我們幾乎都有過拿著“片子”等醫生看的經歷。面對黑乎乎的底色上那些幽微泛白的圖像，我們一無所知，虔誠地聽著醫生吐露的每個字。這是出於對醫生的信賴，他們憑藉專業學識和經驗，用肉眼就能發現一般人看不出的問題，給出令我們眉頭一鬆或一緊的答案。
而現在人工智能的引入，可以更好地幫助影像科醫生做出判斷。
憑藉在感染性疾病影像診斷方面的豐富經驗，以及此前利用人工智能診斷肺結節的研究基礎，中核集團核工業總醫院開展了“人工智能（AI）診斷系統在新型冠狀病毒肺炎檢測及肺炎鑑別診斷中的應用研究”，將AI技術結合到新冠肺炎的CT檢查中，這在業界相關研究中屬先行一步。
早發現、早診斷、早治療可明顯降低新型冠狀病毒感染者危重症發生率和死亡率，意義不言而喻。AI的算法，與醫生的經驗相結合，將為新冠肺炎乃至更多類型的肺炎疾病提供早發現、早診斷、早治療的高效解決方案。
人看不到的，它可以
目前，對新冠病毒感染的診斷主要為流行病學史、臨床表現、影像學檢查、血常規及核酸/基因檢測。但部分患者缺乏流行病學史、臨床表現不典型、核酸檢測陽性結果滯後且存在假陰性可能。
按照國家衛健委於3月4日印發的新型冠狀病毒肺炎診療方案（試行第七版），“影像學特徵”被列為新冠肺炎疑似病例臨床表現的三條之一。CT檢查在新冠肺炎診斷中起重要作用，在主要疫區一度作為臨床診斷的主要依據。
但常規CT檢查存在早期難以觀察到較隱匿病變，與其它病毒性肺炎、細菌性肺炎難以區分等不足。“通常的CT檢查圖像都是靠人眼來辨別的，通過影像診斷，醫師對檢查產生的圖像進行觀察，根據其影像學表現，還有醫師個人經驗，做出主觀的判斷。”核工業總醫院新冠肺炎醫療救治專家組成員、影像診斷科主任範國華告訴記者，“這肯定是有一定侷限性的。主觀的影響因素比較多，而且只能解讀表觀的一些圖像特徵。”
人工智能的分析能力與醫生的肉眼有什麼不同？
範國華說，人工智能可以將視覺影像信息轉化為深層次的特徵性的信息，而且這些信息是可量化的。獲取的信息越多，診斷起來把握性就更大。人工智能提取的某些特徵，如直方圖特徵、紋理特徵和小波特徵等，單憑人的肉眼是無法觀察到的，更不可能量化，但是人工智能可以通過海量信息處理挖掘出來。
利用人工智能技術建立起的這套智能診斷系統，能夠快速識別病灶微觀信息及關鍵特徵，在海量數據中篩選、提取該病變的特徵性信息，做出疾病診斷，提升CT在新冠肺炎早期診斷及其與其它肺炎鑑別診斷能力，從而改善患者預後、降低危重症病例發生率和死亡率。
“一是對於比較早期的病變，肉眼觀察不太明顯的影像學改變，能夠檢測出來；二是定性比較準確，對病變能給出比較準確的診斷；另外整個流程的耗時相對人工能夠大大縮短。”據範國華說，一般一個成年人做一次胸部CT檢查會產生四五百幅薄層圖像，靠人工一幅一幅去看很費時費力，但是機器可以在幾秒鐘之內將這四五百幅圖像檢測完，而且不存在連續工作產生疲勞的問題。
AI怎麼“養成”
利用人工智能技術對圖像數據進行更深層次的分析，具體過程是通過CT掃描獲得數字化的圖像，然後將圖像數據導入軟件系統中進行分析，通過機器的“深度學習”建立模型。對於建立的模型，使用一定數量的確診病例來驗證其是否可靠，然後用於檢測其他的未知病例。這種人工智能和影像診斷相結合的技術，此前多用於腫瘤的診斷。
要把這個AI“養大成人”，最終成熟到能夠幫助診斷，餵給它學習和訓練的“養料”就是數據，比如在核工業總醫院的這項研究中是CT檢查產生的圖像數據。這些數據來自已知的確診病人，由醫生將其做好標記，然後提供給機器。
在獲取數據方面核工業總醫院具有優勢。該院是蘇州市新冠病毒感染的定點救治單位，專設有感染性疾病科、發熱門診和隔離病房，可以提供豐富的病例資料。
核工業總醫院現有高端CT設備5臺，開設新型冠狀病毒肺炎檢查專用CT兩臺，醫院具有完善的PACS（圖像存檔與傳輸系統）及圖像處理工作站。PACS系統作為應用在醫院影像科室的信息系統，主要任務就是把日常產生的各種醫學影像包括磁共振、CT、超聲、X線等圖像，以數字化的方式海量保存起來，對於在各種影像設備間傳輸數據和組織存儲數據具有重要作用。此前，該院已應用人工智能輔助診斷系統開展肺結節篩查、檢測及診斷工作。
人工智能檢測肺結節
“樣本量越大、標準化數據越多越好。隨著研究的進行，要增大樣本量，單個醫院數據獲取有限，需要協調開展多中心研究，以擴大樣本量。”範國華表示。
“獲取大樣本標準化的影像數據是一個難點”，範國華表示。做CT檢查時，各家醫院使用的機器設備、掃描參數等不盡相同。但做大樣本分析，要求所有的影像數據都是規範和標準的。
把影像數據交給機器前，需要對數據進行標記，所以數據的精確標記對於人工智能應用具有重要影響。
“再就是對病灶的精確分割，分割得越精確越好，這也是一個難點。”他說。
希望能早一點實際應用
計算機技術與影像診斷的結合並非偶然。近年來“人臉識別”成為生活裡的熱門詞彙，其背後就是計算機視覺技術的發展。通過深度學習技術，只要給機器提供一個圖片數據集，讓它去尋找圖片之間的聯繫，最終就能形成一個相關性網絡。用在醫學影像上，就可以讓機器來分析確診病例的影像具有的而健康人影像上沒有的特徵，這些特徵不僅可能是肉眼發現不了的細節，也可能根本不是按照人類的邏輯來歸納的。
“在人工智能研發應用方面，我國與世界先進國家基本處於同一水平，某些方面還處於領先地位。”範國華說，“對於人工智能應用於影像診斷，目前基本是醫院根據自己的特點、優勢及興趣在做一些相關的工作。”
肺炎檢測
範國華說，開展這方面研究的出發點是為臨床診斷提供一些幫助，探索較早的較準確的診斷方法。“通過深度的信息挖掘，尋找不同的致病微生物之間產生的肺部炎症有什麼差異。找到差異，就能為臨床提供比較準確的影像診斷，有助於臨床早做相應的處理。”
該研究自今年2月開始，按照課題規劃預計一年時間完成，大概明年1~2月可投入臨床使用。“目前已進行CT掃描技術的優化包括數據獲取標準化方面的工作，同時收集相關病例的影像學資料、臨床資料、實驗室檢測資料等，隨後利用這些數據進行建模。”範國華說。
項目完成後如果新冠肺炎疫情已經過去，這項成果還有用嗎？他對此表示：“我們希望能夠儘早實際應用。疫情之後這套診斷系統主要還是應用於肺炎的檢測及鑑別診斷。不同的致病微生物都可能引起肺部的炎症，以後在這方面可以做一些類似的工作，將研究成果應用於某些需要關注的肺部炎症。”此外他還談到，項目是“邊做邊完善”的，在研究過程中會有一些階段性成果產生。
核工業總醫院的這項研究走在業界相關研究的前列，但作為項目負責人的範國華，態度很冷靜：“這套診斷系統還在研究過程當中，目前處於研究初期，還牽涉到後續的很多工作，能達到的水平還要看以後工作開展的情況。”
儘管盛讚人工智能的優勢，範國華認為機器還不能完全代替人的角色。對於“假如人工智能診斷錯誤是醫生還是人工智能設備的責任”的問題，他答道：“這肯定是人作為責任的主體，人工智能給出的診斷結果最終需要專業醫生把關，出具的影像診斷報告是由影像專業醫生審核簽字。目前來講，人工智能參與的診斷，機器本身甚至機器的生產廠家都不可能來承擔這樣的責任。人工智能診斷系統作為輔助診斷的一個手段，最終還是需要我們人來把關。”
審校：連敏
閱讀更多 中核集團 的文章
