2018年全球腫瘤統計結果顯示，全球癌癥發病率、致死率最高的為肺癌。國家癌癥中心發布的全國癌癥統計數據報告中也指出肺癌位居我國惡性腫瘤發病、死亡例數首位，2015年發病人數已為78.4萬，死亡人數63.1萬例，并且隨著環境、吸煙、人口老齡化等影響因素越來越重，罹患肺癌的總人數呈現持續升高態勢，中國臨床則需要更精準的手段來提前發現并診療肺癌。循證醫學數據顯示，肺癌早期發現、及時干預及規范診療，則患者五年生存率可提高到80%，因此早期的篩查及精準診斷尤為重要。目前影像學診斷是篩查肺部問題的重要手段之一，其中肺部CT篩查是有效且應用較多的方式。

但是目前的診療高度依賴醫學影像，我國醫學影像設備年增長率是放射科醫生增長率的7倍多，隨著人們的健康意識和體檢意識增強，通過放射影像檢查身體的人數逐年增多，胸部CT已經成為體檢的‘基本套餐’，致使人工分析醫學圖像數據的負荷日益增大，再加上設備的識別精度提升，大量小結節的顯示及定量測量使得醫生閱片難度提升，增加了漏診的風險。

深度學習作為機器學習的一個算法類別，在短短的幾年內得到巨大發展，醫療行業的影像產生數據海量，使得運用深度學習技術對醫療影像的研究尤為多，基于深度學習的各類算法和模型層出不窮，部分模型和算法能有效地應用在圖像識別和處理上面，取得醫生級別的準確率，繼而產生基于圖像識別和輔助診斷的各類應用。如輔助診斷肺結節，識別黑痣和色素瘤，從X光中檢測乳腺病變及從眼底圖像和OTC圖像中檢測糖尿病性視網膜病變，其中肺結節的自動識別得到大量訓練和學習，檢測率較高、較穩定，應用更為廣。

醫院影像科醫生現在都面臨工作重復性大、工作量大和易漏診的現狀和挑戰，尤其是三級醫院，并且低年資醫生或者規培醫生對影像及病灶的識別能力較弱，學習周期長。本項目通過與推想科技合作，借助他們的醫療影像智能診斷系統，通過其內置的深度學習模型和圖像處理和圖像識別技術，對我院的胸部CT圖像進行初步篩查及提示，輔助醫生進行診斷和書寫報告，旨在一定程度上提高影像科醫生的診斷效率及質量，提供相應的決策支持，緩解工作壓力，推動醫生在質控、科研等其他方面展開學習和研究，同時幫助低年資醫生快速提升閱片能力。

本項目提供的基于CT影像的人工智能輔助篩查系統，是通過深度學習挖掘肺結節核心特征并建立預測模型和處理體系，作為輔助工具應用于醫生對肺部CT圖像的日常診斷中。該系統對獲取到的胸部CT圖像通過計算機進行智能識別，自動預處理圖像，標記肺部結節位置(層面)、密度區間、長徑、體積等測量信息，提供結節性質結果參考以及NCCN指南內容，幫助醫生定位病灶，提供圖文診斷報告，肺結節的良惡性判斷，提高對復雜或者微小結節的識別準確率，并且縮短診斷的時間，提升工作效率。加入隨訪功能，實現患者檢查-協助醫生寫報告-隨訪管理-調整預防或診療方案整個全周期的肺結節患者觀測和管理。

基于人工智能的深度學習技術貫穿整個項目，其中以卷積神經網絡及遞歸神經網絡算法為深度學習的核心。將合作單位提供的數十萬例肺結節患者的CT圖像通過該算法進行機器學習和訓練，從圖像中分割并提取肺結節的強度、形態和紋理等特征，建立肺結節識別的神經網絡模型。新的CT圖像通過計算機輸入模型計算及處理，達到快速、精準識別CT圖像中肺結節的目的，特別是微小結節，再自動為用戶進行肺結節的相關屬性，如位置、大小、密度、性質等方面的測量和標記，以及進一步定性判斷，并且自動關聯患者不同時期的CT圖像，對相同部位的歷史影像匹配，進行自動分析，對比結節變化及療效評估。智能匹配與當前病例相似的歷史病例，為醫生精準臨床決策提供智能參考。依照各種權威指南自動生成結構化報告，并支持各種個性化報告模版定制。

醫院放射科于2019年1月正式使用肺結節智能輔助篩選工具，將其應用于日常肺部CT圖像識別中。至今使用近兩年，從最初使用量30%上升至最高時97%，平均使用量超過80%（圖1）。經過不斷地反饋問題，以及調整算法和系統功能，使用量增加，結節識別精確也提高，目前醫生使用量維持在一個穩定的階段。近3個月，病例點擊率保持在85%以上，結節識別平均整體耗時167S，采用率達99.74%。說明我院的肺部CT閱片已經逐漸由傳統的醫生獨立閱片轉變為醫生+人工智能輔助的閱片模式。

圖1 基于人工智能輔助篩選肺結節工具使用量統計

同時，采用醫生+人工智能輔助閱片方式大大提升肺結節的檢測識別效率，如圖2，CT影像中自動檢測出100多處病灶，其中21處標記為高危，使用輔助工具自動檢測并標記結節的大小及位置，高效程度遠遠優于醫生手動標記，大大縮短醫生閱片-診斷-出報告的時間。系統能自動標記到直徑為1mm的微小結節，明顯提升了結節的檢出率，降低了漏診率，一定程度上達到質控要求。

圖2 自動標記結節位置

利用人工智能輔助診斷系統自動識別肺結節在一定程度上提升了醫生的診斷效率，節省醫生閱片診斷和出報告的時間，解放了人工、重復標記病灶的時間，用來置換其他醫療業務的學習和深入研究?？焖?、精準地定位微小結節，減少了漏診率，與之對應的是假陽性結節的檢出率會升高，這就需要通過醫生結合病人具體情況和經驗進一步定性診斷，這表明系統還需要對更多更豐富的CT圖像學習和訓練，不斷改進算法，降低假陽性結節的診出率。雖然人工智能輔助診斷系統是個輔助工具，但醫生每月的使用量始終保持在85%左右，也就表明院內產生的85%左右的胸部CT圖像都由醫生通過該系統進行肺部病灶的自動識別及測定，輔助醫生做診斷和出報告。該系統的使用頻率較高，醫生對其有比較好的依從性。

為做到對肺結節患者前期更好的觀測、干預和管理，系統功能還需后續補充和完善。最大的問題還是檢測的精準度，因醫學的復雜和個體差異性，算法和診斷精準度都是根據醫學專家的反饋不斷地優化和調整的。系統易用性上面根據用戶反饋和建議做適當的功能增刪、優化（前后片的對比）和界面調整等。對于肺癌的防治，特別在早期發現微小結節后，影像的定期隨訪是最主要的手段，系統已經更新檢查患者的隨訪管理，對患者隨訪跟進，方便醫生適時調整診療方案。下一步將擴大對肺部問題的探索，豐富系統功能，如檢測并定位出囊狀影和條索影等，這仍然是建立在人工智能對該病種足夠的深入學習并建立高精度的算法模型上面。

4G將社會帶入移動應用時代，隨著5G的開啟，標志著技術的飛速發展，人工智能技術同樣如此，5G+人工智能的組合帶給社會的是怎么樣的發展和影響，都是值得去深入探索和期待。

申報單位：

自貢市第四人民醫院

參選方向：

醫學人工智能創新應用