人工智能在医学影像学及肿瘤治疗决策中的应用

分类：论文范文 发表时间：2021-05-29 11:01

　　［摘要］人工智能（artificialintelligence，AI）即具有人类思维方式的电脑技术，能模仿人脑思考。50多年来AI有了长足的进步，已广泛应用于人类生活的各个方面。在医学领域也开展了深入而广泛的研究并得到初步应用，尤其是在医学影像学方面。本文就AI在影像学领域的研究和应用，主要是对肺癌、乳腺癌的辅助诊断和鉴别诊断等作一简要综述，并兼及在肿瘤治疗方案决策中的应用。

　　［关键词］人工智能；辅助诊断；医学影像学；肿瘤

　　1956年JohnMcCarthy在学术会议上首次提出人工智能（artificialintelligence，AI）的概念，即具有人类思维方式的电脑技术，能模仿人脑思考［1］。50多年来AI有了长足的进步，在医学领域也开展了深入的研究并得到初步应用，尤其是在医学影像学方面［2］。本文就AI在影像学领域的研究和应用，主要是对肺癌、乳腺癌的辅助诊断和鉴别诊断及在肿瘤治疗方案决策中的应用做简要综述。

　　更新了一篇人工智能相关的论文，如人工智能在教育领域应用的论文文献，您可以点击并前往查看。

　　1AI用于影像学的基本原理

　　与人脸识别技术类似，AI用于影像学则是识别病灶。不过前者技术已较成熟，应用广泛，后者尚在研究中，只得到初步应用。

　　2AI用于肺癌的诊断

　　刘晓鹏等［5］应用自行开发的AI系统分别对1mm和5mm层厚CT片各5000例肺癌样本集合进行训练，自动学习得出肺癌结节的识别特征及分类规则。然后以500例CT片测试。结果AI读取1mm胸部CT片的敏感性为96.40%，特异性为95.60%，Kappa值为0.9386，重复性很高；读取5mm胸部CT片的敏感性为95.20%，特异性为93.20%，Kappa值为0.9261。AI与人工读片比较，在1mm层面CT片上，两者差异无统计学意义（P＞0.05）；在5mm层面CT片上，AI敏感性高于人工读片（P＜0.05），但特异性略低。Lee等［6］以CAD检测CT胸片，鉴定了309枚结节，检出率为81%，放射科医生的为85%，两者差异无统计学意义（P＞0.05）。在检出小于或等于5mm直径结节以及孤立性结节时，CAD的敏感度高于医生的肉眼观察（83%vs.75%，P＞0.05；93%vs.76%，P＜0.001）；而检出大于5mm直径结节以及与邻近组织关系密切的结节时CAD的敏感度低于医生肉眼观察（79%vs.98%，P＜0.001；71%vs.91%，P＜0.001）。Marten等［7］，在135个肺结节CT胸片判读中，CAD的检出率为76.3%，高于二位放射科医生（均为52.6%）；假阳性率三者分别为55%、25%和15%。而医生结合CAD，检出率增至93.3%，假阳性率降至10%。罗红兵等［8］抽取100例接受低剂量CT筛查的高危人群进行研究。CAD结合医师阅片的检出率为95.5%，高于CAD自动阅片法的82.9%（P＜0.001）。Jeon等［9］以134例参与者为研究对象，先由放射科医生读片，确定并描述结节，测量其直径，其后由CAD来复习、标记，然后再请读片医师复读并修正其原来的决定。结节的发现率从77%提高到84%。可见医生结合CAD阅片能够增加肺结节的检出率，减少假阳性率，尤其是对较小的结节。

　　3AI用于乳腺癌的诊断

　　Rodrlguez-Ruiz等［11］请14名影像学医师使用AI诊断240位女性乳腺X线图像。发现在AI帮助下，AUC为0.89，高于无AI帮助的0.87（P=0.002）；在AI帮助下的敏感度为86%，高于无AI帮助的83%（P=0.046）；在AI帮助下的特异度为79%，高于无AI帮助的77%（P=0.06）。在AI帮助下，影像学医师提高了其检出癌症的能力，但并未明显增加读片时间。Becker等［12］评价了AI检测乳腺癌的诊断正确性。以143例首次诊断为乳腺癌或交界性病变的患者为研究对象，AI的AUC为0.82，影像学医师则为0.77～0.87，影像学医师诊断敏感性常稍低，特异性略高。

　　4AI用于其他疾病的诊断

　　4.1在前列腺癌中的应用

　　Wang等［19］比较了基于深度学习算法与非深度学习算法AI分析MR图像在前列腺癌与前列腺良性增生的诊断准确率。172例患者的MR图像（2602幅），深度学习算法的AUC为0.84（95%CI0.78～0.89），非深度学习算法AUC为0.70（95%CI0.63～0.77），前者优于后者。

　　4.2在骨肿瘤中的应用

　　Wang等［20］以深度学习算法AI对26例患者的磁共振图像进行分析，诊断肿瘤脊椎骨转移，诊断的阳性率达90%。

　　参考文献

　　［1］Amisha，MalikP，PathaniaM，etal.Overviewofartificialintelligenceinmedicine［J］.JFamilyMedPrimCare，2019，8（7）：2328-2331.

　　［2］HosnyA，ParmarC，QuackenbushJ，etal.Artificialintelligenceinradiology［J］.NatRevCancer.2018，18（8）：500-510.

　　［3］ChartrandG，ChengPM，VorontsovE，etal.Deeplearning：aprimerforradiologists［J］.Radiographics，2017，37（7）：2113-2131.

　　［4］VybornyCJ，GigerML.Computervisionandartificialintelligenceinmammography［J］.AJRAmJRoentgenol，1994，162（3）：699-708.

　　［5］刘晓鹏，周海英，胡志雄，等.人工智能识别技术在T1期肺癌诊断中的临床应用研究［J］.肺癌杂志，2019，22（5）：319-323.

　　吴心怡1，黄海峡2，吴伟3，黄一心3

上一篇：加强初中数学课堂教学培养学生自主学习能力 下一篇：重症医学科疾病治疗中安全用药管理