近年來，隨著人工智能(ArtificialIntelligence，AI)相關技術的快速發(fā)展和各國出臺一系列政策支持，極大地促進了醫(yī)療器械向數字化、智能化的創(chuàng)新和發(fā)展。2017年，我國發(fā)布《“十三五”衛(wèi)生與健康科技創(chuàng)新專項規(guī)劃》與《新一代人工智能發(fā)展規(guī)劃》，為醫(yī)學人工智能技術的推動指明了具體方向。?

醫(yī)用內窺鏡自問世以來，逐漸在疾病診斷和治療中發(fā)揮著至關重要的作用，如：使用消化內鏡是目前提高消化道腫瘤早期檢出率的最佳方法，膀胱鏡是泌尿系疾病診斷和微創(chuàng)治療的重要工具，腹腔鏡更已成為腹腔微創(chuàng)外科手術導航的基礎用具。然而，內窺鏡的使用往往依賴于醫(yī)生技術水平，因此在診斷和檢查時漏診誤診的情況時有發(fā)生。

?

人工智能與醫(yī)用內窺鏡的結合，不僅有助于提高醫(yī)生的診療準確率和效率，而且能幫助基層醫(yī)務人員提升診療水平，解決高水平醫(yī)療資源不足的問題。本報告對目前人工智能在醫(yī)用內窺鏡臨床中的主要應用進行闡述，探討其在臨床應用中面臨的問題與挑戰(zhàn)，為AI醫(yī)用內窺鏡在臨床應用中的發(fā)展提供思路。? ?

n人工智能在醫(yī)用內窺鏡領域中的應用

1 輔助醫(yī)生診斷，緩解漏診誤診問題

近年來AI技術的發(fā)展為醫(yī)療器械行業(yè)的智能化提供了技術支持，特別是在醫(yī)學影像領域(包括放射影像、超聲、內窺鏡影像等)。目前，醫(yī)療影像AI技術通過學習經驗豐富醫(yī)生標注的臨床圖像數據進行學習，完成醫(yī)學圖像檢測、分類、分割、配準等任務，以此輔助醫(yī)生進行診斷治療。??

Matava等使用三個卷積神經網絡(ConvolutionalNeuralNetworks，CNN)：ResNet、Inception和MobileNet實時識別和分類正常的聲帶和氣道解剖結構，指導麻醉醫(yī)生使用選擇合適的氣道插管方案。

內窺鏡在檢查過程中為了解決視野不足的問題，必須不斷移動內窺鏡鏡頭對不同目標部位進行掃描，此時目標圖像處在活動中，醫(yī)生在診斷時常常會出現漏診的情況。利用深度學習算法對視野活動圖像中的目標進行動態(tài)識別并標示，可以彌補人類視覺捕捉不全的缺點，及時發(fā)現異常情況。??

檢查是早期發(fā)現消化系統(tǒng)腫瘤的有效手段，能提高惡性腫瘤患者的生存率。Wu等對AI結合上消化道內鏡檢查進行臨床試驗，結果表明AI技術通過自動提示醫(yī)生檢查盲區(qū)和可疑病變，能顯著降低醫(yī)生胃腫瘤漏檢率。

Ishioka等利用CNN模型對胃癌內鏡視頻圖像進行識別，其對識別胃癌的檢測率達92.2%，對大于6mm腫瘤檢測率高達98.6%；我國騰訊覓影研發(fā)的AI食管癌輔助篩查系統(tǒng)，輔助醫(yī)生判斷食管病變位置，分析和識別食管癌的準確率達90%。?

Byrne等構建深度卷積神經網絡(DeepConvolutionalNeuralNetworks，DCNN)模型用于實時評估125個大腸息肉內鏡視頻圖像，在可被人工智能算法識別的106個小型息肉中，鑒別腺瘤的敏感度為98%，特異度為83%，陰性預測值為97%，陽性預測值為90%。AI輔助診斷系統(tǒng)對可疑病變進行識別和跟蹤，可提醒操作醫(yī)生對可疑病變圖像進行重點關注，提高檢出率和準確率。? ??

2提高診斷效率，彌補資源供需缺口

我國醫(yī)療行業(yè)長期存在優(yōu)質醫(yī)生資源分配不均的問題。隨著人們對早癌篩查認識的提高，內窺鏡醫(yī)學圖像量快速增長，而各級醫(yī)院內鏡醫(yī)生水平參差不齊，基層醫(yī)院普遍缺乏高水平醫(yī)生。但由于內窺鏡技術的學習周期長，難以在短時間內對基層醫(yī)師進行相關知識培訓并使其掌握診斷技能，因此亟需幫助基層醫(yī)生快速提高疾病診斷水平，改善醫(yī)療資源緊張的現狀。?

AI賦能的計算機輔助診斷(ComputerAidedDiagnosis，CAD)系統(tǒng)的出現，為幫助醫(yī)師快速提高診斷水平和效率提供了有效的技術手段。

? ?

有學者建立DCNN模型識別窄帶光成像內鏡圖像中的腫瘤或增生性息肉，其靈敏度、特異度、陽性預測值和陰性預測值分別為96.3%、78.1%、89.6%和91.5%，且該診斷模型用時(0.45±0.07)s，比熟練內鏡操作者(1.54±1.30)s和經驗欠佳者(1.77±1.37)s用時明顯減少。膠囊內鏡(Capsuleendoscopy，CE)因其使用方便、舒適無創(chuàng)適合基層篩查使用，然而，膠囊內鏡視頻的判讀工作通常需要長達10h，且這種工作模式漏診率高，目前臨床可接受程度較低。? ??

如果利用人工智能輔助診斷技術對可疑片段進行標記，內鏡醫(yī)師在判讀時可重點關注標記部分，這大大縮短用時，推動胃腸道疾病膠囊內鏡的普及應用。Ribeiro等用CNN對CE圖像進行識別分析，其檢測和區(qū)分不同出血性腸道血管病變的敏感度與特異性均達到90%以上，且其讀取速度為145幀/秒，按照這一速率，其讀取完整長度的CE視頻僅需6min。?

人工智能醫(yī)用內窺鏡技術的應用不僅能幫助基層醫(yī)生改進結果、簡化工作流程，還能提高基層醫(yī)療機構醫(yī)療水平，更好發(fā)揮基層醫(yī)院的作用，讓更多患者在基層醫(yī)院就能得到有效診治。對于高等水平醫(yī)院，AI技術的實現除了能提高醫(yī)生的工作效率，全身心投入高水準治療與學術研究，還可釋放更多優(yōu)質醫(yī)療資源，解決醫(yī)療資源相對有限且分布不均的問題，更好落實分級診療制度。

3 改善導航系統(tǒng)，提升外科手術精度

醫(yī)生在使用內窺鏡對患者進行檢查或治療過程時，需要對到達部位進行精準的判斷。即便是具有豐富經驗的醫(yī)生，在操作內窺鏡進入樹狀結構等腔道時也會出現定位失誤。? ? ??

在內窺鏡導航系統(tǒng)的引導下，醫(yī)生可操作內窺鏡按照術前規(guī)劃路徑或實時的方式到達目標區(qū)域，為實現精準醫(yī)療、提高手術安全性提供了重要手段，但目前仍存在一些不足，如虛擬導航虛擬成像與實時內窺鏡圖像存在明顯差異，仍需在X射線監(jiān)視下進行手術，存在一定的輻射損害風險；電磁導航系統(tǒng)需對體表進行精準定位配合，操作繁瑣，成本高昂。? ? ? ?

AI視覺技術的發(fā)展促進了內窺鏡導航系統(tǒng)的新發(fā)展，它將術前CT、MRI等影像結果與實時內窺鏡圖像進行對比后判別內窺鏡的實時位置，而后利用增強現實(AugmentedReality，AR)技術將處理后的位置信息與現實場景進行無縫結合，引導醫(yī)生操作內窺鏡到達目標處，提高工作效率和準確性。

Deguchi等提出基于特征結構提取的圖像相似度測量選擇方法，這種方法可以在沒有外部位置傳感器的情況下跟蹤多達1600個連續(xù)的支氣管內窺鏡圖像，其跟蹤性能大大提高；Prisman等建立錐形束計算機斷層掃描(ConebeamCT，CBCT)圖像與內窺鏡視頻融合和配準的方法，用其開發(fā)了用于手術導航和引導的定制軟件；Colleoni等提出一種基于U-Net結構的3D全卷積神經網絡用于檢測手術工具位置，幫助手術醫(yī)生更準確地把握定位信息。

人工智能在我國醫(yī)用內窺鏡領域應用中存在的問題

1尚未健全標準評價體系

人工智能技術的發(fā)展日新月異，而全球人工智能標準規(guī)范的制定仍處于發(fā)展階段。我國雖有大量的醫(yī)療數據資源，但人工智能在醫(yī)療健康領域應用的數據質量標準、在使用環(huán)境中的驗證質量評估體系尚且空白。? ? ?

數據之于模型相當于教材之于學生。人工智能輔助診斷系統(tǒng)需要大量、高質量的數據集來建立訓練模型，目前在數據方面的使用存在一些欠缺：

①內鏡AI數據采集質量易受儀器、存儲方式等因素的影響，使用不同種類和質量的數據勢必會影響人工智能模型的準確性和普適性，我國尚未就影像圖像質量和規(guī)范性實現同質化。

②數據標注的質量是模型可靠與否的核心因素，目前業(yè)內主要依靠醫(yī)生主觀經驗，標注質量參差不齊，亟需對內鏡AI數據標注的方法和標準進行統(tǒng)一。

③目前可供研究使用的內窺鏡數據集相對匱乏，雖然我國內窺鏡數據資源較多，但缺乏相對應的診斷報告信息，沒有形成業(yè)內廣泛認可的數據集。與歐美等國家相比，我國尚未建立健全的健康醫(yī)療大數據資源標準體系。? ?

除此之外，由于目前AI算法可解釋性差、測試技術手段不先進等原因，監(jiān)管部門無法對算法內部運行機制進行全面理解與監(jiān)測，容易產生重大風險隱患。有研究對AI算法模型中的神經元進行替換，模型仍具有較高的準確度，如何建立健全的AI算法安全評價體系值得我們思考。? ? ? ??

2 在臨床應用中的倫理問題? ? ? ?

隨著深度學習和大數據技術的爆發(fā)式增長，人工智能的應用滲透于醫(yī)療衛(wèi)生的各個領域，為患者帶來高效優(yōu)質的健康服務的同時也涌現出一系列倫理問題。世界衛(wèi)生組織(WHO)于2021年6月28日首次發(fā)布《醫(yī)療衛(wèi)生中人工智能的倫理治理》指南，對臨床實踐中部署人工智能提供了倫理指導。

人工智能在醫(yī)療行業(yè)的商業(yè)化應用涉及醫(yī)學倫理、法律法規(guī)以及信息安全等多個領域的問題，如診斷結果的責任界定、患者隱私保護等都需要進一步明確。目前，深度學習的“技術黑箱”、“解釋黑箱”特性導致機器輸出決策的原理“透明度”較低，難以解釋因果關系。“如何評判醫(yī)生具有理解機器提供的解決方案并轉化為患者實際情況的基礎能力？”、“如何評估人工智能醫(yī)療對患者的風險與收益？”在使用AI技術時涉及這些價值觀和規(guī)范的沖突是不可避免的，而目前尚且沒有標準回答為規(guī)避和消解醫(yī)學人工智能發(fā)展中可以預見的倫理風險和治理挑戰(zhàn)。? ???

3 醫(yī)療責權劃定問題

由于醫(yī)療人工智能的研發(fā)應用涉及醫(yī)學、計算機、倫理學、法學等不同學科的交叉，當出現臨床糾紛、人類倫理或法律的沖突問題時，應如何進行責權的劃分是我們需要思考的。例如使用AI技術對內鏡圖像進行識別時，其產生的誤判行為是否歸因于醫(yī)生或開發(fā)人員、如何追溯傷害實現問責、誰來承擔患者不良診療結局的責任和賠償分配等問題，亟待合理的風險責任制度和賠償問責體系來指導規(guī)范。? ?

總而言之，人工智能技術在醫(yī)用內窺鏡的臨床應用在降低漏診率、提高診斷準確度、緩解醫(yī)療資源供需問題起到關鍵作用。但在實際運用過程中還存在算法透明度低、數據標準不規(guī)范、標準評價體系不完善、倫理與問責等方面的挑戰(zhàn)。? ? ?

而目前在應對挑戰(zhàn)時沒有太多的經驗可以參考，需要我們改變思維，從臨床實際需求出發(fā)，立足基礎理論，分析應用中的問題。為了摸索出一套適合中國當前AI內窺鏡臨床應用的體系，需要科研機構、臨床單位和醫(yī)療器械研發(fā)企業(yè)互相合作與配合，進行產學研轉化。隨著AI技術的不斷發(fā)展與配套制度體系的不斷完善，在未來AI醫(yī)用內窺鏡技術能更好地服務醫(yī)療。? ? ?

參考資料：人工智能在醫(yī)用內窺鏡臨床應用中的展望，孫志剛等，廣東省藥品監(jiān)督管理局審評認證中心

?

原文始發(fā)于微信公眾號（艾邦醫(yī)用高分子）：AI在醫(yī)用內窺鏡臨床應用中的展望