人工智能在急腹症影像检查中的临床应用价值 [复制链接]

分析人工智能技术在急腹症患者腹部影像检查中的临床应用价值。分析急腹症患者的腹部DR、CT影像资料的特征性和现阶段人工智能发展现状。急腹症患者腹部DR、CT表现特征性都可以通过大量数据训练、机器学习算法达到人工智能诊断的目的。应用大数据计算机云处理技术，对于常见急腹症患者的影像诊断完全能够达到人工智能诊断的结果。

急腹症是指腹腔内、盆腔和腹膜后组织和脏器发生了急剧的病理变化，由此产生以腹部为主要症状和体征并伴有全身反应的临床综合征。在欧美国家急腹症占急诊就诊人数的第三位，占比5%～10%。国内一些报告研究急腹症占急诊就诊人数的1/5～1/4。急腹症虽然来势凶猛，但是这些病变一旦确诊治疗效果极好。腹部影像检查作为常见的辅助检查，能简单、高效地诊断常见急腹症。

人工智能(ArtificialIntelligence，AI)是指研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的信息科学。人工智能引入急腹症的影像诊断能有效缓解现阶段急诊患者检查等待时间长，缩短急诊医生对患者确诊时间，从而大大提高急腹症救治的效果。

急腹症影像特征和现阶段人工智能发展现状分析

常见急腹症患者腹部影像表现特征性分析腹部DR检查可以诊断常见的急腹症包括：溃疡病急性穿孔、急性肠梗阻、急性胆管炎、X线阳性胆石症及泌尿系结石、有钙化慢性胰腺炎。其影像表现如下：溃疡病急性消化道穿孔可引起一侧或双侧膈下新月形游离气体；急性肠梗阻沿肠管走行区多发气-液平面；急性胆管炎在右上腹肝胆区见树枝样肝、胆管积气影；急性胆石症及泌尿系结石可见胆囊区、肾区、输尿管走行区及膀胱区见形态各异的结石影；慢性胰腺炎钙化可见中上腹部见横行散在钙化聚集影。

腹部CT检查能诊断的常见急腹症有：溃疡病急性穿孔、急性肠梗阻、急性胆管炎、急性胆囊炎及胆石症、泌尿系结石、急性胰腺炎、肠系膜上动脉血栓、外伤性肝脾破裂。其影像表现如下：溃疡病急性穿孔在看见膈下游离气体同时见Morrison囊积液；肠梗阻见梗阻后气-液平面，并可见梗阻远端情况，有利于梗阻分型；急性胆管炎胆管走行区胆管积气、周围渗出；急性胆囊炎及胆石症见胆囊壁增厚、分层，胆囊内结石影；泌尿系结石见泌尿系走行区结石影及结石梗阻上段泌尿系扩张；急性胰腺炎见胰腺体积增大，胰周渗出或积液，甚至可见胰腺内出血；肠系膜上动脉血栓形成时可见肠梗阻，增强扫描见肠系膜上动脉无强化或管腔内局限性充盈缺损；外伤性肝脾破裂时见包膜下血肿、肝脾撕裂及其周围血肿形成。

人工智能在影像诊断领域发展现状人工智能在医学影像领域的应用，主要是通过大量数据训练、机器学习算法，而后通过计算机云处理对临床患者进行诊断评判，从而实现人工智能阅片诊断。现阶段人工智能的应用主要体现在计算机辅助诊断系统。计算机辅助诊断是影像学AI应用的重要内容，它是将图像处理、计算机视觉、医学图像分析等有效结合，通过系统处理后对异常征象进行标注，从而帮助医生快速发现病灶，提高诊断的准确率和对疾病诊断的效率。

AI技术和影像诊断的研究起源于20世纪60年代，当时主要以逻辑与统计模式识别的机器学习为主。到了20世纪80年代，随着计算机技术、数学算法及统计学的发展，AI由直觉主观方式向定量计算方式转换，在医学影像诊断领域获得了快速发展，针对不同疾病的计算机辅助诊断研究也大量涌现出来。年以后，由于深度卷积神经网络的兴起、大量数据的累积和基于图像处理器的计算能力大幅提升，深度学习在医疗图像上的研究空前高涨，计算机辅助诊断的精度也得到提高，从而使以深度学习为主的AI技术真正成熟应用于临床影像诊断。

现阶段AI技术在肺结节和肺癌CT筛查、乳腺癌钼靶筛查、骨龄X线测定中已经广泛应用于临床。近期AI技术在心血管系统冠状动脉双源CT的诊断上也得到了应用，从而大大提高了冠脉CT的诊断速度，为患者争取了宝贵的治疗时间。

随着AI技术的进一步发展，在某些特定环境AI技术已经接近甚至超过普通放射科医生。年Liang等在50台CT扫描设备上使用4种不同的AI软件，检出了56％～70％易被放射科医生漏诊的结节。Patel等利用自然语言处理软件算法准确获得乳腺癌患者乳腺钼靶摄影的关键特征，并与乳腺癌亚型进行关联，其诊断准确率高达99％。虽然AI技术在影像诊断方面已经有了长足发展，但对于影像需要结合临床做出综合性的诊断时，仍需要具有综合专业知识的医生来参与。

人工智能在急腹症诊断的模型设计和临床应用流程

人工智能在急腹症影像诊断中的模型设计

图1人工智能在急腹症影像诊断中的模型设计

通过大样本的影像数据进行分割标注，初步完成机器学习，而后通过计算机卷积神经网络对分割的影像进行深度学习，最后达到智能诊断的结果（图1）。

人工智能技术临床应用流程

图2人工智能技术临床应用流程图

患者到放射科做影像检查，之后通过人工智能诊断出意见，医院PACS系统传回急诊诊室；也可以检查完后通过云服务传到第三方影像诊断中心，再经过人工智能诊断，通过云服务给急诊诊室医生诊断意见（图2）。

人工智能在急腹症影像检查的可操作性和数据获取时注意事项

人工智能在急腹症患者腹部影像检查中的可操作性分析虽然急腹症患者腹部影像表现多种多样，但是鉴于人体解剖的特异性，各种疾病都有其特定部位、特定影像特征，经过大数据样本的标注和切割，计算机不断学习这些标注和切割数据，从而达到计算机辅助诊断的目的。近年来，利用多器官分割来研究腹部器官CT检查的人工智能已得到发展，腹部DR影像较CT图像更易提取有效信息。现在人工智能的发展已经不仅仅局限在机器学习的标注和切割，经过深度学习的新一代人工智能技术在辅助诊断的基础上可以像影像医生一样给出初步诊断意见。因此急腹症影像检查的人工智能信息化也是切实可行的。

另一方面，现阶医院计算机网络PACS技术得到广泛应用，通过人工智能诊断后，利于云服务和计算机网络传送，可以让临床医生第一时间得到影像诊断结果，大大缩短急腹症患者的就诊时间。

人工智能模型获取数据时的注意事项新阶段人工智能模型获取数据的方式仍然以人工标注为主，部分软件可以达到半自动化标注的目的。笔者曾经参与乳腺钼靶人工智能计算机数据获取时的图像标注工作，通过自己标注得到几点心得值得注意：①图像选择的重要性，腹部DR由于拍片技术水平和X线机参数不同，图像质量参差不齐。这就要求选择的标注图像一定要在技术水平上无差异，即必须按照腹部DR影像投照要求包括整个腹部范围，另外要求患者闭气，虽然现在的X线机获取图像很快，但是病人呼吸仍会对图像细节产生影像。腹部CT检查同样要注意患者闭气训练和扫描范围的选择。对于X线机器和CT机器参数不同引起的图像质量差别，医院、多厂家机器来选取图像。②标注人员的选择，一定要选细心负责的高年资主治医师来完成标注，计算机学习通过的标注出的共性，一旦标注人员不细心或者本身技术水平不高，其标注结果直接会影响到计算机学习的结果。③标注算法的多样性，单一的标注方式仍然会制约计算机学习的深度，因此对于看似简单的图像，建议仍需采取多种方式标注进行计算，以此提高计算机学习的深度、广度。

总结和展望

通过上述过程可以完成急腹症患者急诊诊室-放射科-诊室或远程诊断的过程，从而达到急诊医生快捷得到影像诊断结果的目的。在应用过程中，该人工智能急腹症影像诊断系统通过学习和训练不断提高诊断准确性，从而达到同高年资医生类似的诊断水平。可以预见这种人工智能的应用，将大大提升急腹症患者的诊断效率，缩短急诊医生做出正确诊断的时间。

当今第三方影像诊断中心发展迅速，第三方影像诊断中心结合人工智能诊断，医院病员众多、基础影像诊断医师缺乏的问题。对于建设我国现代化医疗服务体系有巨大作用。

戳这里！