【
儀器網(wǎng) 行業(yè)要聞】我們在電影或游戲中能經(jīng)常看到，思維和執(zhí)行力都與人類相差無幾，但卻是
機器人這樣的存在。不僅僅是在電影或游戲中，人工智能已經(jīng)逐漸走進了我們的生活，甚至已經(jīng)應用在了各個領域。這種研究、開發(fā)用于模擬、延展和擴展人的智能的理論、方法、技術及應用系統(tǒng)的新技術科學，不僅給許多的行業(yè)帶來了巨大的經(jīng)濟效應，同時也為人們的生活帶來了許多改變與便利。
像我們經(jīng)常會在刷淘寶時發(fā)現(xiàn)，淘寶中推薦的用品居然恰好是我們所需要的，這種個性化推薦就是一種人工智能，它建立在海量數(shù)據(jù)挖掘的基礎上，對用戶的歷史行為進行分析并建立推薦模型，從而能夠主動給用戶匹配所需的信息。人臉識別也是一種人工智能，這是基于人的臉部特征信息進行身份識別的一種生物識別技術，還涉及到了計算機視覺、圖像處理等技術。
不僅如此，隨著科技的不斷發(fā)展，人工智能技術也已經(jīng)滲透到醫(yī)療方面，并且成為近年來醫(yī)學技術發(fā)展的一個研究熱點。人工智能可以快速且不間斷的閱讀海量的文獻，并且能夠擁有十分全面的基礎知識和最新進展，在不斷“學習”專業(yè)醫(yī)生的醫(yī)療知識后，不僅可以用于對個體或群體性疾病的預測，并給出相應的健康建議，同時也能輔助診療、輔助治療，從而降低誤診率。而其中，最能讓人工智能大展身手的，無疑是在醫(yī)學圖像中的應用。
近些年來，我國也不斷推出相關政策規(guī)劃來積極響應且規(guī)范人工智能技術在醫(yī)療行業(yè)的發(fā)展。《新一代人工智能發(fā)展規(guī)劃》中指出，要圍繞醫(yī)療等關乎民生的剛性需求先行發(fā)展，為大眾提供更高效多元的智慧醫(yī)療服務；《關于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見》中提到，規(guī)范和推動健康醫(yī)療大數(shù)據(jù)融合共享、開放應用，明確支持研發(fā)健康醫(yī)療相關的人工智能技術。
人工智能技術不斷輔助醫(yī)學圖像處理
人工智能技術的運用對于醫(yī)學圖像分割具有重大的意義和應用價值，它可以將醫(yī)生的精力從圖像分割中解放出來，并且能夠提高分割效率、縮短分割時間、減少主觀偏差。在近幾年的一些研究中發(fā)現(xiàn)，這種基于深度學習的卷積神經(jīng)網(wǎng)絡算法在不斷地改進中，逐漸能夠在醫(yī)學圖像上對一些較為復雜的組織結構達到十分可觀的分割效果。研究人員認為，該方法比現(xiàn)有的方法運行更快，而且檢測精準度不會受到其他污染物的存在的影響，還具有高精度的全自動身體成分分析的潛力。
蟻群算法是一種能夠在圖中尋找優(yōu)化路徑的幾率型算法，部分研究中使用蟻群優(yōu)化算法，有效克服了圖像自身變化較多的因素對傳統(tǒng)方法的干擾，試驗結果顯示對血管和半點的檢測同樣具有理想效果。這種算法不僅被用在對糖尿病患者視網(wǎng)膜中視神經(jīng)盤的彩色解剖圖像檢測中，還能夠與向量機模型結合，從而有效評估醫(yī)學圖像處理中點選擇概率的問題。
人工智能還可以輔助疾病的預后評估。通過患者信息和圖像分析，提取腫瘤的物理特征，從而預測疾病治療反應，評估疾病的預后，從而幫助醫(yī)生能夠更好地選擇合適的治療方式。例如，可以建立人工智能影像組學模型，預測射頻消融和手術切除的無進展生存期，在基于深度學習的影像組學模型下能夠實現(xiàn)無進展生存期的術前準確預測，從而促進極早期或早期患者的最優(yōu)治療方式選擇。可以看出，結合深度學習和影像組學的優(yōu)勢，能夠更大程度地對疾病進行治療反應預測和預后估計。
不只是以上算法的運用，還有遺傳算法、人工免疫算法、進化算法等智能算法也不斷出現(xiàn)在醫(yī)學圖像處理各應用領域之中。近年來，人工智能方法在醫(yī)學圖像處理中的應用十分廣泛，其中所涉及到的醫(yī)學圖像種類也十分豐富，包括 MR 圖像、 超聲圖像、PET 圖像、CT 圖像和醫(yī)學紅外圖像等，所涉及的病變和檢測對象也遍布人體各部位。人工智能已經(jīng)真正融入到了醫(yī)療的每一個環(huán)節(jié)中。
“萬能”的人工智能技術也存在瓶頸？
我國醫(yī)學圖像數(shù)據(jù)總量巨大，但利用效率卻不高。據(jù)權威調查數(shù)據(jù)顯示，醫(yī)療行業(yè)非結構化數(shù)據(jù)占整個數(shù)據(jù)量的90%左右，其中包括醫(yī)療相關系統(tǒng)所產生的醫(yī)療圖像。盡管數(shù)據(jù)龐大，但這些數(shù)據(jù)缺少一個統(tǒng)一標準、跨平臺分享的生態(tài)環(huán)境，導致其利用率和利用價值都不高。人工智能醫(yī)療影像圖像在高質量數(shù)據(jù)獲取和標注上仍然存在較大的挑戰(zhàn)。
在人工智能的數(shù)據(jù)處理流程中，其重點環(huán)節(jié)就在于數(shù)據(jù)預處理工作，數(shù)據(jù)標注的準確性會直接影響最終診斷結果。目前的深度學習算法大多都屬于監(jiān)督學習，需要醫(yī)生的精準標注進行訓練，盡管小樣本學習已經(jīng)有所突破，但標注這些變異較大的結構反而會大大增加醫(yī)生的工作量，仍然需要消耗大量的時間和精力。
人工智能輔助疾病診斷模型業(yè)還存在構建的通用性模型在特定任務中表現(xiàn)不理想的情況，在模型的構建上，往往對圖像的源數(shù)據(jù)質量要求比較高，如果只用來自一家醫(yī)院的數(shù)據(jù)，而不入組其他醫(yī)院的數(shù)據(jù)，那么最后構建的模型，就無法精準智能診斷其他數(shù)據(jù)源的數(shù)據(jù)。
讓數(shù)字醫(yī)學不斷迸發(fā)出更強烈的光彩
盡管目前仍存在著許多難題，但醫(yī)學人工智能依舊是數(shù)字醫(yī)學發(fā)展的新方向，同時也是未來醫(yī)學發(fā)展的必然趨勢。近日來，香港大學工程學院一研究團隊開發(fā)一種新人工智能演算方法，這種算法能夠從數(shù)十萬份X射線影像報告中自動獲取監(jiān)督信號來訓練預測模型，研究團隊利用該方法成功地將數(shù)據(jù)標注量降低90%，其預測的準確度更是超過了用全由人手標注的數(shù)據(jù)訓練人工智能醫(yī)學圖像診斷模型，他們在降低開發(fā)成本的同時提高了數(shù)據(jù)處理量和速度、預測準確度也有提升，這為實現(xiàn)通用醫(yī)療人工智能邁出重要一步。
事實上，國內AI醫(yī)療器械市場規(guī)模從2019年的1.25億元已經(jīng)大幅增長至2020年的2.92億元，同比增長134%，預計2022年將繼續(xù)大幅增長，達到11.56億元。據(jù)國家藥品監(jiān)督管理局2021年度醫(yī)療器械注冊工作報告顯示，截至2021年12月31日，全國各地藥品監(jiān)管部門共辦理境內第二類醫(yī)療器械注冊31509項、境內第三類醫(yī)療器械注冊4596項。其中國家藥品監(jiān)督管理局批準的AI類醫(yī)療器械注冊證書(二類證及三類證)一共153個。
總而言之，人工智能已經(jīng)進入了一個快速發(fā)展的階段，并且?guī)Ыo醫(yī)學影像課間的變化，不斷改變著醫(yī)療行業(yè)的工作流程與效率。在考慮醫(yī)學圖像實際特點的基礎上，結合人工智能等不同領域的技術、多種類型的方法結合與改進使用、相互彌補算法功能的缺陷，必然將會是醫(yī)學圖像處理技術的一個重要發(fā)展方向。醫(yī)學人工智能時代已經(jīng)來臨，我們亟須跟進數(shù)字醫(yī)學和人工智能時代的腳步，激流勇進，為未來醫(yī)學的創(chuàng)新和改革做出貢獻！
(資料參考來源：中國新聞網(wǎng)、知網(wǎng)、知乎、科技日報、央視網(wǎng))
客服在線：
浙公網(wǎng)安備 33010602002722號
昵稱 驗證碼 請輸入正確驗證碼
所有評論僅代表網(wǎng)友意見，與本站立場無關