AI 在医疗成像中的作用：早期异常检测

医疗保健领域的人工智能热潮仍在持续，尤其是在放射学领域。如果你记得计算机辅助设计（CAD）的早期，那么技术的进步确实令人印象深刻。一个 ChatGPT 的本地人可能会认为，在这个领域，人工智能仍需要做很多工作才能达到其全部潜力。两种观点都是正确的。本文将探讨为什么人工智能难以检测异常，人工智能的作用如何变化，以及 2025 年及以后需要关注的趋势。

找到一根针在一堆干草中：检测很困难。

早期检测疾病很困难，因为疾病通常以微小的变化开始，在放射学成像数据中很难发现。由于个体之间存在很大的正常变异性，很难确定哪些微小的变化是真正的异常。例如，肺结节最初很小；弥漫性肺病开始时很容易被忽略的组织变化。

这就是机器学习（ML）发挥重要作用的地方。它可以学习识别与疾病相关的特定变化，而不是正常变异性。这种正常变异性可以来自不同的来源：个体解剖学、图像采集设备的技术差异，甚至组织外观的时间变化都是正常的。我们需要用大量数据训练机器学习模型，以便它们可以形成这种变异性的表示，并识别出指向疾病的变化。

人工智能能否帮助我们更早地检测异常？

人工智能可以通过多种方式帮助我们。首先，它可以识别与疾病相关的特定模式，例如癌症、肺部疾病或心血管疾病。在成像数据中，通过训练尽可能多样的数据，人工智能可以鲁棒地检测重要的发现，用于初步诊断。通过解析整个图像体积，它可以支持放射科医生，突出可疑区域，增加医生的敏感性。

其次，人工智能可以分析人类难以观察和报告的图像特征。在肺癌检测中，放射科医生首先评估结节的大小、形状和类别，以决定患者管理的下一步行动。人工智能可以分析结节的三维质地和细致特征，以更可靠地确定其是否具有高或低恶性风险。这对个体患者的管理有直接的影响，例如是否需要活检或随访间隔的长度和频率。

在 Adams 等人的研究中，研究表明，将基于指南的 INCIDENTAL 结节管理与机器学习分析相结合，可以显著减少假阳性。这意味着不仅可以减少不必要的活检（对于人工智能认为是良性的结节），还可以加快治疗时间（对于人工智能认为是恶性的结节）。这里需要强调的是，人工智能并不是主张消除指南。相反，我们面临的挑战是将必要的指南与人工智能结果相结合。在这种情况下，如果机器学习评分与指南相矛盾且置信度高，则使用机器学习评分；否则，遵循指南指示。我们将在未来看到更多这样的应用。

第三，人工智能可以帮助量化患者随时间的变化，这对于适当的随访也至关重要。当前的机器学习和医学图像分析算法可以对同一患者的多个图像进行对齐，我们称之为“注册”——以便我们可以在不同时间点查看相同的位置。在肺癌的情况下，添加跟踪算法可以在放射科医生打开病例时向他们呈现肺部每个结节的整个历史。相比于以前需要查找以前的扫描并导航到正确的位置，放射科医生现在可以同时查看所有内容。这不仅可以节省时间，还可以使医生的工作体验更加愉快。

放射学将因人工智能而演变。问题是，如何演变？

人工智能正在快速进步的几个方向。最明显的是，我们正在收集更多多样化和代表性的数据来构建在临床环境中起作用的鲁棒模型。这包括不仅来自不同类型的扫描仪，还包括与使癌症检测更加困难的合并症相关的数据。

除了数据外，开发新型机器学习方法以提高准确性方面也在不断进步。例如，一个重要的研究领域是如何区分生物变异性和图像采集的差异；另一个领域是如何将机器学习模型转移到新领域。多模态和预测代表两个特别令人兴奋的方向，也暗示了放射学在未来几年可能会如何变化。在精准医学中，集成诊断是一个关键方向，旨在使用来自放射学、实验室医学、病理学和其他诊断领域的数据来指导治疗决策。如果这些数据一起使用，它们将比任何单一参数提供更多信息来指导决策。这已经是肿瘤委员会的标准做法；机器学习将在未来参与讨论。这引发了一个问题：机器学习模型应该如何处理来自多个来源的所有集成数据？一件事我们可以做的是尝试预测未来的疾病以及个体对治疗的反应。它们一起拥有我们可以利用来创建“what-if”预测以指导治疗决策的大量力量。

2025 年趋势：塑造效率、质量和报销

有几个因素推动人工智能在临床实践中的应用。两个重要方面是效率和质量。

效率

通过让放射科医生集中于他们工作的关键和具有挑战性的方面——整合复杂数据——人工智能可以帮助提高效率。人工智能可以通过在护理点提供关键和相关信息（例如量化值）或通过自动执行检测或异常分割等任务来支持这一点。这有一个有趣的副作用：它不仅可以使变化的评估更快，还可以将像素级分割和疾病模式的体积测量等任务从研究带到临床实践中。手动分割大型模式在许多情况下是完全不可行的，但自动化使这些信息在常规护理中可用。

质量

人工智能影响工作质量。我们指的是：改进诊断，推荐特定的治疗，早期检测疾病，或更准确地评估治疗反应。这些是每个个体患者的益处。目前，人们正在评估这些益处与系统层面的成本效益之间的关系，以研究和基准评估引入人工智能在放射学中的健康经济影响。

报销

人工智能的采用不再仅仅是关于效率；它被认可和奖励为其对患者护理和成本节约的有形贡献。其纳入报销计划突出了这一转变。虽然诸如减少不必要的程序和加快治疗等益处似乎很直接，但这段旅程很长。现在，随着首批成功案例的出现，人工智能的变革性影响是明显的。通过改善患者结果和优化医疗过程，人工智能正在重塑行业，未来将会有令人兴奋的发展。

塑造医疗成像的未来

医疗成像正在经历根本性的转变。精准医学、集成诊断和新型分子诊断技术改变了在日益复杂的治疗选择中做出治疗决策的方式。人工智能是这一变化的催化剂，因为它使医生能够整合不同模态捕获的更多特征，并将其与治疗反应链接起来。

然而，采用这些工具仍需要时间，因为存在技术挑战、集成问题和健康经济问题。我们可以做的一件事是成为知情的患者。我们可以与医生讨论他们可能正在测试或在实践中使用的人工智能工具，以及这些工具如何与他们的专业经验和知识相互补充。市场对需求做出反应；如果我们要求早期、准确的检测，人工智能就会出现。