 |
 |
新冠肺炎診治中醫(yī)學(xué)影像人工智能的價(jià)值
[摘要]新型冠狀病毒肺炎（CoronavirusDisease2019，COVID-19)是由新型冠狀病毒感染引發(fā)的以肺部感染為主的乙類傳染病。此次COVID-19疫情中的影像學(xué)暴發(fā)式需求，對(duì)醫(yī)院影像診斷能力帶來(lái)了巨大挑戰(zhàn)，也客觀上推動(dòng)了人工智能（ArtificialIntelligence，AI)輔助診斷的發(fā)展。本文對(duì)醫(yī)學(xué)影像學(xué)在COVID-19診治及防控決策中的價(jià)值、COVID-19的臨床影像表現(xiàn)、醫(yī)學(xué)影像學(xué)診斷面臨的挑戰(zhàn)、COVID-19AI研發(fā)價(jià)值與研發(fā)現(xiàn)狀、COVID-19AI的不足與對(duì)策進(jìn)行了闡述。
[關(guān)鍵詞]新型冠狀病毒肺炎；人工智能；CT；影像診斷
引言
新型冠狀病毒肺炎（CoronavirusDisease2019，COVID-19)是以肺部炎性病變?yōu)橹鞯囊翌悅魅炯膊。≡w為新型β型冠狀病毒。COVID-19主要的傳播途徑是經(jīng)呼吸道飛沫和接觸傳播，人群普遍易感[1-3]。COVID-19診斷依據(jù)包括流行病學(xué)接觸史、發(fā)熱等臨床表現(xiàn)、實(shí)驗(yàn)室檢查、影像學(xué)檢查等，疑似病例同時(shí)具備病原學(xué)或血清學(xué)證據(jù)之一者是確診的依據(jù)。早發(fā)現(xiàn)、早隔離、早診斷、早治療是目前防控治療COVID-19的最有效手段。臨床上，影像學(xué)診斷貫穿了COVID-19診療的多個(gè)環(huán)節(jié)，發(fā)揮了非常重要且不可替代的作用。隨著影像學(xué)尤其是CT掃描的廣泛應(yīng)用，快速、精準(zhǔn)的影像診斷成為此次疫情中一項(xiàng)重大挑戰(zhàn)。COVID-19影像人工智能（ArtificialIntelligence，AI)產(chǎn)品的及時(shí)研發(fā)發(fā)揮了重要的作用，取得了一定的效果，但同時(shí)也有很多問(wèn)題有待解決。
1影像學(xué)在COVID-19診治及防控決策中的價(jià)值
國(guó)家衛(wèi)生健康委員會(huì)《新型冠狀病毒感染的肺炎診療方案》已經(jīng)更新到了試行第七版[4]，其中，影像學(xué)診斷貫穿了COVID-19診療的多個(gè)環(huán)節(jié)。在診斷標(biāo)準(zhǔn)中，具有COVID-19的影像表現(xiàn)，是缺乏流行病學(xué)證據(jù)時(shí)疑似病例確定的必備條件。試行第五版中，更是在“疑似病例”和“確診病例”之外增加了“臨床診斷病例”，并將“疑似病例具備肺炎影像特征者”作為其診斷標(biāo)準(zhǔn)（只限于湖北省內(nèi))，確立了影像檢查在疫情防控中的重要作用。在診斷分型中，特別增加了肺部影像學(xué)顯示24~48h內(nèi)病灶明顯進(jìn)展>50%者按重型管理，以及影像學(xué)顯示雙側(cè)或多肺葉浸潤(rùn)、胸腔積液或短期內(nèi)病變快速進(jìn)展者提示重癥或危重癥。在出院標(biāo)準(zhǔn)中，要滿足肺部影像學(xué)顯示急性滲出性病變明顯改善等。由此可以看出，影像學(xué)在COVID-19的篩查、診斷、病情評(píng)估、治療后隨訪中具有重要的價(jià)值。
2COVID-19的影像表現(xiàn)
COVID-19影像學(xué)檢查可以采用攝片、CT和超聲檢查。其中，CT檢查在此次疫情中應(yīng)用廣泛。絕大多數(shù)確診患者在疾病發(fā)展過(guò)程中，CT存在不同程度的肺部異常影像改變�；谀壳暗呐R床實(shí)踐[5-10]，COVID-19主要CT征象為：①病變分布多以肺外周分布為主，常累及多葉，病程進(jìn)展可以由外周向中心發(fā)展，或胸膜下融合成片；②病變密度多表現(xiàn)為磨玻璃陰影、實(shí)變影、結(jié)節(jié)影或索條影，早期多以磨玻璃影為主，病變進(jìn)展期則表現(xiàn)為磨玻璃陰影、實(shí)變、結(jié)節(jié)、纖維索條影等多種性質(zhì)病變共存，存在新發(fā)磨玻璃影和前期病變纖維化過(guò)程的此起彼伏；③病變內(nèi)部可見(jiàn)小血管影增粗、空氣支氣管征、細(xì)支氣管管壁增厚，鄰近胸膜或葉間胸膜增厚，部分病變內(nèi)部可見(jiàn)細(xì)小網(wǎng)格征；④部分病灶邊界不清；⑤重型及危重型患者可見(jiàn)雙肺彌漫性病變，肺炎病灶占整肺體積的百分比可以達(dá)到75%以上，嚴(yán)重者呈“白肺”表現(xiàn)，見(jiàn)少量胸腔積液。COVID-19病變進(jìn)展在影像上主要表現(xiàn)為病灶密度不均勻增高變實(shí)、病變范圍擴(kuò)大等[11-13]，病灶大小密度、進(jìn)展速度、演變形式等對(duì)于輔助臨床治療有重要價(jià)值。COVID-19的CT影像具有病毒性肺炎影像的基本特征，不同的臨床階段，在單一時(shí)間點(diǎn)呈現(xiàn)形式不相同[14]，并因患者年齡、免疫狀態(tài)、臨床治療、基礎(chǔ)病變等因素而略有不同。雖然COVID-19影像有一定特征，但缺乏特異性，和其他病毒引起的病毒性肺炎、部分社區(qū)獲得性肺炎、非感染性疾病的肺內(nèi)浸潤(rùn)在影像上和/或病理基礎(chǔ)上有重疊之處[15-16]，僅憑影像學(xué)特征不能單獨(dú)做出確定診斷，必須結(jié)合流行病學(xué)史、臨床表現(xiàn)、實(shí)驗(yàn)室檢查、既往病史和影像學(xué)檢查等資料綜合判斷。
3醫(yī)學(xué)影像學(xué)診斷面臨的挑戰(zhàn)
絕大多數(shù)COVID-19確診患者在疾病發(fā)展過(guò)程中，CT存在不同程度的肺部異常影像改變，多次復(fù)查可準(zhǔn)確反映病變演變及轉(zhuǎn)歸，使用定量和重建技術(shù)可以進(jìn)一步評(píng)估病變特征和嚴(yán)重程度。雖然CT在臨床診治中作用明確，但是在實(shí)際應(yīng)用中存在很多挑戰(zhàn)。（1)快速診斷難。COVID-19傳染力強(qiáng)、短期患病人數(shù)眾多，尤其在武漢患病人群相對(duì)集中，由此產(chǎn)生了海量的CT數(shù)據(jù)。而影像工作人員本來(lái)就相對(duì)缺乏，因此，疫情期間實(shí)現(xiàn)傳染病快速診斷是一個(gè)挑戰(zhàn)。（2)同質(zhì)化診斷難。COVID-19是新型傳染病，對(duì)疾病的影像學(xué)征象認(rèn)識(shí)尚在不斷總結(jié)完善之中，且存在影像鑒別診斷的難題，在不同地域不同級(jí)別的醫(yī)院實(shí)現(xiàn)影像診斷同質(zhì)化存在挑戰(zhàn)。（3)精準(zhǔn)量化難。COVID-19影像動(dòng)態(tài)演變和精準(zhǔn)量化評(píng)估對(duì)診療策略和預(yù)后有較大的價(jià)值，傳統(tǒng)的經(jīng)驗(yàn)診斷和模糊的量化評(píng)估不能滿足病情演變精準(zhǔn)定量的需要。AI技術(shù)在這些臨床的難點(diǎn)中卻有著獨(dú)特的優(yōu)勢(shì)。既往的醫(yī)學(xué)影像AI技術(shù)在病變的識(shí)別、分割、測(cè)量中已經(jīng)展現(xiàn)了非凡的優(yōu)勢(shì)。如果能夠?qū)OVID-19影像進(jìn)行AI研發(fā)必將給疫情防控增添更大的助力。
4COVID-19AI研發(fā)價(jià)值與研發(fā)現(xiàn)狀
基于臨床的需求，AI技術(shù)將在以下4個(gè)方面發(fā)揮著重要作用：①基于人工智能技術(shù)快速完成病灶自動(dòng)檢出、分割、精準(zhǔn)量化并自動(dòng)形成格式化報(bào)告；②基于病變的分布、形態(tài)、密度等進(jìn)行病變輔助診斷和鑒別診斷；③實(shí)現(xiàn)多期影像中的病灶數(shù)量、病灶體積變化、病灶密度變化等量化對(duì)比分析功能，預(yù)判疾病發(fā)展趨勢(shì)；④影像、臨床、實(shí)驗(yàn)室檢查的整合建模，不僅可以幫助醫(yī)師面對(duì)疫情篩查時(shí)實(shí)現(xiàn)快速診斷，避免漏診，同時(shí)可以實(shí)現(xiàn)精準(zhǔn)分層和對(duì)比，提供療效評(píng)價(jià)和病程監(jiān)測(cè)，從而為臨床治療提供更精確的信息。目前，多家AI公司基于深度學(xué)習(xí)技術(shù)，已經(jīng)將COVID-19AI產(chǎn)品以云服務(wù)的模式接入醫(yī)學(xué)影像閱片平臺(tái)，初步實(shí)現(xiàn)了病灶的自動(dòng)檢查、病灶分割、精準(zhǔn)量化、自動(dòng)比對(duì)等功能。如SenseCare、Dr.Wise以及基于CT影像的“新冠肺炎智能評(píng)價(jià)系統(tǒng)”可自動(dòng)提示CT中疑似病灶，測(cè)算雙肺受累程度，協(xié)助醫(yī)生精準(zhǔn)對(duì)病例進(jìn)行影像學(xué)分型及分期。InferReadCTPneumonia對(duì)COVID-19診斷的靈敏度超過(guò)99%，同時(shí)對(duì)病灶密度分析可用于治療后隨訪對(duì)比，并可生成自動(dòng)化結(jié)構(gòu)報(bào)告。uAICOVID-19智能輔助分析系統(tǒng)，將CT閱片時(shí)間從5~10min縮短至1min，可完成初步報(bào)告撰寫，在后續(xù)的數(shù)據(jù)分析中其具備一定程度區(qū)分細(xì)菌性肺炎和病毒性肺炎的能力。數(shù)坤科技研發(fā)的COVID-19AI輔助診斷系統(tǒng)可同時(shí)高效處理多個(gè)病例，快速識(shí)別炎性病灶、分割定位，并精準(zhǔn)高效勾畫感染區(qū)域，在2~3s之內(nèi)對(duì)于病灶進(jìn)行量化評(píng)估，輔助臨床醫(yī)生快速準(zhǔn)確判斷病情及評(píng)估療效。此外，該系統(tǒng)可為醫(yī)生提供隨訪對(duì)比病灶變化，自動(dòng)為醫(yī)生提供可視化評(píng)估參考，極大地提高醫(yī)院快速診斷的能力，大量節(jié)省超負(fù)荷工作醫(yī)生的時(shí)間，為患者贏得寶貴的診治時(shí)間。阿里達(dá)摩院通過(guò)“云+AI”模式，不僅可實(shí)現(xiàn)對(duì)COVID-19的快速診斷，同時(shí)通過(guò)病歷質(zhì)檢算法，評(píng)估患者的治療過(guò)程和病例質(zhì)量，進(jìn)而提高治療質(zhì)量。其研發(fā)的自動(dòng)化全基因組檢測(cè)分析平臺(tái)，將原來(lái)數(shù)小時(shí)的疑似病例基因分析縮短至半小時(shí)。目前，應(yīng)用實(shí)踐顯示，醫(yī)學(xué)影像AI技術(shù)有助于疾病早期輔助診斷、影像量化分期、隨訪對(duì)比及治療評(píng)估，可以使影像醫(yī)生快速掌握病灶變化，大幅提高醫(yī)生分析患者病情變化的效率，同時(shí)可有效降低不同級(jí)別醫(yī)院間的漏診誤診，有效助力當(dāng)前疫情下COVID-19的排查與分析。
5COVID-19AI的不足與對(duì)策
由于COVID-19疫情暴發(fā)突然，大部分COVID-19AI研發(fā)時(shí)間較短，產(chǎn)品成熟度有待提高。雖然能夠?qū)崿F(xiàn)疾病的AI識(shí)別，但其準(zhǔn)確性有待臨床驗(yàn)證，可能存在較小或密度較淡的病灶漏診等，也尚還不能完全實(shí)現(xiàn)COVID-19與其它類型肺炎的鑒別診斷。針對(duì)COVID-19AI產(chǎn)品的不足，需要在以下4個(gè)方面引起關(guān)注。（1)明確研發(fā)目標(biāo)。要基于臨床需求，針對(duì)明確目標(biāo)疾病、臨床用途、禁忌癥、預(yù)期適用人群（如具有COVID-19流行病學(xué)史、臨床表現(xiàn)的患者)、預(yù)期使用場(chǎng)所（如定點(diǎn)醫(yī)院、方艙醫(yī)院)、預(yù)期目標(biāo)用戶（如放射科醫(yī)師)、預(yù)期兼容的CT設(shè)備等進(jìn)行研發(fā)設(shè)計(jì)。（2)數(shù)據(jù)集構(gòu)建與質(zhì)控。圍繞研發(fā)目標(biāo)，構(gòu)建恰當(dāng)?shù)挠?xùn)練數(shù)據(jù)集。要滿足此類產(chǎn)品數(shù)據(jù)庫(kù)的基本要求[17]，在訓(xùn)練數(shù)量（原則上不少于2000例COVID-19確診患者CT影像)、區(qū)域覆蓋（至少來(lái)源于3家醫(yī)療機(jī)構(gòu)，其中至少包含1家疫情嚴(yán)重地區(qū)醫(yī)療機(jī)構(gòu))、設(shè)備覆蓋（考慮設(shè)備兼容性)、掃描參數(shù)覆蓋（考慮圖像質(zhì)量)、人群特征（性別、年齡等)以及影像分期（早期、進(jìn)展期、嚴(yán)重期)方面進(jìn)行兼顧。同時(shí)，如果提供鑒別診斷模型，在訓(xùn)練集中需要注意其他類型肺炎等類似病征的占比，保證測(cè)試集陽(yáng)性樣本與陰性樣本的比例合理。明確算法訓(xùn)練的評(píng)估指標(biāo)、訓(xùn)練目標(biāo)及其確定依據(jù)，提供訓(xùn)練數(shù)據(jù)量-評(píng)估指標(biāo)曲線、ROC曲線等證據(jù)。（3)數(shù)據(jù)標(biāo)注規(guī)則。數(shù)據(jù)標(biāo)注一直是醫(yī)學(xué)影像AI算法落地過(guò)程中至關(guān)重要的一環(huán)。COVID-19的標(biāo)注面臨許多挑戰(zhàn)，也缺乏業(yè)界的標(biāo)注共識(shí)。COVID-19標(biāo)注難點(diǎn)：①在疾病早期，病變主要表現(xiàn)為磨玻璃密度，病變邊界欠清時(shí)勾畫困難；②在疾病的進(jìn)展期，病變累及中心部，病變與肺門大血管的區(qū)分存在困難；③病變成分復(fù)雜時(shí)，病變內(nèi)部血管去除和實(shí)變成分的勾畫較難；④彌漫性病變或者多發(fā)散在小病灶，勾畫的范圍沒(méi)有達(dá)成共識(shí)，同時(shí)訓(xùn)練數(shù)據(jù)少，會(huì)導(dǎo)致機(jī)器學(xué)習(xí)誤差較大；⑤不同的醫(yī)生標(biāo)注不一致性較高。標(biāo)注的缺陷也導(dǎo)致目前一些產(chǎn)品在實(shí)際應(yīng)用中存在較多的問(wèn)題，必須進(jìn)行補(bǔ)充訓(xùn)練。（4)算法的突破。AI實(shí)現(xiàn)技術(shù)突破、行業(yè)革新、產(chǎn)業(yè)化推進(jìn)，都必須以基礎(chǔ)算法的突破為基石。影像醫(yī)學(xué)乃至醫(yī)學(xué)是多維度的數(shù)據(jù)資源，多模態(tài)、多任務(wù)動(dòng)態(tài)的醫(yī)學(xué)數(shù)據(jù)的處理和建模，毫無(wú)疑問(wèn)要依賴于算法的突破。
6總結(jié)
此次疫情中的影像學(xué)暴發(fā)式需求，對(duì)醫(yī)院影像診斷能力帶來(lái)了巨大挑戰(zhàn)，也客觀上推動(dòng)了AI輔助診斷的發(fā)展。目前，AI在COVID-19的研究主要集中于疾病發(fā)現(xiàn)和定量評(píng)估，對(duì)于病因分析、治療指導(dǎo)及基因檢測(cè)仍存在局限。未來(lái)應(yīng)進(jìn)一步融合AI與COVID-19的臨床信息、流行病學(xué)、影像學(xué)、預(yù)后等多元特征，以期為綜合、智能評(píng)估疾病的發(fā)病機(jī)制、早期篩查預(yù)警、指導(dǎo)臨床精準(zhǔn)診療提供科學(xué)依據(jù)。
作者：蕭毅 劉士遠(yuǎn) 單位：上海長(zhǎng)征醫(yī)院影像科
更多醫(yī)學(xué)衛(wèi)生職稱職務(wù)資格評(píng)審條件和論文期刊要求相關(guān)信息推薦：
聯(lián)系方式詳見(jiàn)：醫(yī)學(xué)全在線論文投稿聯(lián)系方式
醫(yī)學(xué)全在線-論文頻道（52667788.cn/lunwen/)第一時(shí)間整理發(fā)布全國(guó)各地醫(yī)學(xué)職稱評(píng)審公告、評(píng)審結(jié)果、論文評(píng)審條件、期刊目錄等通知。
