù)據(jù)價(jià)值。

? Watson Clinical Imaging Review 是 IBM Watson 的第一個認(rèn)知影像產(chǎn)品。該產(chǎn)品可檢查包括圖像在內(nèi)的醫(yī)療數(shù)據(jù)，幫助醫(yī)療服務(wù)提供商識別需要關(guān)注的最危急情況。該產(chǎn)品的第一個應(yīng)用目標(biāo)是心血管疾病，從一種稱為 AS —aorticstenosis( 主動脈瓣狹窄 ) 的常見病情開始介入。一項(xiàng)試點(diǎn)研究發(fā)現(xiàn)，Watson Clinical Imaging Review 能幫助醫(yī)務(wù)人員識別以前未注明要對其進(jìn)行冠心病跟進(jìn)治療的潛在 AS 患者。利用 Watson Imaging Clinical Review，醫(yī)院管理人員可識別具有跟進(jìn)治療根據(jù)的病情，確保 EMR 信息是完整的。它使用認(rèn)知文本分析來讀取心臟病科醫(yī)師醫(yī)療報(bào)告中的結(jié)構(gòu)化和非結(jié)構(gòu)化信息，將其與其他來源 ( 比如 EMR 問題清單 ) 的各種數(shù)據(jù)相結(jié)合，并提取相關(guān)信息來驗(yàn)證關(guān)鍵數(shù)據(jù)(包括診斷結(jié)果)是否在健康記錄中準(zhǔn)確地反映出來。

4.7.1 細(xì)胞病理學(xué)研究

細(xì)胞病理學(xué)是以組織學(xué)為基礎(chǔ)，研究組織碎片、細(xì)胞群團(tuán)、單個細(xì)胞的形態(tài)和結(jié)構(gòu)、以及細(xì)胞間比鄰關(guān)系并探討組織來源的一門科學(xué)。細(xì)胞病理學(xué)包括兩大部分，脫落細(xì)胞學(xué) (Exfoliative Cytology) 和針吸細(xì)胞學(xué)或稱小針穿細(xì)胞學(xué) (Fine Needle Aspiration Cytology or Fine Needle Aspiration Biopsy ，縮寫 FNAC)。一般在病理科內(nèi)設(shè)有細(xì)胞學(xué)室。當(dāng)臨床醫(yī)師開出細(xì)胞學(xué)檢查送檢單后，由細(xì)胞學(xué)室完成細(xì)胞檢查。

? 日本研究人員發(fā)明了一種新的細(xì)胞識別和分選系統(tǒng)鬼影細(xì)胞測定儀 (ghost cytometry)，其將一種新的成像技術(shù)與人工智能技術(shù)結(jié)合，用于識別和分選患者血液中的循環(huán)癌細(xì)胞，以每秒一萬多個細(xì)胞的速度識別細(xì)胞，每秒數(shù)千個細(xì)胞的速度對細(xì)胞進(jìn)行分類，能夠加速藥物發(fā)現(xiàn)和改進(jìn)基于細(xì)胞的醫(yī)學(xué)療法的療效。

報(bào)告如何獲??？

本報(bào)告《開啟醫(yī)學(xué)智慧之眼——醫(yī)學(xué)影像中人工智能技術(shù)應(yīng)用現(xiàn)狀及展望》是機(jī)器之心產(chǎn)業(yè)研究團(tuán)隊(duì)推出的《「智周」人工智能技術(shù)應(yīng)用報(bào)告系列》之一。

本系列報(bào)告全部被收錄于人工智能領(lǐng)域?qū)I(yè)信息及數(shù)據(jù)平臺「機(jī)器之心Pro」。

訪問「機(jī)器之心Pro」，認(rèn)證成為專業(yè)用戶，即可免費(fèi)獲取報(bào)告。

pro.jiqizhixin.com

PC訪問，體驗(yàn)更佳閱讀原文

原標(biāo)題：《AI+醫(yī)學(xué)影像應(yīng)用全景掃描：自動識別病灶，還支持放射治療、手術(shù)路徑規(guī)劃等》