綜述：當醫學影像遇上深度學習

• 2019 年 11 月 27 日
• 筆記

來源 | 視說AI（ID：techtalkai）

在傳統醫療領域，醫院內每日的醫學影像數據量巨大，影像科醫生做著大量重複性和機械性的工作。每張片子都需要醫生仔細篩查和甄別，耗費了大量的精力，同時過於機械和重複性的工作也使得醫生可能由於過於疲乏而產生判斷上的失誤。

近年來，隨著深度學習的發展，醫學影像逐漸成為人工智慧最有潛力的落地領域之一。在這裡我們將對醫學影像遇上深度學習後的當前行業應用進行介紹和分析，希望能夠幫助對人工智慧在醫學影像上的研究和應用感興趣的同學們更好地了解行業的現狀和發展方向。

肺結節AI輔助診斷

肺癌，在中國的發病率、死亡率極高，傷害著無數家庭。在中國每年都有近60萬人死於肺癌。肺癌防治的重要手段是早期篩查，其中胸部低劑量CT是國際公認的有效手段。而在如今傳統的閱片模式中，醫學影像面臨醫療從業人員短缺，人工分析模式精準度受限，以及基層醫院醫療機構診斷水平參差不齊，高年資醫生匱乏，易出現漏診、誤診等問題。

現階段市場中的人工智慧肺CT產品已經實現了肺結節的檢出功能，可支援包括：實性結節、磨玻璃結節、形態不規則的大結節、血管旁結節、肺門區結節等。支援提供量化資訊檢測如自動測量病灶的長徑、短徑、CT值、體積等參數。支援提供定性資訊檢測如病灶密度：實性、部分實性、磨玻璃、鈣化，以及病灶良惡性等級分類：良性、疑似良性、惡性、疑似惡性。另外支援多種伴隨徵象的檢出，如邊界模糊、分葉、毛刺、胸膜牽拉、血管集束等。此外還有腫塊、斑片、網影、條索影、氣胸、胸腔積液等病變檢出。部分產品還含有胸部骨質病變篩查功能，自動檢出骨折，支援3D的可視化幫助醫生定位，進行全面智慧分析與診斷。

在中國，各企業積極響應國家基礎醫療建設和分級診療制度實施的號召，應用深度學習的技術，攜手各大高校科研機構與中國醫院，運用國際前沿技術，使人工智慧醫學影像診斷達到國際領先水平，在各系統疾病的精確診斷方面處於行業領先，為醫生進一步診療決策提供臨床建議。

很多創業公司都研發了肺部CT檢測相關產品，此類產品也是中國醫學影像創業公司的門檻產品。該方向起源於國際LIDC以及LUNA的肺結節檢出競賽。目前，各個公司推出了他們的相關產品。例如，深睿醫療（DeepWise）推出的Dr.WISE CAD醫療影像診斷系統；推想科技（Infervision）的InferReadCTLung產品系統；依圖醫療（YITU）、圖瑪深維（12Sigma）、醫准智慧（MEDICAL AI）等公司的產品，均已經在市場上投入使用。上市公司方面，阿里健康研發的醫療AI產品「Doctor You」已經公開發布，此外還有科大訊飛、中國平安集團旗下平安科技、騰訊覓影等。

在國外，具有代表性的有Google的深度思維（DeepMind，美國）、西門子（SIEMENS，德國）、飛利浦（PHILIPS，荷蘭）、ARTERYS、通用電氣（GE，美國)等公司研發的相關產品，均可以支援病灶篩查、定位、定量標註、診斷等一系列閱片流程，從而推進精準醫療建設，優化病患就醫體驗。

乳腺X線AI診斷

乳腺癌是全世界最常見的女性腫瘤並且是導致女性因腫瘤死亡的主要癌種。在中國，新診斷的乳腺癌病例佔全球乳腺癌新發病例的12.2%，死亡率為9.6%，乳腺癌已經成為中國女性癌症死亡的主要原因之一，研究證實乳腺癌篩查與降低乳腺癌發病率及死亡率明顯相關。

現階段，中國針對乳腺影像的智慧輔助診斷主要集中在乳腺鉬靶領域。儘管超聲作為指南推薦首選早篩方式，但由於超聲檢查影像結果受設備、操作人員、操作手法等差異較大的影響，且為動態影像，無法形成標準化數據集，故而訓練難度極大，AI輔助診斷效果往往不盡如人意。相較之下，乳腺數字X線檢查具有良好的對比度及分辨力，能夠分辨組織間細微結構密度的差別，且操作簡單，價格相對低廉，易於接受，診斷準確率較高，是國際上公認的乳腺癌早期機會性篩查及早期發現的有效措施。

目前已有數家廠商進軍乳腺X線影像智慧診斷領域並發布相關產品，大多數產品都具備了基礎的腫塊、鈣化檢出能力。少數領先廠商的系統不僅能檢出腫塊、鈣化、結構扭曲、不對稱，還能進行腺體分型、病灶檢出以及全徵象描述、BI-RADS分類、生成結構化報告等。醫生在臨床診斷過程中使用這些產品進行輔助判斷，產品性能已達到臨床可用程度，臨床性能已接近資深的專業乳腺X線鉬靶閱片醫師。

中國外乳腺X線影像智慧輔助診斷產品主要功能集中在鈣化和腫塊的檢出以及病灶的分析方面。其中深睿醫療（DEEPWISE）、依圖醫療（YITU）和騰訊覓影的產品市場試用規模較大，產品針對臨床診斷輔助支援功能較完善。推想科技（infervision）、醫准智慧（MEDICAL AI）也相繼在市場上發布了輔助產品。

國外在乳腺X線影像智慧輔助診斷產品研發中較為突出的公司主要包括Google（google，DeepMind，美國）、英特爾（Intel，美國）、豪洛捷（Hologic，美國）、Medipattern公司（加拿大），其中Medipattern公司（加拿大）乳腺超聲CAD設備B-CAD在2005年獲得了FDA批准進入美國銷售。英特爾（Intel，美國）在中國與匯醫慧影公司合作，共同開發「人工智慧乳腺全周期健康管理系統」助力乳腺癌早期篩查以及診治。其中東軟的乳腺X線電腦輔助檢測（CAD）產品已經完成了中國國家食品藥品監督管理總局(CFDA)的認證並有限投入市場進行使用。

腦部影像AI診斷

中國腦卒中的發病率已經超過心血管疾病，成為致死、致殘率最高的疾病，並且發病率呈逐年上升的趨勢，此外腦血管病和顱內腫瘤等腦部疾病也危害人們的健康。隨著人工智慧在醫療方面的迅速發展，腦影像方面的AI應用也得到了新的發展思路和方向。

人工智慧當前已經在出血性腦卒中、缺血性腦卒中、腦血管、腦腫瘤四個方面對腦部影像產品予以賦能，其中：

1）對於出血性腦卒中，可以做到對腦出血的血腫病灶進行自動檢出，檢出的同時對病灶進行影像學測量，以「像素級」的精度對病灶進行精準測量，檢出病灶的同時對病灶進行性質分類，同時對相關伴隨徵象進行檢出，並生成結構化報告。基於臨床應用場景，設定針對於不同出血類型的隨訪功能，給予臨床相應的提示，來指導臨床進行治療方案的選擇。

2）在缺血性腦卒中，急性期CT平掃方面，人工智慧診斷系統給出預測的病灶位置，結合臨床癥狀可以更好地幫助臨床醫生選擇下一步的治療方案。基於CTP中的CBV、CBF、TTP、MTT、Tmax序列以及MRI序列中PWI序列、SWI序列可以對缺血半暗帶進行精準測量，實現缺血半暗帶與核心梗死去量化分析，從而指導臨床進行下一步治療。基於MRI頭顱平掃DWI序列的ASPECT評分，可以第一時間給出相應的評分，方便臨床醫生快速評估患者預後。

3）在出血和梗死的病因方面，基於CTA的腦血管檢測可以對於狹窄的血管以及動脈瘤進行檢出，大幅縮短了醫生的閱片時間並降低了漏診的概率。

4）在顱內腫瘤方面，基於多模態融合與知識圖譜體系可以對顱內腫瘤進行細緻化的影像學分析，最終給出最接近病例層級的診斷結果。

目前國外腦部影像AI關於出血性腦卒中方面的產品主要功能集中在出血體積測量、分類以及預後分析等方面。中國腦部影像AI產品研發的其他方向還包括頭頸CTA血管重建以及病變分析。其中，比較有代表性的是數坤科技的心腦血管分割產品。此外，腦腫瘤自動識別及診斷分析（天醫智）也取得了不錯的成果，在少數醫院已經開始進行臨床試用。深睿醫療以及推想科技研發的腦卒中輔助診斷系統則較多的處於試用階段。

國外在出血性腦卒中比較突出的公司有CuraCloud公司（美國）、BlackFord公司（美國）、EIRL公司（日本）、QURE公司（美國），產品形態較為成熟，以上4家公司的產品均通過FDA認證並投入到市場進行試用。對於腦腫瘤方面國外進行產品研發的方向較少，具有代表性的有AI ANALYSIS公司（美國），主要研究方向為MRI全序列顱內腫瘤變化分析。國外腦部其他病變AI產品具有代表性的還有 CORTECHS （美國），主要研究方向為基於FLAIR序列的腦萎縮檢測，以及腦白質變性的檢測等方面。

骨齡AI輔助診斷

國家衛計委發布的《中國居民營養與慢性病狀況報告（2015）》顯示，中國6-17歲的兒童青少年肥胖率超過8%，性早熟、矮小、小兒肥胖已經成為中國目前三大小兒常見內分泌問題。如不及時治療，會給患兒體格發育、心理發育、升學、就業和婚姻等帶來許多不良影響。

中國目前每年因矮小到正規醫療機構就診的兒童數量、接受合理治療的兒童數量都很低，即總體知曉率和治療率嚴重偏低，社會整體的矮小兒童治療現狀不理想。由於生長發育相關的專業人力方面存在短缺和不足，很多醫院為了滿足接診等服務能力的需要，選擇了效率高的骨齡評價方法。

提高骨齡診斷的效率和效果，其價值在於能更加準確地反映個體的生長發育水平和成熟程度。這不僅可以確定兒童的生物學年齡，還可以通過骨齡及早了解兒童的生長發育潛力以及性成熟的趨勢。對於一些身材矮小患者的問題能夠進行更好的評估，治療具有很大的指導意義，進而能夠更好的給予干預治療，讓孩子的身高能夠得到改變。

目前已有數家廠商進軍骨齡AI領域並發布相關產品，但產品高度成熟、真正落地並且能夠實現快速迭代的廠商較少。產品成熟度較高的公司有依圖科技等。

胸部平片AI

數字化X光成像（CR/DR）是醫療機構普及率最高的設備之一，基層醫療機構普遍都擁有該設備。尤其是DR，成像速度快、輻射劑量低、空間解析度高且設備成本低，因此無論是常規體檢，還是門診疾病初步判斷，或是入院查體，平片都是最常見用的影像學檢查手段。其中胸部平片是檢查量最大、應用最廣泛的部位之一。

目前中國外胸部平片AI產品功能主要集中在異常徵象的檢出。在2018年的北美放射學年會上參展的20家左右的醫學影像AI公司有約一半展出了各自的產品。其中產品形態較為成熟的公司有EIRL公司（日本）、QURE公司（美國）、VUNO（韓國）、LUNIT（韓國）。但截止到目前為止還沒有公司通過了FDA認證。中國進行胸部平片AI產品的研發機構不多，主要有深睿醫療、推想科技，視見科技等。

其他AI產品

對於其他的在醫學影像上的應用，還有許多方向需要探討。比如，糖網智慧篩查已經取得了一定的進展，並且在中國外醫院都進行了臨床測試和應用。然而從AI技術和產品等方面，糖網智慧篩查系統遠沒有成熟，需要科研人員、產品公司、臨床醫生等通力合作，才能打通業務流程，攻破技術壁壘，更好地為廣大人民群眾提供及時、高效、優質的醫療服務。還有一些醫學病理的方向，也有一些公司例如DeepCare、視見科技等正在進行研究落地。此外對腎臟、肝臟、眼部和牙齒等部位影像的AI分析和研究也正在不斷發展中。

寫在最後

在這篇文章中，我們對人工智慧在當前醫學影像行業中的諸多應用和產品進行了概述。在後續的文章中，我們會進一步對各個細分領域中的AI學術研究和工業應用進行更為詳細的介紹。當醫學影像遇上深度學習，人工智慧醫學影像輔助診斷系統能夠更有效地提高醫生診斷的效率和準確率。

（*本文為AI科技大本營轉載文章，轉載請聯繫原作者）