自贡市第四人民医院：基于人工智能的肺结节辅助筛查

2018年全球肿瘤统计结果显示，全球癌症发病率、致死率最高的为肺癌。国家癌症中心发布的全国癌症统计数据报告中也指出肺癌位居我国恶性肿瘤发病、死亡例数首位，2015年发病人数已为78.4万，死亡人数63.1万例，并且随着环境、吸烟、人口老龄化等影响因素越来越重，罹患肺癌的总人数呈现持续升高态势，中国临床则需要更精准的手段来提前发现并诊疗肺癌。循证医学数据显示，肺癌早期发现、及时干预及规范诊疗，则患者五年生存率可提高到80%，因此早期的筛查及精准诊断尤为重要。目前影像学诊断是筛查肺部问题的重要手段之一，其中肺部CT筛查是有效且应用较多的方式。

但是目前的诊疗高度依赖医学影像，我国医学影像设备年增长率是放射科医生增长率的7倍多，随着人们的健康意识和体检意识增强，通过放射影像检查身体的人数逐年增多，胸部CT已经成为体检的‘基本套餐’，致使人工分析医学图像数据的负荷日益增大，再加上设备的识别精度提升，大量小结节的显示及定量测量使得医生阅片难度提升，增加了漏诊的风险。

深度学习作为机器学习的一个算法类别，在短短的几年内得到巨大发展，医疗行业的影像产生数据海量，使得运用深度学习技术对医疗影像的研究尤为多，基于深度学习的各类算法和模型层出不穷，部分模型和算法能有效地应用在图像识别和处理上面，取得医生级别的准确率，继而产生基于图像识别和辅助诊断的各类应用。如辅助诊断肺结节，识别黑痣和色素瘤，从X光中检测乳腺病变及从眼底图像和OTC图像中检测糖尿病性视网膜病变，其中肺结节的自动识别得到大量训练和学习，检测率较高、较稳定，应用更为广。

医院影像科医生现在都面临工作重复性大、工作量大和易漏诊的现状和挑战，尤其是三级医院，并且低年资医生或者规培医生对影像及病灶的识别能力较弱，学习周期长。本项目通过与推想科技合作，借助他们的医疗影像智能诊断系统，通过其内置的深度学习模型和图像处理和图像识别技术，对我院的胸部CT图像进行初步筛查及提示，辅助医生进行诊断和书写报告，旨在一定程度上提高影像科医生的诊断效率及质量，提供相应的决策支持，缓解工作压力，推动医生在质控、科研等其他方面展开学习和研究，同时帮助低年资医生快速提升阅片能力。

本项目提供的基于CT影像的人工智能辅助筛查系统，是通过深度学习挖掘肺结节核心特征并建立预测模型和处理体系，作为辅助工具应用于医生对肺部CT图像的日常诊断中。该系统对获取到的胸部CT图像通过计算机进行智能识别，自动预处理图像，标记肺部结节位置(层面)、密度区间、长径、体积等测量信息，提供结节性质结果参考以及NCCN指南内容，帮助医生定位病灶，提供图文诊断报告，肺结节的良恶性判断，提高对复杂或者微小结节的识别准确率，并且缩短诊断的时间，提升工作效率。加入随访功能，实现患者检查-协助医生写报告-随访管理-调整预防或诊疗方案整个全周期的肺结节患者观测和管理。

基于人工智能的深度学习技术贯穿整个项目，其中以卷积神经网络及递归神经网络算法为深度学习的核心。将合作单位提供的数十万例肺结节患者的CT图像通过该算法进行机器学习和训练，从图像中分割并提取肺结节的强度、形态和纹理等特征，建立肺结节识别的神经网络模型。新的CT图像通过计算机输入模型计算及处理，达到快速、精准识别CT图像中肺结节的目的，特别是微小结节，再自动为用户进行肺结节的相关属性，如位置、大小、密度、性质等方面的测量和标记，以及进一步定性判断，并且自动关联患者不同时期的CT图像，对相同部位的历史影像匹配，进行自动分析，对比结节变化及疗效评估。智能匹配与当前病例相似的历史病例，为医生精准临床决策提供智能参考。依照各种权威指南自动生成结构化报告，并支持各种个性化报告模版定制。

医院放射科于2019年1月正式使用肺结节智能辅助筛选工具，将其应用于日常肺部CT图像识别中。至今使用近两年，从最初使用量30%上升至最高时97%，平均使用量超过80%（图1）。经过不断地反馈问题，以及调整算法和系统功能，使用量增加，结节识别精确也提高，目前医生使用量维持在一个稳定的阶段。近3个月，病例点击率保持在85%以上，结节识别平均整体耗时167S，采用率达99.74%。说明我院的肺部CT阅片已经逐渐由传统的医生独立阅片转变为医生+人工智能辅助的阅片模式。

图1 基于人工智能辅助筛选肺结节工具使用量统计

同时，采用医生+人工智能辅助阅片方式大大提升肺结节的检测识别效率，如图2，CT影像中自动检测出100多处病灶，其中21处标记为高危，使用辅助工具自动检测并标记结节的大小及位置，高效程度远远优于医生手动标记，大大缩短医生阅片-诊断-出报告的时间。系统能自动标记到直径为1mm的微小结节，明显提升了结节的检出率，降低了漏诊率，一定程度上达到质控要求。

图2 自动标记结节位置

利用人工智能辅助诊断系统自动识别肺结节在一定程度上提升了医生的诊断效率，节省医生阅片诊断和出报告的时间，解放了人工、重复标记病灶的时间，用来置换其他医疗业务的学习和深入研究。快速、精准地定位微小结节，减少了漏诊率，与之对应的是假阳性结节的检出率会升高，这就需要通过医生结合病人具体情况和经验进一步定性诊断，这表明系统还需要对更多更丰富的CT图像学习和训练，不断改进算法，降低假阳性结节的诊出率。虽然人工智能辅助诊断系统是个辅助工具，但医生每月的使用量始终保持在85%左右，也就表明院内产生的85%左右的胸部CT图像都由医生通过该系统进行肺部病灶的自动识别及测定，辅助医生做诊断和出报告。该系统的使用频率较高，医生对其有比较好的依从性。

为做到对肺结节患者前期更好的观测、干预和管理，系统功能还需后续补充和完善。最大的问题还是检测的精准度，因医学的复杂和个体差异性，算法和诊断精准度都是根据医学专家的反馈不断地优化和调整的。系统易用性上面根据用户反馈和建议做适当的功能增删、优化（前后片的对比）和界面调整等。对于肺癌的防治，特别在早期发现微小结节后，影像的定期随访是最主要的手段，系统已经更新检查患者的随访管理，对患者随访跟进，方便医生适时调整诊疗方案。下一步将扩大对肺部问题的探索，丰富系统功能，如检测并定位出囊状影和条索影等，这仍然是建立在人工智能对该病种足够的深入学习并建立高精度的算法模型上面。

4G将社会带入移动应用时代，随着5G的开启，标志着技术的飞速发展，人工智能技术同样如此，5G+人工智能的组合带给社会的是怎么样的发展和影响，都是值得去深入探索和期待。

申报单位：

自贡市第四人民医院

参选方向：

医学人工智能创新应用