摘要
人工智能（AI）技術發(fā)展至今已在許多研究領域和產(chǎn)業(yè)取得引人矚目的成就，大大推動了高度依賴機器操控和海量信息數(shù)據(jù)分析的醫(yī)學超聲影像學的發(fā)展。目前AI在超聲醫(yī)學領域的發(fā)展是醫(yī)工結合交叉研究的新熱點，越來越多的超聲醫(yī)學專家和數(shù)學家、計算機科學家共同致力于推動超聲醫(yī)學研究與AI的融合實踐，旨在提高超聲診斷的準確率、降低誤診率、縮短報告時間，滿足日益增長的臨床需求。本文主要就超聲醫(yī)學在AI領域的研究進展、AI時代我國超聲醫(yī)學發(fā)展的機遇與挑戰(zhàn)等作一綜述。
人工智能（artificial intelligence，AI）發(fā)展至今已有60余年的歷史，許多人工操作乃至醫(yī)療手術操作已逐漸被智能機器人取代[1-4]。然而，國內(nèi)外AI在醫(yī)學領域的發(fā)展仍處于起步階段，目前是醫(yī)工結合交叉研究的熱點[5]。為了滿足日益增長的醫(yī)療需求，越來越多的醫(yī)學專家和數(shù)學家、計算機科學家共同致力于推動醫(yī)學研究和AI的融合實踐，特別是對現(xiàn)代醫(yī)學中高度依賴機器操控和海量信息數(shù)據(jù)采集處理的醫(yī)學超聲影像學產(chǎn)生了較大影響[6]。在醫(yī)療活動產(chǎn)生的大數(shù)據(jù)中，90%以上為醫(yī)學影像資料，其中超聲影像因其獨有的實時動態(tài)特點，數(shù)據(jù)更為龐大和復雜，人工分析數(shù)據(jù)的工作量巨大且準確性易受人為主觀因素影響。新興的云存儲、機器學習、語音和醫(yī)學圖像處理、卷積神經(jīng)網(wǎng)絡[7-8]等計算機技術的飛速發(fā)展，推動了現(xiàn)代超聲影像醫(yī)學向智能醫(yī)學的邁進，有望促進數(shù)字醫(yī)療發(fā)展，構建新的智能醫(yī)療模式。
目前，業(yè)界對醫(yī)學影像AI的定位共識在于計算機輔助診斷（computer-aided diagnosis，CAD），基于圖像數(shù)據(jù)的醫(yī)學影像檢查，如超聲、磁共振成像（magnetic resonance imaging，MRI）、計算機斷層掃描（computed tomography，CT）、X線片、正電子發(fā)射計算機斷層顯像（positron emission computed tomography，PET）是醫(yī)療智能診斷的最佳數(shù)據(jù)來源。幾乎所有基于醫(yī)學影像的CAD系統(tǒng)均具有如下的設計流程[9]：首先通過計算機對醫(yī)學影像采集的圖像進行預處理，然后選取勾畫出感興趣區(qū)，再通過計算機選擇并提取相應的特征進行分類識別，最后由專業(yè)醫(yī)師進行綜合判讀，得到程式化診斷結論。
AI影像輔診系統(tǒng)借助計算機代替了人工大量重復性、機械性的工作，使醫(yī)師有精力和時間診斷更多的患者，進行更有價值的診療探索；簡化了工作流程和管理，提高了超聲醫(yī)師的工作效率，特別是能夠減少依靠超聲醫(yī)師主觀經(jīng)驗而造成的診斷誤差。本文旨在對超聲醫(yī)學在AI領域的研究進展及AI時代我國超聲醫(yī)學發(fā)展的機遇與挑戰(zhàn)等作一綜述。
超聲醫(yī)學在AI時代的發(fā)展現(xiàn)狀
1.1 超聲醫(yī)學的工作現(xiàn)狀及智能化需求
無論是在國外還是國內(nèi)，臨床超聲醫(yī)師的工作職責均包括報告診斷、選擇復查、通報會診、資料查詢等。但國外超聲部門隸屬于影像科，工作人員分為超聲技師和超聲醫(yī)師，技師負責患者的掃描檢查與資料匯總，而醫(yī)師則進行診斷與會診，二者分工明確，工作量和工作強度均相對較低，對出具報告的時效性要求也不如國內(nèi)高。國內(nèi)超聲科是一個獨立的平臺科室，因超聲檢查具有便捷、經(jīng)濟、無損傷、無輻射、報告快速等優(yōu)勢，使得臨床醫(yī)師和患者對超聲檢查診斷的需求急劇增加，從而導致普遍存在超聲醫(yī)學數(shù)據(jù)信息量大，超聲醫(yī)師的工作量、工作強度和責任風險大，以及診斷水平主觀差異大、質(zhì)量缺乏統(tǒng)一標準等問題。
智能化工具的出現(xiàn)可以滿足目前醫(yī)療環(huán)境對于超聲診斷領域快速、準確、統(tǒng)一標準的急迫需求。美國血管超聲檢查規(guī)范采用Jefferson智能化模板記錄和提取工作站，便于醫(yī)師根據(jù)技師的標準化掃描檢查操作存儲的圖像信息給出標準化、客觀統(tǒng)一的診斷意見，這為我國率先探索成立血管超聲規(guī)范化培訓中心提供了借鑒與參考[10]。隨后國內(nèi)也相繼對腹部、淺表、婦產(chǎn)等超聲各亞專業(yè)的診斷規(guī)范與指南進行統(tǒng)一細化并制定質(zhì)量控制標準，針對超聲診斷報告中存在的問題，如陳述性和非結構化的超聲報告模式、報告中的大部分數(shù)據(jù)松散無序、提供信息有限、超聲影像描述術語使用不統(tǒng)一、診斷報告缺乏可比性等，進行了智能化診斷工具的探索[11-12]。
智能化的超聲診斷工具應具有如下特點：（1）可對超聲掃描檢查和記錄建立統(tǒng)一標準，以專科系統(tǒng)（腹部、血管、淺表、婦產(chǎn)、心臟、肌骨等）超聲分類、以器官為基礎（肝、膽、胰、脾、腎、乳腺等）掃描檢查獲取規(guī)范化和標準化的圖像；（2）在超聲儀器內(nèi)設定統(tǒng)一的操作流程和檢查標準，自動切換顯像模式、自動定位取樣位置、轉(zhuǎn)換新的體表標識等；（3）對正?；蜿幮詸z查流程進行高效智能優(yōu)化，保證超聲圖像存儲的系列性和一致性，改進單一重復的工作模式；（4）將超聲儀器和影像存檔與通訊系統(tǒng)（picture archiving communication system，PACS）進行一體化改進，對存儲的超聲圖像按照掃描檢查切面、部位器官、檢查模式進行智能化分類排列，對報告編輯中出現(xiàn)的錯誤術語進行屏蔽或自動糾錯，對超聲危急值進行警示報告，建立智能化的超聲檢查報告模板，并給予智能化輔助診斷和建議。
1.2 AI在超聲醫(yī)學領域的應用示例
1.2.1 甲狀腺超聲智能診斷 基于甲狀腺病變的超聲特征，可采用計算機技術對結節(jié)內(nèi)部囊實成分、回聲強度、邊界清晰度、形態(tài)規(guī)則度、鈣化程度、形狀、紋理異質(zhì)度等進行智能化惡性風險判讀。目前，上市許可的甲狀腺超聲圖像分析系統(tǒng)AmCAD-UT? Detection是利用計算機視覺技術對甲狀腺結節(jié)的超聲特征進行量化分析，從而提供客觀一致的視覺化超聲影像和高準確率的判讀結果，并即時生成數(shù)字化超聲報告。近年來多次開展的人機競技讀片交流會上，甲狀腺超聲機器人輔助超聲醫(yī)師在短時間內(nèi)診斷甲狀腺結節(jié)良惡性的準確率基本達到主治醫(yī)師以上水平，表明超聲機器人可以接收甲狀腺超聲圖像，即時生成檢查結果，標注結節(jié)位置和尺寸，有效識別超聲影像特征，從而緩解超聲醫(yī)師的工作壓力[13]。
1.2.2 乳腺超聲計算機輔助診斷 基于乳腺影像報告與數(shù)據(jù)系統(tǒng)（breast imaging reporting and data system，BI-RADS）的乳腺結節(jié)超聲診斷可使超聲醫(yī)師根據(jù)乳腺結節(jié)的超聲特征結合個人經(jīng)驗對結節(jié)的良惡性風險范圍作出評估。結合BI-RADS開發(fā)的乳腺超聲CAD系統(tǒng)提取和量化分析乳腺結節(jié)的形態(tài)特征與紋理特征，有助于提高診斷的準確率和一致性，減少醫(yī)師主觀判讀的誤差[14]。
1.2.3 自動乳腺全容積超聲成像及圖像解析 采用自動乳腺全容積掃描（automated breast volume scanner，ABVS）可在短時間內(nèi)自動獲得層間距為0.5~0.8 mm、超過500個層面的超聲二維圖像，然后進入分析系統(tǒng)，快速地對采集的圖像數(shù)據(jù)進行冠狀面、縱切面和橫切面的特征分析[15]。ABVS可觀察傳統(tǒng)二維超聲不能顯示的乳腺冠狀面圖像，有助于直觀顯示乳腺腫瘤內(nèi)部結構和形態(tài)特征。有研究表明乳腺惡性腫瘤冠狀面“匯聚征”的出現(xiàn)率與腫瘤浸潤性及有無同側(cè)腋窩淋巴結轉(zhuǎn)移有關[16]，其可作為評價乳腺惡性腫瘤生物學行為的一項輔助指標，為臨床提供參考依據(jù)。
1.2.4 肝臟超聲影像報告和數(shù)據(jù)智能化 智能化的肝臟超聲影像報告和數(shù)據(jù)系統(tǒng)可以完成對肝硬化或其他危險因素的肝細胞癌影像診斷，采用規(guī)范一致的肝臟影像術語，減少對圖像解讀的主觀差異與錯誤，能夠提高診斷質(zhì)量及對臨床提供科學診斷依據(jù)。宋家琳等[17]提出了適合評估肝硬化程度的超聲圖像算法，對超聲圖像的肝臟包膜連續(xù)性和平滑度幾何特征、肝實質(zhì)粗糙度和形狀不規(guī)則度以及肝血管平滑度、僵硬度等紋理特征進行定量分析，以可視化智能手段間接評估肝硬化患者的肝功能。Pavlopoulos等[18]用模糊神經(jīng)網(wǎng)絡對肝臟超聲圖像進行分析，結果表明分形維度紋理分析（fractal dimension texture analysis，F(xiàn)DTA）、空間灰度獨立矩陣（spatial gray level dependence matrix，SGLDM）、灰度共生矩陣（gray level co-occurrence matrix，GLCM）、灰度運行長度統(tǒng)計（gray level run length statistics，RUNL）、一階灰階參數(shù)（first order gray level parameter，F(xiàn)OP）5個特征參量通過幾何圖形模糊裝置向網(wǎng)絡輸入訓練，能夠用于智能化識別肝臟彌散性病變，對脂肪肝、肝纖維化和正常肝臟做出區(qū)分。
1.2.5 計算機輔助骨骼肌損傷超聲定量診斷 隨著高分辨率超聲在骨骼肌系統(tǒng)的廣泛應用，超聲醫(yī)師期望借力AI技術來提高骨骼肌損傷超聲影像臨床判讀的一致性及準確率[19]。趙佳琦等[20-22]通過開展計算機視覺定量識別骨骼肌紋理的一系列實驗研究和初步臨床實踐，驗證了自主研發(fā)的技術“骨骼肌損傷超聲圖像紋理定量分析的強度界面多級分解法”。該方法是在多尺度斑塊分解思想的基礎[23]上，基于個體肌纖維的幾何特征和肌纖維之間分布的幾何特征，從8個不同層次應用計算機工具輔助診斷肌肉損傷，并采用結構化信息極大分解的計算機圖像處理專利技術（專利號：201510019412.4）[24]實現(xiàn)AI對超聲造影后肌肉損傷區(qū)域模糊邊緣的分割。
1.2.6 其他超聲智能工具 心臟彩色超聲自動心肌運動定量技術（automated cardiac motion quantification，aCMQ）提供了評價整體和節(jié)段心臟功能的方法，其基于二維斑點追蹤技術，提供一套測量工具和系列定量參數(shù)，無角度依賴性，評價的心肌運動測量結果更準確[25]。智能三維超聲成像簡便易行，可以完成胎兒顱腦標準切面以及胎心切面的自動識別[26]，可一鍵獲取最佳圖像，完成相關參數(shù)的自動檢測，無需手動調(diào)節(jié)。利用模塊化軟件系統(tǒng)可對血管超聲圖像進行自動化輔助解析[27]，簡化了血管超聲檢查流程，減少了對操縱者的依賴性，縮短了檢查時間?；诙嚯A段回歸模型和時空回歸模型，采用計算機技術已實現(xiàn)了對盆底超聲中膀胱脫垂分級的自動化研究[28]。
AI時代我國超聲醫(yī)學發(fā)展的機遇與挑戰(zhàn)
2.1 AI發(fā)展規(guī)劃及超聲領域應用的良好前景
科技的高速發(fā)展促使新一代AI技術廣泛應用于醫(yī)學大數(shù)據(jù)的超聲影像中，其優(yōu)勢顯而易見。在日常超負荷工作量和復雜高風險的檢查壓力下，超聲AI系統(tǒng)能優(yōu)化檢查流程、規(guī)范診斷標準、縮短檢查與報告時間，顯著提高超聲醫(yī)師的診斷信心和工作效率。可以預見AI在未來助力超聲診斷與治療技術、人才培養(yǎng)等方面具有廣闊的創(chuàng)新與發(fā)展前景。
大數(shù)據(jù)+AI+超聲醫(yī)學不斷融合發(fā)展，可以使醫(yī)院、醫(yī)師和患者三方都能從超聲智能化中獲益，從而提升醫(yī)療服務質(zhì)量，顛覆傳統(tǒng)醫(yī)學教育模式。這種智能化、數(shù)字化的超聲診療平臺可向基層醫(yī)院推廣，提高基層超聲醫(yī)師的診斷水平，讓基層患者也能獲得專家醫(yī)師的服務；可部署在醫(yī)院和健康體檢中心，協(xié)助醫(yī)師完成大量的超聲體檢篩查，減輕超聲醫(yī)師工作壓力，彌補人手的不足；可將超聲智能系統(tǒng)部署在云端，通過互聯(lián)網(wǎng)聯(lián)合多家醫(yī)院建立遠程會診體系，為偏遠地區(qū)較為落后的醫(yī)療服務提供技術支持；同時，還可與遠程醫(yī)療平臺開展在線合作，面向與平臺簽約的全國醫(yī)院的醫(yī)師提供服務。
2.2 超聲診斷設備搭上AI是順勢而為
我國醫(yī)療資源分配不均衡，基層醫(yī)師專業(yè)能力有很大的提升空間，加之臨床對超聲診斷需求旺盛，因此更新超聲設備勢在必行。開發(fā)植入超聲智能的輔助診斷系統(tǒng)，實現(xiàn)檢查、診斷、治療一體化，可使醫(yī)院獲得更多的共享資源及技術保障，系統(tǒng)性地降低成本，也能幫助醫(yī)師提高讀片效率、降低誤診的概率，特別是有助于對罕見病和肉眼容易誤判的疾病做出準確識別。機器人輔助介入超聲、智能導航定位穿刺能夠為患者提供更精準的治療方案[29]。
2.3 超聲AI發(fā)展中存在的問題
利用超聲圖像的大數(shù)據(jù)，探討機器學習及深入學習，深化計算機輔助診斷，提高組織定征的水平，實現(xiàn)醫(yī)學圖像智能識別是大勢所趨。但醫(yī)療行業(yè)是一個容錯率極低的行業(yè)，超聲診斷有一定復雜度，且每位醫(yī)師的掃描手法不同，得到的數(shù)據(jù)不可避免的具有主觀性差異，因此對影像識別算法有很高要求。獲取大數(shù)據(jù)更需要超聲醫(yī)師提供臨床知識和經(jīng)驗，再由計算機專家把醫(yī)學特征轉(zhuǎn)化成高效的計算機語言，讓機器進行深度學習。對于超聲AI研究團隊來說，如何找到適用特定疾病的圖像特征來進行數(shù)據(jù)分類、收集、規(guī)范和標注是關鍵[30]，獲取超聲影像后，如何制定出適合超聲醫(yī)師和算法工程師的感興趣區(qū)勾畫標準，需要超聲醫(yī)師和計算機技術人員共同探討。
盡管如此，開發(fā)AI超聲診斷工作站，利用PASC的全方位信息，基于循證醫(yī)學知識，在心臟、血管、甲狀腺、乳腺、肌骨、肝臟、婦產(chǎn)等領域?qū)崿F(xiàn)智能輔助診斷的功能大有可為。但醫(yī)學影像信息超載，快速和大量的智能化讀片不可避免地會在醫(yī)患之間產(chǎn)生一定的隔閡，超聲醫(yī)師之間缺乏溝通與交流，綜合性的超聲影像診斷被普遍程式化。
今后在超聲介入治療方面，可進一步開發(fā)完善AI導航介入系統(tǒng)，通過計算機軟件實時監(jiān)控穿刺的位置，提高穿刺的準確性；開發(fā)遠程操控掃描檢查機器人和無線傳輸技術，實現(xiàn)遠近程交互的精準診斷與介入治療，協(xié)助醫(yī)師完成臨床診療操作。但這些不可避免地使醫(yī)師更加依賴程式化的設備操作，從而缺乏個性化診療特色。
2.4 超聲人員的未來職業(yè)發(fā)展方向
在短時間內(nèi)，AI仍不可能完全代替醫(yī)師，特別是醫(yī)療過程中倡導的人文關懷、邏輯推理等是機器無法取代的。但是，AI的超強學習能力和綜合分析處理問題的能力使其具備了幾乎超越人腦對疾病超聲圖像定量分析和精準診療的潛能[31]，在未來必將改變超聲從業(yè)人員的工作方式，如自動化掃描各臟器的標準切面并自動出具相關報告，成為超聲醫(yī)師診療工作中不可或缺的重要輔助工具。
小結
AI技術有力推動了高度依賴機器操控和海量信息數(shù)據(jù)分析的超聲醫(yī)學領域的發(fā)展，滿足了目前醫(yī)療環(huán)境對于超聲診斷的快速、準確、統(tǒng)一標準的需求。雖然我國的超聲AI發(fā)展過程中面臨著一些問題與挑戰(zhàn)，相信通過大數(shù)據(jù)+AI+超聲醫(yī)學的不斷融合，可以提高超聲診斷的準確率、降低誤診率、縮短報告時間及提升醫(yī)療服務質(zhì)量，滿足日益增長的臨床需求，并使醫(yī)院、醫(yī)師和患者三方都能從超聲人工智能化中獲益，具有廣闊的創(chuàng)新和發(fā)展前景。
參考文獻（向下滑動查看詳情）
Copyright ? 2022 上?？评讜狗沼邢薰?旗下「智慧醫(yī)療網(wǎng)」版權所有 ICP備案號：滬ICP備17004559號-5
