【摘要】本文就现阶段人工智能医学影像运用的状况与问题予以具体介绍，并就该领域的进一步发展提出了一些建议，试图为人工智能医学影像的发展提供一些应对策略的借鉴。

【关键词】人工智能;医学影像;发展挑战;应对策略

【中图分类号】R445 【文献标识码】A 【DOI】10.12332/j.issn.2095-6525.2021.04.273

1  人工智能医学影像应用的现实

医学影像人工智能兴起于20世纪60年代，当时，因为人工神经网络与人工智能型CAD软件的广泛运用，人工智能开始运用至放射科医生的各种事务的处理中。进入到本世纪后，由于人工智能技术的趋于成熟，其在医学影像中的运用不断升级迭代，在肿瘤检测、定性确诊、自动导出报告、肿瘤提取等领域已获得了广泛的运用。

因为医学影像临床事务的处理涉及到许多领域，由于计算机技术的持续成熟，截止到最近这段时间，人工智能技术才逐渐运用至探究医学影像上。人工智能医学影像在水平各异的病情诊断上有了较大的应用，供应了更高品质的服务，且因计算机技术的成熟而不断在使用上变得成熟化、高科技化，可以对医学图像予以精准研究。现阶段，学术界的共识是人工智能技术被用于医学影像领域的各种工作处理中，能使放射科医务人员无趣、乏味的工作变得更为有趣，且降低人为出错的可能，节约医务工作者办事所需的时间，提升诊断的精准率，协助精准医疗在影像医学上的运用，然而就算人工智能技术可以获得更高的技术能力且可以管理成本并使用在临床工作中，人工智能也无法代替放射科医生的所有临床工作，特别是应当和人互动的一些事务。

按照《新一代人工智能发展规划》的规定等文件对医疗行业设立的执行目标，我国现阶段开始倾向于培育和开发医疗影像辅助诊断平台等医疗AI类商品。另外，医学智能影像在深度算法上的运用与AI图像判断技术的改进，也使AI影像辅助诊断获得了发展。但是，眼下我国医学智能影像的发展基本上才位于初期，已上市的AI+医学影像产品在各大医疗机构才开始被应用，该行业可谓是才刚刚起步。

2  人工智能医学影像应用的挑战

人工智能医学影像尽管具有丰富的协助特色，且带来了优良的工作方式，然而始终在医学运用中需要应对各种考验。

2.1政策层面挑战

在有关的政策规定中，注重了医用软件的划分，设置了各种审批路径。诊断软件可结合相关算法的使用而给出诊疗建议，同时仅拥有一种诊断性能，无法直接做出判断，清单内的产品需以二类医疗器械予以集中管理;如果诊断软件不仅包括有效病变判断，还给出了更清晰的诊断提醒，能归成第三类医疗器械，根据第三类医疗器械管理办法予以集中管理。现阶段的情况是无一家医疗公司的产品得到了三类证，且没有予以市场的高效管理與控制。国家食药总局也在主动分析人工智能的临床情况，在参考先进国家经验的基础上，不仅应确保产品的安全，还应当为人工智能产品的未来设置优良的发展路径。在医疗情境中，医疗服务的收费内容无详细的要求可借鉴，即便是医院引入且使用人工智能产品，也无法在最短的时间内收费，结果就是使得人工智能产品的购置欲望不断变少，难以尽可能地在医疗市场中运用，无法促进与人工智能有关研发企业的迅猛成长与进步。在该情形下，人工智能医学影像难以发展得更快，不会达成在短时间内的升级，也就使医学行业的发展速度有所变慢，无法促进人工智能医学影像更多性能的及时发现与运用。

2.2技术层面挑战

人工智能在医学方面是有其极大发展前景的，针对各种类型的人工智能，国家没有制定一致的管理标准与运用标准，人工智能中的信息标注技术也具有各种缺陷，在使用方面无完全的把握，标注质量重点因标注工作者的能力、责任感、工作态度等要素的干预，极易产生部分标注上的不足与问题，这是难以控制的，标注质量难以获得保障。在该形态下，应当制定有关制度予以合理干预，通过这种方式使产品研发变得更为合规。临床疾病的类型有千万种，要求人工智能产品结合各种疾病种类予以有目的性的研发，设计出一款拥有各种性能、多元化能力的智能化医学产品是人工智能公司的核心发展趋势，该目标是很难达成的。医学影像在得到高品质信息领域具有各种不足。第一，高质量影像信息重点聚焦于有实力、经济条件佳的三甲医院，无法达成信息共享，无法使用于经济落后地带的中小型医院，使数据在流通、分享方面的体系不足;第二，我国各领域的医疗信息有许多，尽管如此却无法为人工智能影像的发展而提供帮助，由于各种信息均是非结构化数据，尚无相对不错的借鉴意义与使用意义，又由于以各种设施、各环境下的数据无法呈现出真正的问题，无法为人工智能影像的使用而提供帮助;第三，临床病症内容也依托技术的改进与升级，唯有持续改进、持续迭代，才可符合时代的发展，符合当代人的多元需求与治病需求。不仅如此，机器学习算法的广泛使用也给人工智能医学影像的应用带来了不利影响，为了提升算法的适用范围，应当采用更多有价值、科学的信息，要求研发公司和医院实现互动和合作，还要求企业间能更多地建立伙伴关系，进而处理在适用范围领域的问题。

2.3实际应用层面挑战

尽管人工智能医学影像已获得了较大的成绩，还有更长的发展之路应走，然而在临床运用中仍旧是冰山一角，其核心原因是在数据方面不够完整，无法维持检测数据集中的高准确率。另外是医学数据的采集与加工存在一定的问题，未将医务工作者的工作程序、工作细节归入至思考的范畴中，医务人员的思考能力和知识是无法复制的，也是难以与人工智能医学影像彼此结合的，如此一来，医生的决策是全方位性的、复合性的。不仅如此，领先的人工智能医学影像的运用也会因医院能力、医院决策、医生的技术方法而受到影响，医院应当提升人工智能产品的关注水平，以自己的优势主动购置一些领先的人工智能医学影像器械，还应在固定时间段对本院的医务工作者开展技术与知识方面的教育活动，定期进行测试，保障人工智能医学影像可以被较好地运用，也保障人工智能医学影像在临床中的使用率获得提高。

2.4行业层面挑战

我国医学影像有了极快的成长，已将人工智能（AI）上升至国家规划角度，这意味着，医学影像有着其可预见的未来，医院和医务人员均会在国家的助力下应对新的变化，另外也需要应对新的考验。由于病人群体对医学影像的定义与运用了解得不多，极易形成运用上的误会，有较大的几率会在解读上不够全面。所以，应当有一个较长的转型时期，针对收费领域来说，也应有长期的适应与认同时期。

3  人工智能医学影像的发展思考

3.1建立医疗大数据共享平台，加强算法研究

医疗数据是医疗人工智能中十分关键的信息，高品质的数据与深度学习算法的结果间为正比例关系。我国的许多健康医疗数据是在医疗卫生部门中产生，医疗卫生部门没有开放与共享数据的动力。应将医疗大数据共享的开发工作做到位，使数据标准变得更合规，不再对数据共享形成问题，在确保数据保密的基础上找到医疗大数据的意义。就训练数据需求量大、标注需要花费较多的时间、费用高、可强化弱监督学习等分析，使人工智能的发展条件变得更为牢固。

3.2制定质控和评价标准，提高人工智能可信度

人工智能医学影像有“黑盒”与“算法歧视”两种情况，现阶段，没有全面、权威的质控与评估机制。政府、医疗部门、科研单位、人工智能企业有必要建立良好的合作关系，开展人工智能医学影像解释与“算法歧视”的进一步分析，设立质控与评估标准，提高病人对医疗人工智能的认可，协助医疗人工智能的成功开展与稳定运用。

3.3制定数据隐私保护法规标准，研究人工智能责任归属

设立医疗数据隐私保护法规，界定医疗卫生部门、有关企业等主体收集、运用、共享与转移医疗数据时应服从的准则与泄漏隐私的处罚，注重法规的可行性。设立推出医疗数据脱敏与去标识化的要求与程序。不仅应维护好病人的隐私与医疗数据的不被泄露，还应协助医疗大数据的共享与性能的探索与使用。分析医务工作者、人工智能企业在人工智能医学影像产品协助医务工作者治病环节中各自应处理的工作。

3.4融入医院诊疗流程，促进产业良性发展

人工智能企业能以各种方式予以产品规划，其中包括强化和医疗器械商之间的协作，将智能诊断程序与医疗设施予以结合。医疗卫生部门需主动摸索人工智能技术在医院的发展空间，建立专业组织在医疗卫生部门角度统一开展人工智能的研发与运用，另外，激励临床医务工作者参加医学人工智能的研发工作，协助人工智能医学影像产品基于临床需求角度加以设计。

参考文献：

[1]左艳，黄钢，聂生东.深度学习在医学影像智能处理中的应用与挑战[J].中国图象图形学报，2021，26（02）：305-315.

[2]張婷，陈娟，卢岩，欧阳昭连，池慧.医学人工智能领域的技术创新态势研究[J].中国数字医学，2020，15（04）：11-16.

[3]俞益洲，石德君，马杰超，周振.人工智能在医学影像分析中的应用进展[J].中国医学影像技术，2019，35（12）：1808-1812.

作者简介：

龙娟（1995.5-），女，湖南湘潭，汉，大学本科，医学影像技术，湘潭医卫职业技术学院，助教。