广告
广告
智能医学影像的发展现状和挑战
您的位置 资讯中心 > 产业新闻 > 正文

智能医学影像的发展现状和挑战

2021-03-26 09:35:40 来源:现代医药卫生

【哔哥哔特导读】2012年以后随着深度卷积神经网络的兴起、大数据的累积和计算能力的大幅提升,国内外研究机构纷纷利用深度学习技术投入医疗影像的研究。

人工智能并不是新事物。早在1956年的达特茅斯会议上人工智能的概念便被正式提出。2016年以AlphaGo战胜围棋世界冠军李世石为标志,人工智能迎来新一波的发展热潮,成为政府、产业界、科研机构及消费市场竞相追逐的对象,成为国际竞争的新焦点。医学影像具有格式标准、容易获取和利用等特点。

大数据

在众多医疗信息中医学影像数据约占90%,是疾病筛查和诊治的最主要的信息来源,被认为是人工智能可以最快落地的领域之一。智能医学影像应用人工智能技术,对X线、CT、磁共振成像(MRI)、超声等常用的医学影像学技术扫描图像进行分析和处理,提供诊断辅助和提示。本文综述了智能医学影像的发展现状和面临的挑战,并提出了相应的建议。

1.智能医学影像的意义

1.1 满足日益增长的诊疗需要

与美国、日本、德国、法国、英国等发达国家比较,我国每千人医生密度、每千人护理和助产人员密度均较低;医疗资源总体水平相对较低。WAHL等认为,在医疗资源缺乏的地区人工智能的发展和应用将发挥更大的潜力,有助于促进卫生健康水平的提高。随着我国经济、社会的发展,人民群众生活水平和健康意识的日益提高,各项健康体检、疾病筛查的数量不断加大,影像科医生的工作量也随着加重。我国放射科医生的年增长率仅为4%,而医学影像数据年增长率超过30%。仅依靠传统的人工阅片方式越来越难以满足日益增长的影像科诊疗需要。

1.2 减轻影像科医生的工作负担,降低误诊率

影像科医生长期从事高负荷的工作,不可避免地会产生视觉疲劳,出现漏、误诊等问题。据中华医学会的一份误诊数据资料显示,中国临床医疗的总体误诊率较高,恶性肿瘤的平均误诊率更高,这些误诊绝大多数由医学影像导致。人工智能永远不会疲劳,可成为影像科医生的得力助手,提高诊断的精度,节省阅片时间,减少重复劳动,使其能将时间投入更有价值的工作。

1.3 提高基层诊疗水平,促进分级诊疗

基层卫生医疗机构的影像科医生在数量、资历、经验等方面与高等级医院的影像科医生存在较大差距,而优良的智能医学影像产品在诊断水平上能接近高年资医生,不仅能帮助基层医疗机构减少误诊,且可作为培训低年资医生的实用工具,有利于提高基层医疗机构的诊疗水平,促进国家分级诊疗政策的落实。

2.智能医学影像发展现状

2.1 政策出台现状

越来越多的国家将人工智能作为新一轮科技竞争的焦点,出台了发展规划和扶持政策。国际上,欧盟、美国、日本、英国、韩国、德国、法国、印度等国家和地区相继出台了相关政策规划促进人工智能在医疗健康领域的发展。2016年5月18日国家发展改革委、科技部、工业和信息化部、中央网信办印发了《“互联网+”人工智能三年行动实施方案》,提出“支持在制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展人工智能应用试点示范。”2017年7月8日国务院印发了《新一代人工智能发展规划》(国发〔2017〕35号),提出要“围绕教育、医疗、养老等迫切民生需求,加快人工智能创新应用,为公众提供个性化、多元化、高品质服务。”2017年12月工业和信息化部印发的《促进新一代人工智能产业发展三年行动计划(2018-2020年)》明确提出了要在医疗影像辅助诊断系统等领域率先取得突破。

2.2 科研现状

早在20世纪60年代就开始了针对计算机辅助诊断系统的研究。2012年以后随着深度卷积神经网络的兴起、大数据的累积和计算能力的大幅提升,国内外研究机构纷纷利用深度学习技术投入医疗影像的研究,使计算机辅助诊断系统的结构更为简化,诊断更为精确,已在不同领域取得了初步成果。

目前,中美两国在人工智能领域处于世界领先地位。陶波等对中美两国医疗人工智能研究文献数量的年度分布进行对比发现,中国医疗人工智能研究起步较晚,但至2017年中国在文献方面已追赶上了美国,且两国医疗人工智能研究在2014年的受关注度陡然增加。这一方面是随着人工智能技术的新一轮爆发,成为学术界的热点;另一方面也是两国政府积极推动医疗人工智能研究和应用的结果。

2.3 临床应用现状

虽然人工智能的研究呈爆发趋势,但目前仍处于“弱人工智能”阶段,仅能在特定领域做出决策、预测或分类。在医学影像中的应用场景有人体结构、病灶区的分割,疾病的早期诊断,解剖结构、病灶区的检测,提供疾病提示和辅助诊断等功能。当前智能医学影像大多数处于临床试用阶段,掌握资本和技术的人工智能企业与拥有大量医疗数据的医疗机构合作进行开发和试用,不断进行产品优化和升级。Google旗下的DeepMind公司与英国NHS(National Health Service)和Moorfields眼科医院合作,开发出了一种通过分析医学影像诊断疾病的人工智能产品,可诊断出3种最严重的眼科疾病,即青光眼、糖尿病性视网膜病变和老年黄斑变性。

阿里推出针对第三方医学影像平台的医疗AI“Doctor You”,联合万东医疗将人工智能引入医学影像。百度创立AI医疗品牌百度灵医,与中山大学中山眼科中心合作进行眼底筛查的研究。目前,百度AI算法已能覆盖糖尿病视网膜病变、黄斑病变、青光眼这3种主要致盲疾病,并发布AI眼底筛查一体机。

“腾讯觅影”是腾讯首款人工智能与医学结合的人工智能医学影像产品,入选首批国家人工智能开放创新平台。当前“腾讯觅影”在智能医学影像方面已发布食管癌早期筛查系统、肺癌早期筛查系统、糖尿病性视网膜病变系统、乳腺癌早期筛查系统和结直肠癌早期筛查系统。

武汉市中心医院与腾讯公司合作实现医学影像归档和通信系统与腾讯觅影AI平台的集成应用,临床进行了CT肺癌及肺结节的人工智能诊断试点,经一段时间近500例的诊断结果的对比,人工智能提示的准确率达90%以上,辅助医生减少漏诊起到了良好效果。我国自主研发的DE-超声机器人是一款基于超声影像辅助医生进行甲状腺结节良恶性识别的智能诊断系统,目前已投入临床试验。测试环节中该设备诊断准确性高达87%,高于省级三甲教学医院不同级别医生对相同图像的诊断识别率。

2.4 产业化现状

根据Global Market insight的数据报告,全球人工智能医学影像市场作为人工智能医疗应用领域的第二大细分市场,将以超过40%的增速发展,在2024年达到25亿美元规模,市场占比达25%。国内超过百家企业将人工智能用于医疗领域,其中大部分公司涉足医学影像领域,远高于其他应用场景的企业数量。智能医学影像在融资方面受到资本的青睐,相关数据显示,2017年国内人工智能医学影像领域融资总额超过10亿元,截至2018年9月融资额超过26亿元。智能医学影像产品中肺癌、糖网眼底筛查的产品技术最成熟,针对其他病种的产品大多数处于试用或研发阶段。

3.面临的挑战

3.1 局限于单病种,产品鲁棒性有待提高

目前,智能医学影像的应用局限于单一病种,需针对不同病种单独进行算法训练和设计开发。如何快速开发针对不同病种、不同模态数据或多模态融合的新产品是一个行业难题。诊断准确性是智能医学影像产品的核心性能。目前,智能医学影像产品发布的性能参数大多数来源于有限的数据集和实验室条件,受限于数据集的数量和代表性不足等因素,在高度复杂的临床应用中产品实际检测的性能不够好,产品鲁棒性有待提高。

3.2 结果不可解释,存在算法歧视

目前,人工智能领域普遍应用的深度学习算法需构建多隐层神经网络。预测过程是相应参数下的计算过程,这个过程是不透明的,因此,预测结果不可解释。深度学习算法所依赖的数据集的不全面可能导致最终得到的“规则集”的偏差,形成“算法歧视”现象。算法歧视往往比传统的种族、性别、年龄歧视等更加不容易辨别。

3.3 隐私保护和医疗责任判定

医疗数据涉及患者的个人隐私。我国出台了《信息安全技术个人信息安全规范》,对个人数据的收集、存储、应用和传输环节提出了明确具体的规定。检验报告、医嘱单、用药记录等个人因生病医治产生的相关记录列为个人敏感信息。收集、共享和转让个人敏感信息时需取得个人信息主体的明示同意。当前尚无专门针对医疗信息及个人健康隐私保护的法规、标准,对医疗信息的敏感部分和去标识化也无统一标准。智能医学影像仅提供辅助诊断功能,如医生参考人工智能诊断的结果做出错误诊断,在医疗责任的判定方面尚无可依据的法律法规。

3.4 产品商用门槛较高

2018年8月1日起实施的新版《医疗器械分类目录》新增了人工智能辅助诊断相关分类,把对病变部位进行自动识别、并提供确诊提示的医疗器械归为第3类医疗器械进行管理。目前,第1批人工智能辅助诊断三类医疗器械已进入审批环节。获取一张“三类证”需经药监部门授权机构检测、药监部门注册审批、医保局定价3个阶段,耗时接近4年。这对人工智能初创企业的资金链是一个严峻的考验。另外,医院对医学人工智能的管理不明确,临床科研人员实际参与医学人工智能的程度不高,缺乏医学人工智能复合型人才,监管和评估标准的缺失均会影响医学人工智能的发展和落地。

4.发展建议

4.1 建立医疗大数据共享平台,加强算法研究

健康医疗数据是医疗人工智能的“燃料”,高质量的数据越多,深度学习算法的结果就越精准。国内大部分健康医疗数据存在于独立的医疗卫生机构,医疗卫生机构缺乏开放和共享数据的动力。需做好医疗大数据共享的顶层设计,规范数据标准,破除数据共享的阻碍,在保证数据安全的前提下发掘医疗大数据的价值。针对训练数据需求量大、标注耗时长、成本高可加强弱监督学习、无监督学习等研究,夯实人工智能发展基础。

4.2 制定质控和评价标准,提高人工智能可信度

智能医学影像具有“黑盒”和“算法歧视”现象,目前,缺乏完整、权威的质控和评价体系。政府、医疗机构、科研机构、人工智能企业应加强合作,进行智能医学影像可解释性和“算法歧视”问题的专项研究,加快制定质控和评价标准,提升患者对医疗人工智能的信任,促进医疗人工智能的顺利落地和可靠应用。

4.3 制定数据隐私保护法规标准,研究人工智能责任归属

制定医疗数据隐私保护法规,明确医疗卫生机构、相关企业等主体采集、使用、共享和转让医疗数据时需遵守的规则和泄漏隐私的处罚,强调法规的可操作性。制定发布医疗数据脱敏和去标识化的标准和规范流程。既要保护好患者的隐私和医疗数据的安全,又要有利于医疗大数据的共享和价值的发掘利用。研究医生、人工智能企业在人工智能产品辅助医生诊疗过程中各自承担的责任界定。

4.4 融入医院诊疗流程,促进产业良性发展

人工智能企业可探索多渠道进行产品布局,如加强与医疗设备商的合作,将智能诊断程序集成到医疗设备中。医疗卫生机构应积极探索人工智能技术在医院的应用前景,设立专门部门在医院层面统筹规划人工智能的研发和应用,同时,鼓励临床医生参与医学人工智能科研,促进智能医学影像产品从临床需求出发进行设计。

声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请与我们联系,我们将及时更正、删除,谢谢。

分享到:
阅读延展
大数据 人工智能 智能
  • 智慧医疗风口来袭:解码医疗大数据探索的“成都模式”

    智慧医疗风口来袭:解码医疗大数据探索的“成都模式”

    数据治理联合顶级医疗机构的智慧化医疗服务是成都市医疗大数据平台的特色之一。该平台在数据治理上的特色凸显在对区域内多家不同医院的多源异构的医疗大数据的整合治理。

  • 葡萄城受邀成为中国大数据产业生态联盟会员单位

    葡萄城受邀成为中国大数据产业生态联盟会员单位

    联盟由中国电子信息产业发展研究院联合大数据基础设施提供商、数据源企业、数据安全、开源平台及解决方案提供商、大数据处理和分析企业、大数据行业应用等大数据产业链各环节企业。

  • 服务数字经济 发展数字党建

    服务数字经济 发展数字党建

    加强干部在发展数字经济中的实践锻炼,加强对干部发展数字经济的考核评价,坚持把大数据应用作为加强干部和人才队伍管理的重要抓手,统筹推进信息集成、数据维护,着力推动干部人才管理信息化、智能化、科学化。

  • 打造农业数谷大数据中心 共建杨凌“农业一朵云”

    打造农业数谷大数据中心 共建杨凌“农业一朵云”

    通过建设中国农业数谷大数据中心、中国农业数谷联合创新中心等数字经济基础设施,构建杨凌“农业一朵云”,驱动杨凌农业数字经济及智慧城市建设,打造中国数字农业创新高地。

  •  大数据与人工智能提升小微企业金融服务研究

    大数据与人工智能提升小微企业金融服务研究

    大数据与人工智能已经嵌入中国社会生活的各个方面,更是与金融具有天然的耦合性。通过相关技术深度挖掘有效信息,建立智能化的经营模式和风控体系,为小微金融产品创新、管理创新和服务创新注入新活力。

  • 发展大数据,贵州干得漂亮

    发展大数据,贵州干得漂亮

    目前,随着贵州大数据产业发展的风生水起,贵州省数字经济发展保持良好势头,数字经济增速已经连续六年排名全国第一。

微信

第一时间获取电子制造行业新鲜资讯和深度商业分析,请在微信公众账号中搜索“哔哥哔特商务网”或者“big-bit”,或用手机扫描左方二维码,即可获得哔哥哔特每日精华内容推送和最优搜索体验,并参与活动!

发表评论

  • 最新评论
  • 广告
  • 广告
  • 广告
广告
粤B2-20030274号   Copyright Big-Bit © 2019-2029 All Right Reserved 哔哥哔特 版权所有     未经本网站书面特别授权,请勿转载或建立影像,违者依法追究相关法律责任