近年來(lái)，隨著人工智能(ArtificialIntelligence，AI)相關(guān)技術(shù)的快速發(fā)展和各國(guó)出臺(tái)一系列政策支持，極大地促進(jìn)了醫(yī)療器械向數(shù)字化、智能化的創(chuàng)新和發(fā)展。2017年，我國(guó)發(fā)布《“十三五”衛(wèi)生與健康科技創(chuàng)新專(zhuān)項(xiàng)規(guī)劃》與《新一代人工智能發(fā)展規(guī)劃》，為醫(yī)學(xué)人工智能技術(shù)的推動(dòng)指明了具體方向。?

醫(yī)用內(nèi)窺鏡自問(wèn)世以來(lái)，逐漸在疾病診斷和治療中發(fā)揮著至關(guān)重要的作用，如：使用消化內(nèi)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(shù)導(dǎo)航的基礎(chǔ)用具。然而，內(nèi)窺鏡的使用往往依賴(lài)于醫(yī)生技術(shù)水平，因此在診斷和檢查時(shí)漏診誤診的情況時(shí)有發(fā)生。

?

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

n人工智能在醫(yī)用內(nèi)窺鏡領(lǐng)域中的應(yīng)用

1 輔助醫(yī)生診斷，緩解漏診誤診問(wèn)題

近年來(lái)AI技術(shù)的發(fā)展為醫(yī)療器械行業(yè)的智能化提供了技術(shù)支持，特別是在醫(yī)學(xué)影像領(lǐng)域(包括放射影像、超聲、內(nèi)窺鏡影像等)。目前，醫(yī)療影像AI技術(shù)通過(guò)學(xué)習(xí)經(jīng)驗(yàn)豐富醫(yī)生標(biāo)注的臨床圖像數(shù)據(jù)進(jìn)行學(xué)習(xí)，完成醫(yī)學(xué)圖像檢測(cè)、分類(lèi)、分割、配準(zhǔn)等任務(wù)，以此輔助醫(yī)生進(jìn)行診斷治療。??

Matava等使用三個(gè)卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetworks，CNN)：ResNet、Inception和MobileNet實(shí)時(shí)識(shí)別和分類(lèi)正常的聲帶和氣道解剖結(jié)構(gòu)，指導(dǎo)麻醉醫(yī)生使用選擇合適的氣道插管方案。

內(nèi)窺鏡在檢查過(guò)程中為了解決視野不足的問(wèn)題，必須不斷移動(dòng)內(nèi)窺鏡鏡頭對(duì)不同目標(biāo)部位進(jìn)行掃描，此時(shí)目標(biāo)圖像處在活動(dòng)中，醫(yī)生在診斷時(shí)常常會(huì)出現(xiàn)漏診的情況。利用深度學(xué)習(xí)算法對(duì)視野活動(dòng)圖像中的目標(biāo)進(jìn)行動(dòng)態(tài)識(shí)別并標(biāo)示，可以彌補(bǔ)人類(lèi)視覺(jué)捕捉不全的缺點(diǎn)，及時(shí)發(fā)現(xiàn)異常情況。??

檢查是早期發(fā)現(xiàn)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(duì)AI結(jié)合上消化道內(nèi)鏡檢查進(jìn)行臨床試驗(yàn)，結(jié)果表明AI技術(shù)通過(guò)自動(dòng)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(duì)胃癌內(nèi)鏡視頻圖像進(jìn)行識(shí)別，其對(duì)識(shí)別胃癌的檢測(cè)率達(dá)92.2%，對(duì)大于6mm腫瘤檢測(cè)率高達(dá)98.6%；我國(guó)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(shí)別食管癌的準(zhǔn)確率達(dá)90%。?

Byrne等構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)(DeepConvolutionalNeuralNetworks，DCNN)模型用于實(shí)時(shí)評(píng)估125個(gè)大腸息肉內(nèi)鏡視頻圖像，在可被人工智能算法識(shí)別的106個(gè)小型息肉中，鑒別腺瘤的敏感度為98%，特異度為83%，陰性預(yù)測(cè)值為97%，陽(yáng)性預(yù)測(cè)值為90%。AI輔助診斷系統(tǒng)對(duì)可疑病變進(jìn)行識(shí)別和跟蹤，可提醒操作醫(yī)生對(duì)可疑病變圖像進(jìn)行重點(diǎn)關(guān)注，提高檢出率和準(zhǔn)確率。? ??

2提高診斷效率，彌補(bǔ)資源供需缺口

我國(guó)醫(yī)療行業(yè)長(zhǎng)期存在優(yōu)質(zhì)醫(yī)生資源分配不均的問(wèn)題。隨著人們對(duì)早癌篩查認(rèn)識(shí)的提高，內(nèi)窺鏡醫(yī)學(xué)圖像量快速增長(zhǎng)，而各級(jí)醫(yī)院內(nèi)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(nèi)窺鏡技術(shù)的學(xué)習(xí)周期長(zhǎng)，難以在短時(shí)間內(nèi)對(duì)基層醫(yī)師進(jìn)行相關(guān)知識(shí)培訓(xùn)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(xiàn)狀。?

AI賦能的計(jì)算機(jī)輔助診斷(ComputerAidedDiagnosis，CAD)系統(tǒng)的出現(xiàn)，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(shù)手段。

? ?

有學(xué)者建立DCNN模型識(shí)別窄帶光成像內(nèi)鏡圖像中的腫瘤或增生性息肉，其靈敏度、特異度、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值分別為96.3%、78.1%、89.6%和91.5%，且該診斷模型用時(shí)(0.45±0.07)s，比熟練內(nèi)鏡操作者(1.54±1.30)s和經(jīng)驗(yàn)欠佳者(1.77±1.37)s用時(shí)明顯減少。膠囊內(nèi)鏡(Capsuleendoscopy，CE)因其使用方便、舒適無(wú)創(chuàng)適合基層篩查使用，然而，膠囊內(nèi)鏡視頻的判讀工作通常需要長(zhǎng)達(dá)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(shù)對(duì)可疑片段進(jìn)行標(biāo)記，內(nèi)鏡醫(yī)師在判讀時(shí)可重點(diǎn)關(guān)注標(biāo)記部分，這大大縮短用時(shí)，推動(dòng)胃腸道疾病膠囊內(nèi)鏡的普及應(yīng)用。Ribeiro等用CNN對(duì)CE圖像進(jìn)行識(shí)別分析，其檢測(cè)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(dá)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(zhǎng)度的CE視頻僅需6min。?

人工智能醫(yī)用內(nèi)窺鏡技術(shù)的應(yīng)用不僅能幫助基層醫(yī)生改進(jìn)結(jié)果、簡(jiǎn)化工作流程，還能提高基層醫(yī)療機(jī)構(gòu)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(duì)于高等水平醫(yī)院，AI技術(shù)的實(shí)現(xiàn)除了能提高醫(yī)生的工作效率，全身心投入高水準(zhǔn)治療與學(xué)術(shù)研究，還可釋放更多優(yōu)質(zhì)醫(yī)療資源，解決醫(yī)療資源相對(duì)有限且分布不均的問(wèn)題，更好落實(shí)分級(jí)診療制度。

3 改善導(dǎo)航系統(tǒng)，提升外科手術(shù)精度

醫(yī)生在使用內(nèi)窺鏡對(duì)患者進(jìn)行檢查或治療過(guò)程時(shí)，需要對(duì)到達(dá)部位進(jìn)行精準(zhǔn)的判斷。即便是具有豐富經(jīng)驗(yàn)的醫(yī)生，在操作內(nèi)窺鏡進(jìn)入樹(shù)狀結(jié)構(gòu)等腔道時(shí)也會(huì)出現(xiàn)定位失誤。? ? ??

在內(nèi)窺鏡導(dǎo)航系統(tǒng)的引導(dǎo)下，醫(yī)生可操作內(nèi)窺鏡按照術(shù)前規(guī)劃路徑或?qū)崟r(shí)的方式到達(dá)目標(biāo)區(qū)域，為實(shí)現(xiàn)精準(zhǔn)醫(yī)療、提高手術(shù)安全性提供了重要手段，但目前仍存在一些不足，如虛擬導(dǎo)航虛擬成像與實(shí)時(shí)內(nèi)窺鏡圖像存在明顯差異，仍需在X射線(xiàn)監(jiān)視下進(jìn)行手術(shù)，存在一定的輻射損害風(fēng)險(xiǎn)；電磁導(dǎo)航系統(tǒng)需對(duì)體表進(jìn)行精準(zhǔn)定位配合，操作繁瑣，成本高昂。? ? ? ?

AI視覺(jué)技術(shù)的發(fā)展促進(jìn)了內(nèi)窺鏡導(dǎo)航系統(tǒng)的新發(fā)展，它將術(shù)前CT、MRI等影像結(jié)果與實(shí)時(shí)內(nèi)窺鏡圖像進(jìn)行對(duì)比后判別內(nèi)窺鏡的實(shí)時(shí)位置，而后利用增強(qiáng)現(xiàn)實(shí)(AugmentedReality，AR)技術(shù)將處理后的位置信息與現(xiàn)實(shí)場(chǎng)景進(jìn)行無(wú)縫結(jié)合，引導(dǎo)醫(yī)生操作內(nèi)窺鏡到達(dá)目標(biāo)處，提高工作效率和準(zhǔn)確性。

Deguchi等提出基于特征結(jié)構(gòu)提取的圖像相似度測(cè)量選擇方法，這種方法可以在沒(méi)有外部位置傳感器的情況下跟蹤多達(dá)1600個(gè)連續(xù)的支氣管內(nèi)窺鏡圖像，其跟蹤性能大大提高；Prisman等建立錐形束計(jì)算機(jī)斷層掃描(ConebeamCT，CBCT)圖像與內(nèi)窺鏡視頻融合和配準(zhǔn)的方法，用其開(kāi)發(fā)了用于手術(shù)導(dǎo)航和引導(dǎo)的定制軟件；Colleoni等提出一種基于U-Net結(jié)構(gòu)的3D全卷積神經(jīng)網(wǎng)絡(luò)用于檢測(cè)手術(shù)工具位置，幫助手術(shù)醫(yī)生更準(zhǔn)確地把握定位信息。

人工智能在我國(guó)醫(yī)用內(nèi)窺鏡領(lǐng)域應(yīng)用中存在的問(wèn)題

1尚未健全標(biāo)準(zhǔn)評(píng)價(jià)體系

人工智能技術(shù)的發(fā)展日新月異，而全球人工智能標(biāo)準(zhǔn)規(guī)范的制定仍處于發(fā)展階段。我國(guó)雖有大量的醫(yī)療數(shù)據(jù)資源，但人工智能在醫(yī)療健康領(lǐng)域應(yīng)用的數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)、在使用環(huán)境中的驗(yàn)證質(zhì)量評(píng)估體系尚且空白。? ? ?

數(shù)據(jù)之于模型相當(dāng)于教材之于學(xué)生。人工智能輔助診斷系統(tǒng)需要大量、高質(zhì)量的數(shù)據(jù)集來(lái)建立訓(xùn)練模型，目前在數(shù)據(jù)方面的使用存在一些欠缺：

①內(nèi)鏡AI數(shù)據(jù)采集質(zhì)量易受儀器、存儲(chǔ)方式等因素的影響，使用不同種類(lèi)和質(zhì)量的數(shù)據(jù)勢(shì)必會(huì)影響人工智能模型的準(zhǔn)確性和普適性，我國(guó)尚未就影像圖像質(zhì)量和規(guī)范性實(shí)現(xiàn)同質(zhì)化。

②數(shù)據(jù)標(biāo)注的質(zhì)量是模型可靠與否的核心因素，目前業(yè)內(nèi)主要依靠醫(yī)生主觀經(jīng)驗(yàn)，標(biāo)注質(zhì)量參差不齊，亟需對(duì)內(nèi)鏡AI數(shù)據(jù)標(biāo)注的方法和標(biāo)準(zhǔn)進(jìn)行統(tǒng)一。

③目前可供研究使用的內(nèi)窺鏡數(shù)據(jù)集相對(duì)匱乏，雖然我國(guó)內(nèi)窺鏡數(shù)據(jù)資源較多，但缺乏相對(duì)應(yīng)的診斷報(bào)告信息，沒(méi)有形成業(yè)內(nèi)廣泛認(rèn)可的數(shù)據(jù)集。與歐美等國(guó)家相比，我國(guó)尚未建立健全的健康醫(yī)療大數(shù)據(jù)資源標(biāo)準(zhǔn)體系。? ?

除此之外，由于目前AI算法可解釋性差、測(cè)試技術(shù)手段不先進(jìn)等原因，監(jiān)管部門(mén)無(wú)法對(duì)算法內(nèi)部運(yùn)行機(jī)制進(jìn)行全面理解與監(jiān)測(cè)，容易產(chǎn)生重大風(fēng)險(xiǎn)隱患。有研究對(duì)AI算法模型中的神經(jīng)元進(jìn)行替換，模型仍具有較高的準(zhǔn)確度，如何建立健全的AI算法安全評(píng)價(jià)體系值得我們思考。? ? ? ??

2 在臨床應(yīng)用中的倫理問(wèn)題? ? ? ?

隨著深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)的爆發(fā)式增長(zhǎng)，人工智能的應(yīng)用滲透于醫(yī)療衛(wèi)生的各個(gè)領(lǐng)域，為患者帶來(lái)高效優(yōu)質(zhì)的健康服務(wù)的同時(shí)也涌現(xiàn)出一系列倫理問(wèn)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(duì)臨床實(shí)踐中部署人工智能提供了倫理指導(dǎo)。

人工智能在醫(yī)療行業(yè)的商業(yè)化應(yīng)用涉及醫(yī)學(xué)倫理、法律法規(guī)以及信息安全等多個(gè)領(lǐng)域的問(wèn)題，如診斷結(jié)果的責(zé)任界定、患者隱私保護(hù)等都需要進(jìn)一步明確。目前，深度學(xué)習(xí)的“技術(shù)黑箱”、“解釋黑箱”特性導(dǎo)致機(jī)器輸出決策的原理“透明度”較低，難以解釋因果關(guān)系。“如何評(píng)判醫(yī)生具有理解機(jī)器提供的解決方案并轉(zhuǎn)化為患者實(shí)際情況的基礎(chǔ)能力？”、“如何評(píng)估人工智能醫(yī)療對(duì)患者的風(fēng)險(xiǎn)與收益？”在使用AI技術(shù)時(shí)涉及這些價(jià)值觀和規(guī)范的沖突是不可避免的，而目前尚且沒(méi)有標(biāo)準(zhǔn)回答為規(guī)避和消解醫(yī)學(xué)人工智能發(fā)展中可以預(yù)見(jiàn)的倫理風(fēng)險(xiǎn)和治理挑戰(zhàn)。? ???

3 醫(yī)療責(zé)權(quán)劃定問(wèn)題

由于醫(yī)療人工智能的研發(fā)應(yīng)用涉及醫(yī)學(xué)、計(jì)算機(jī)、倫理學(xué)、法學(xué)等不同學(xué)科的交叉，當(dāng)出現(xiàn)臨床糾紛、人類(lèi)倫理或法律的沖突問(wèn)題時(shí)，應(yīng)如何進(jìn)行責(zé)權(quán)的劃分是我們需要思考的。例如使用AI技術(shù)對(duì)內(nèi)鏡圖像進(jìn)行識(shí)別時(shí)，其產(chǎn)生的誤判行為是否歸因于醫(yī)生或開(kāi)發(fā)人員、如何追溯傷害實(shí)現(xiàn)問(wèn)責(zé)、誰(shuí)來(lái)承擔(dān)患者不良診療結(jié)局的責(zé)任和賠償分配等問(wèn)題，亟待合理的風(fēng)險(xiǎn)責(zé)任制度和賠償問(wèn)責(zé)體系來(lái)指導(dǎo)規(guī)范。? ?

總而言之，人工智能技術(shù)在醫(yī)用內(nèi)窺鏡的臨床應(yīng)用在降低漏診率、提高診斷準(zhǔn)確度、緩解醫(yī)療資源供需問(wèn)題起到關(guān)鍵作用。但在實(shí)際運(yùn)用過(guò)程中還存在算法透明度低、數(shù)據(jù)標(biāo)準(zhǔn)不規(guī)范、標(biāo)準(zhǔn)評(píng)價(jià)體系不完善、倫理與問(wèn)責(zé)等方面的挑戰(zhàn)。? ? ?

而目前在應(yīng)對(duì)挑戰(zhàn)時(shí)沒(méi)有太多的經(jīng)驗(yàn)可以參考，需要我們改變思維，從臨床實(shí)際需求出發(fā)，立足基礎(chǔ)理論，分析應(yīng)用中的問(wèn)題。為了摸索出一套適合中國(guó)當(dāng)前AI內(nèi)窺鏡臨床應(yīng)用的體系，需要科研機(jī)構(gòu)、臨床單位和醫(yī)療器械研發(fā)企業(yè)互相合作與配合，進(jìn)行產(chǎn)學(xué)研轉(zhuǎn)化。隨著AI技術(shù)的不斷發(fā)展與配套制度體系的不斷完善，在未來(lái)AI醫(yī)用內(nèi)窺鏡技術(shù)能更好地服務(wù)醫(yī)療。? ? ?

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

?

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