首页  >  专题  >  媒眼看世界

第58期:AI赋能医学影像:让潜在疾病无处逃遁

第58期:AI赋能医学影像:让潜在疾病无处逃遁 0:00
最新发布时间: 2022-05-16   浏览数:
分享到:
  本专栏面向科普工作者和社会公众常年征稿(点击“投稿说明”查看详情),征稿邮箱:zhaozheng@cstm.org.cn。
  新冠疫情防控期间,病毒核酸测定会受到多种人为因素影响,也曾有病例被误诊出现假阴性或假阳性的结果。而CT影像识别采用大型、恒定的医疗设备,不会受到过多人为环节操作影响,相对稳定。国家卫健委在发布的《新型冠状病毒肺炎诊疗方案》中明确提出核酸检测结果应与CT影像临床诊断结果相互辅助,作为新冠肺炎确诊病例的判断标准。
AI赋能医学影像,CT影像,达摩院AI抗疫
  一位新冠肺炎病人的二维CT影像约300张,且早期CT影像特点为肺部多发小斑片状磨玻璃影等细微变化,如果完全以医生的肉眼分析,一个病例就需要耗时约5—15分钟,大范围病毒筛查,工作量之大更是不敢想象。借助AI深度学习功能加持,医生可以将新冠肺炎的最新诊疗方案、权威团队关于新冠肺炎患者临床特征的研究成果、成千上万个确诊病例的CT影像样本数据全部输入智能数据库,快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别,最终识别准确率在90%以上。
  新冠肺炎病毒医学影像筛查加入AI技术后,系统每处理识别一个病例的高清晰度CT数据平均只需不到20秒。如果增加服务器的数量,还可以继续提升速度到几秒以内,这为大批量病例数据快速筛查提供了可能性。一旦发现疑似病例,系统会自动对可疑区域进行重点识别,统计各个肺部解剖结构中肺炎区域所占的比例,为医生进一步决策提供详细的定量数据。更具参考价值的是,系统会自动调取并快速显示该病例之前所拍摄的CT影像,将重点病灶区域的历史情况进行动态解算和对比呈现,利用AI的大数据处理能力做到全病程自动关联,为动态、精确、量化监控病情保驾护航。
  随着人工智能向深度学习领域深耕,医疗影像识别成为继无人驾驶、人脸识别之后,又一个与AI能够精准适配的应用新场景。因为医疗数据相对标准化且影像识别的底层逻辑较为明确,即能否看到结节、斑块等待标记的病灶,这种情况非常适合人工智能去深度学习。
  当然,如今的AI医疗影像技术还有很多认知盲区,只能作为辅助诊疗参考,并不能完全取代经验丰富的医生,还需要持续优化完善。
  2020年起,中国科技馆启动了数字馆藏项目,特别收藏了“达摩院AI抗疫”作品,即国内首张利用AI识别新冠肺炎的CT影像。这一行动向人们传递着这样一个信号:随着云计算、人工智能、区块链等数字技术在我们的传统生活场景中的深度融合,在不远的未来可以看到更多病症的医学影像诊断都可以用AI赋能,甚至为人们提供一座智慧化医院,进一步解决医疗资源分配不平衡、不充分的问题,成为更多家庭的健康护盾。
  (作者:李竞萌 中国科技馆科普影视中心讲师)
AI赋能医学影像:让潜在疾病无处逃遁
  (本文转载自:《科普时报》2022-4-29(第2版)“媒眼看世界”栏目)

©2011-2022 版权所有:中国数字科技馆
未经书面许可任何人不得复制或镜像
京ICP备11000850号-1 京公网安备11010502039775号
信息网络传播视听节目许可证0111611号
国家科技基础条件平台