<mark id="oztn4"></mark>
0
| 本文作者： 劉海濤 | 2021-03-31 14:28 | 專題：2021鯨犀產業數字峰會 |
2020年，陸續拿到“準生證”的醫學影像AI企業，會不會在迎來自己的爆發之年？
近日，中華醫學會放射學分會候任主任委員、中國醫學影像AI產學研用創新聯盟理事長、上海長征醫院影像醫學與核醫學科主任劉士遠教授，在由雷鋒網主辦的「鯨犀產業數字峰會」，分享了“醫療影像AI的2021展望”。
鯨犀產業數字峰會，是由業內最頂尖的企業家、工程領袖、CIO、解決方案專家、投資家，聯合發起的數字化系列論壇。
致力于將全新的數字化管理思維和實踐案例，推向傳統產業界、AI界、互聯網界、投資界、經濟學界。
在演講中，劉士遠教授簡要剖析了醫學影像的發展現狀，并從疾病應用場景角度，對八個醫學影像AI應用方向進行了深入分析。
無論是從臨床應用前景，還是產品獲批角度，AI在醫學影像的創新已經成為一種不可逆轉的趨勢。而不同的醫療智能化方向，也使AI技術進一步拓展，形成多樣化、多任務的深度學習模型。
劉士遠教授表示，未來的放射科，需要對AI廠商的產品進行整合，使不同的AI產品都可以融入到工作流程當中，輸出圖文結合的多媒體結構化報告，讓放射科形成統一的AI生態系統。
以下為劉士遠教授的演講全文，雷鋒網做了不改變原意的編輯：
大家好，我演講的題目是“醫學影像人工智能產品研發現狀與應用實踐”。
目前，醫學影像人工智能產品大概分為兩大類：
第一、優化現有工作流程，包括前臺預約、技師掃描、圖像后處理、診斷報告發放、檢查質控，以及治療決策和療效評價等。
第二、以疾病為中心的人工智能診斷模型，包括神經疾病、胸部疾病、心血管疾病、骨關節、乳腺等各方面應用。
1、低劑量重建
目前最多應用就是圖像重建，尤其是低劑量掃描，AI可以在減低劑量的同時保證圖像質量。
以全迭代模型重建為例，原來速度較慢，而基于深度學習模型，不僅可以加快重建速度，還能夠達到和全迭代重建相同的圖像質量。
目前，大多數設備廠商已經采用AI重建方法，從右圖看到，低劑量掃描噪聲很大，通過深度學習方法，重建的圖像，基本消除噪聲，使磨玻璃結節也可以清晰顯示。
2. 無接觸式影像掃描
用深度學習可以增加設備自動掃描功能，從而實現對現有DR、CT設備的無接觸影像掃描。
這個功能在目前新冠疫情的要求下，特別有助于減少醫護人員接觸，降低感染幾率,在過去武漢疫情方艙CT疑似病人掃描，發揮了巨大作用。
3、推動數據標準化
用深度學習對圖像質量進行評價，可以實現拍片質量的自動質控。
例如，模型可以檢測位置是否擺正、肩胛骨是否拉開、是否有體外異物、這些判斷可以及時提醒技師重拍，避免病人的不必要往返，從而實現對圖像進行回顧性地評價，達到對不同技師的質控管理，也可針對不同部位以及不同操作人員進行回顧性分析。
以一家西部醫院為例，他們利用DR近1萬例病人進行圖像質量評估，總結出不合格胸片當中，62%是由于肩胛骨覆蓋造成，18%是異物重疊，12%是由于鎖骨重疊以及聳肩，另外6%則屬于體位不正。這些都可以在年輕技師培訓過程中予以重點關注。
4、AI助力智能化報告
深度學習可以自動將病灶定位、定量信息、診斷判斷，以及相關治療建議決策，都融入到結構化報告里，提升臨床診療水平。
而且，因為沒有專門診斷收費，放射科醫生診斷價值無法體現，如果未來基于AI的結構化報告，可以作為一種收費形式進入醫院，既能體現人工智能價值，又能體現醫生價值，前景廣闊。
1、AI在中樞神經系統影像的應用
AI研究主要集中四個方面：第一是針對老年性癡呆等退行性改變研究；第二是針對腦出血、腦缺血等腦卒中的研究；第三是針對腦白質病變研究；第四是針對顱腦腫瘤分割、腦區的定位、腫瘤的鑒別等。
在這類產品當中，目前，安德醫智的AI產品已經獲得藥監局MR腦腫瘤分類三類注冊證。
近期在這方面也有許多學術的研究，《Nature Medicine》上的研究文章顯示，基于37000多例頭部CT圖像的AI模型，可以對中風或出血做出正確診斷，單次判斷僅需時一秒多。
另一篇發表在《BRAIN》的文章也顯示，AI針對阿爾茨海默病進行風險預估，已經取得很好輸出效果。
2、頭頸影像AI應用
這方面主要集中在甲狀腺病變判定，以及頭頸腫瘤療效評價和分期預測等等。
深度學習對甲狀腺占位的超聲圖像可以進行初步判斷，提示良性、可疑惡性或者偏向惡性，幫助年輕醫生，較好掌握甲狀腺占位的定性診斷，避免漏診和誤診。
目前，浙江大學孔德興教授對于甲狀腺良惡性的鑒別研究，敏感性和特異性均達到90%以上。
另外，天津腫瘤醫院針對甲狀腺癌研究，發表在《Lancet Oncology》上，診斷敏感度達到84%~93%，特異度為86.1%~87.8%。
除了天津腫瘤醫院的研究，陶曉峰教授針對口腔鱗癌細胞分型準確性也達到86%。
3、AI在肺部疾病影像的應用。
這個領域的應用涵蓋了肺癌、肺部感染性疾病、新冠肺炎以及肺氣腫。
針對肺結節研究是所有人工智能產品最早也是功能最深入、最全面的，目前在臨床的應用最多的，其中包含檢測、良惡性判斷、預后檢測以及對基因信息判斷。
對于肺結節檢出、基因預測和浸潤性分型，也有很多文章見諸于各種期刊，均反映有很好的使用效果。
在臨床中，從2017年開始，肺結節AI模型使用點擊率就已經達到60%左右，2020年到現在點擊率基本都維持在80%以上，說明對肺結節AI模型的臨床使用已經常態化。
研發肺結節AI模型的推想科技、深睿博聯也已經獲得國家藥監局的三類注冊證。
AI在新冠肺炎診斷中的應用，在《細胞》雜志上發表的一篇文章指出，AI模型可以達到92.49%準確率、94.93%敏感性和91%的特異性。
4、心血管影像AI應用
這是現在熱度最高的影像領域之一，主要包含三個方面：
第一，冠狀動脈斑塊和狹窄的自動檢測，基于AI的自動分割方法可以實現病變的實時分析，以斑塊狹窄的自動檢出和報告的輸出為例，已面世了一些很好的產品。
第二，冠脈鈣化積分顯示。冠脈鈣化積分可以通過門控和非門控深度學習自動獲得，并且與傳統獲得方法達到很好的一致性。
第三，血流儲備分數評估。利用CTA圖像和AI算法，可以對冠狀動脈進行三維重建，并從流體力學技術求解出血流儲備分數，為臨床上精準無創、快速分析，以及是否需要放支架等提供參考。
例如一個胸痛病人，就可以通過基于AI冠狀動脈重建和結果，以及血流分數評估，取得很好的FFR結果。
除了這些，對心肌特性量化評估，也開始使用深度學習方法，對非增強心臟磁共振進行慢性心梗檢測，準確性與延遲掃描序列相似性非常高。
心血管影像AI領域，也有幾家企業已經獲得AI三類證。
以獲得藥監局三類注冊證的數坤科技為例，其產品對于冠狀動脈三維重建、結構化報告輸出，以及冠脈FFR、虛擬支架等，都獲得很好應用。
另外獲得認證的企業，還有深圳科亞，其產品聚焦冠脈FFR，與類似產品Heart Flow對比，其敏感性、特異度和陽性預測值都明顯好于對方，并獲得臨床醫生的認可。
5、AI在乳腺影像的應用
乳腺癌是現在女性的第一高發腫瘤，國際上針對乳腺癌的研究也早于國內。
目前，乳腺癌AI研究在鉬靶領域應用較多，通過乳腺癌的鉬靶檢出、數據庫構建獲得基本AI模型，但距離真正的臨床應用還有較大差距。
從技術角度，針對乳腺腫塊的良惡性鑒別和乳腺癌分子亞型研究，以及臨床評估方面的單個方面的AI研究準確性都達到90%以上，但這些模型的臨床穩定性和普適性可能還需要進一步加強。
6、AI 在腹部影像的應用 
腹部領域的AI產品研發，整體上落后于其他領域，像肝臟、腎臟、結直腸、膀胱、前列腺的研究大多數還是以單中心、小樣本為主，屬于回顧性質，是否可以真正應用于臨床，還需要更多前瞻性、多中心臨床驗證。
未來，綜合各種醫療數據，從整體狀況進行評價，對多維的數據進行挖掘，融合多任務、多器官，可能是腹部AI產品未來的主攻方向。
例如，基于CT的全自動肝臟脂肪定量方法，報告結果和人工測算就有很好的一致性；在《Radiology》上報道的一篇肝臟腫塊鑒別診斷，五個AI模型都取得了很好的AUC值。
7、骨關節影像AI應用
骨關節的AI應用主要聚焦在骨齡和骨折，其他也有少部分針對于骨關節炎和骨質疏松的研發。
目前，骨齡研究的AI模型比較成熟，可以輸出結構化報告，對骨齡進行準確的判斷，在結合父母的相關信息的基礎上，對孩子未來生長空間、身高做出預測。目前依圖科技已經獲得藥監局三類產品注冊證。
除了骨齡以外，AI在骨折檢出方面也有很好的應用前景。醫生肉眼閱片對明顯的骨折比較容易做出判斷，但對輕微骨折以及隱蔽部位的骨折則非常容易漏診，AI模型則可以增加檢出的敏感性。
近期的一篇單中心研究顯示，利用AI肋骨骨折產品，年輕醫生對骨折的檢出敏感度可以從65%提高到86%。
目前，聯影智能的肋骨骨折產品已經獲得國家藥監局的三類注冊證。
8. AI在其他醫學影像領域的應用
除了以上這些場景，還有一些公司從事皮膚癌檢測分類，病理細胞學檢測分類，腦電圖AI、心電圖AI和眼底圖人工智能等產品的研究，其中糖網眼底人工智能產品，就有Airdoc、硅基智能等三家公司獲得藥監局AI三類注冊證。
今年和去年是醫學影像人工智能產品的突破年，多種產品獲得了國家藥監局的三類注冊證。
此外，還有一些公司獲得了FDA、CE產品注冊證，未來在認證上可能還有更多產品取得突破，這也是未來醫學影像AI發展的不可逆轉的趨勢。
此外，醫療的智能化和智慧化發展趨勢，也將使AI技術逐漸拓寬更多場景，向患者、醫生、技師、管理、科研教學等多方向發展，形成多樣化、多任務模型。
僅以放射科角度，過去的常規流程，從登記預約、到病人獲取報告、以及數據匯總，涉及RIS、HIS、PACS等多個系統和環節，都需要人工智能產品的融入以提高工作效率。
不同環節的AI產品可能來自于不同廠家，有著不同的接口和服務器，同一類型的產品輸出結果也不盡相同。
未來的放射科，需要對這些廠商的產品進行整合，使不同的AI產品都可以融入到工作流當中，讓創新技術可以真正應用到臨床環節，提升工作效率，保證工作質量，最終輸出圖文結合的多媒體結構化報告，讓放射科形成統一的AI生態系統。
這應該成為廠商和醫院今后相當長一段時間共同探討和摸索的一個重要話題。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
本專題其他文章
