| 编者按
2017年7月8日，国务院印发《新一代人工智能发展规划》，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、高品质的服务。也许，在不久的将来，医生的旁边就坐着一个机器人！
一、什么是计算机辅助诊断
计算机辅助诊断(CADx)或计算机辅助检测(CADe)主要是指基于医学影像学的计算机辅助技术，前者侧重于病情诊断和预后策略选择，后者着重于检测，只需要计算机标注异常征象。因此，CADx是CADe的延伸和最终目的， CADe是CADx的基础和必经阶段。CADx被视为医生的“第三只眼”，其广泛应用有助于提高诊断的敏感性和特异性。
传统的CADx通常分为三步：
首先，是医学影像的预处理。目的是定位病变位置，让计算机从复杂的解剖背景中将病变及可疑结构识别出来。针对不同的病变，CADx需要采用不同的图像处理方法，基本原则包括图像质量评价、图像增强、图像滤波。
其次，是病变特征提取。将上面提取的病变影像进行进一步量化，并对具有诊断价值的影像学表现进行分析，如病变的大小、密度、形态特征等。
最后，是模式识别。将前面得到的特征向量输入模式分类器，典型的包括人工神经网络、支持向量机、贝叶斯网络、规则提取等，它们将采用特定的学习型算法，将特征向量映射为诊断决策，比如是良性病变还是恶性病变。
二、深度学习技术的产生和发展
传统上，CADx架构需要事先对关键特征进行定义和学习，最具挑战性的是进行特征定义，包括亮度、密度、体积、面积、纹理特征等，不同特征与问题的关联性也不同，这种关联性将直接影响机器学习的性能。
随着高性能计算和大数据的产生，及存储技术的产业化，诞生了深度学习技术，与传统的机器学习方法相比，最大的区别在于：操作者无需定义特征，只需输入原始数据，机器将通过输入的图像数据与输出的目标概念之间的上百万个权重连接来自主寻找最有代表性的特征，特征隐含在深度学习框架中。将深度学习作为CADx的核心，不仅能简化CADx的架构，还能充分利用海量医学影像数据的优势，可供学习的数据越多，诊断就越精确。因此，深度学习需要漫长的学习和优化过程，需要研究者更好地构建深度学习框架，更需要医疗、影像和深度学习三方面团队的密切配合。
图1 深度学习模型（图片来自网络）
近两年，随着“AlphaGo”在围棋世界不败神话的延续，深度学习算法也成为人们热议的话题。人工智能实验室DeepMind不仅开发了大名鼎鼎的“AlphaGo”，现在又试图将其自主开发的人工智能技术应用到医疗科技领域。目前，DeepMind正和英国全民医疗健康系统合作两个主要项目：一是帮助英国皇家慈济医院的医生监测急性肾损伤病症；二是帮助伦敦穆尔菲尔兹眼科医院的医生判断患者的视力情况。
三、人工智能在医学影像计算机辅助诊断中的应用
深度学习的CADx系统颠覆了传统的计算机视觉和模式识别，作为深度学习等人工智能技术最先突破的领域，图像识别已广泛用于图片搜索、自动驾驶、人脸识别等。在医疗健康领域，人工智能技术将有望解决各种医学影像的数据解读问题，如CT、MRI、PET、超声波、太赫兹、眼底视网膜等。并将逐步实现关键器官覆盖和模块化扩展，对某一器官的特定病例进行判断、筛查和诊断，达到主任医生级水平。
医疗数据中有超过90%来自医学影像，据统计，美国医学影像数据的年增长率为63%，而放射科医生数量的年增长率仅为2%；根据动脉网的数据，国内医学影像数据和放射科医师的增长率分别为30%和4.1%。运用人工智能技术识别、解读医学影像，通过与其它病例记录的对比分析，帮助医生定位病灶，辅助诊断，可以有效弥补其中的缺口，减轻医生负荷，减少医学误判，提高诊疗效率。以美国哈佛医学院参与的智能诊断临床试验为例，在人工智能的辅助下，可将乳腺癌的误诊率从4%降至0.5%。
图2 放射科医生工作示意图（图片来自网络）
虽然，有关计算机辅助诊断的应用研究目前在国内外都仍处于起步阶段，但需求的增长和技术的进步，使得医学影像领域人工智能运用成为热门创业方向，带动了一大批此类公司的崛起。国外早已出现Enlitic、Butterfly Network、VisExcell、VoxelCloud等明星公司。在医疗智能领域深耕最久的IBM，也在2015年8月斥资10亿美元收购医学影像处理与加工公司Merge，将其技术整合进IBM Watson认知智能系统。
国内也不甘落后，近年来，一批初创公司陆续成立，如Deepcare、推想科技、图玛森维等。同时，一些以医学影像云平台起家的公司也逐渐涉足人工智能领域，如医渡云与汇医慧影。以DeepCare团队为例，提出利用机器学习实现对医学影像的智能判断，以解决三甲医院高级医生和普通医生判读癌症病理切片时的能力差距问题。目前，DeepCare系统的分析准确率达到92.5%，与之相比，高级医生的准确率是 97.5%，普通医生仅为 57.5%。而高级医生的每百万人口拥有率，在中国只有一个，在美国是43.3。在国内，检验科的收入约占医院总收入的10%。其中，DeepCare 关注的肿瘤检测占比已达1/5，市场规模高达每年400 亿元。可见，占医疗数据主体地位的医学影像将成为人工智能诊疗最先实现商业化的分支领域。
文耀锋，上海交通大学生物医学工程学院助理研究员，上海产业技术研究院生物医学领域高级工程师（兼职）。主要研究领域是人工智能影像技术及大数据分析和融合。
钱大宏，上海交通大学生物医学工程学院教授，国家千人计划特聘专家，上海产业技术研究院生物医学领域特聘教授（兼职）。主要研究领域为人工智能影像技术及生物传感器器件。
责任编辑：雷蓉
人工智能给产业发展将带来什么惊喜?
面对人工智能浪潮，上海怎么办？
人工智能机器人AI-Maths的数学“高考”为何“输”在语文上? ——浅谈类脑科学研究
全球人工智能人才概览
美国《人工智能、自动化和经济》报告解读及对上海的建议
人工智能的今天与未来：2016年OECD技术预见论坛侧记
（本文不代表微言创新观点。欢迎投稿、转载和商务合作，请联系[email protected]）
