AI 在医疗影像中的作用：更早地检测异常

人工智能在医疗保健领域的热潮仍然存在，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。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。

在干草堆中找到针头：检测很困难。

早期检测疾病很困难，因为疾病通常从放射学影像数据中正常外观的微妙偏差开始。由于个体之间存在大量完全正常的自然变异性，因此很难确定哪些微小的变化真正异常。例如，肺结节最初很小；弥漫性肺疾病以容易被忽略的组织变化开始。
那就是 Machine Learning (ML) 发挥重要作用的地方。它可以学习识别不正常的特定变化，而不是与疾病相关的变化，并将其与正常变异性区分开来。这种正常变异性可以有不同的来源：个体解剖学、图像采集设备的技术差异，甚至是组织外观的时间变化，这些变化都是完全正常的。我们需要用大量数据训练 ML 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提供帮助。首先，它可以在影像数据中识别与疾病相关的特定模式，例如癌症、肺间质疾病或心血管疾病。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，从而支持放射科医生通过突出可疑区域，增加医生的敏感性。
其次，人工智能可以使用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，以决定下一步的患者管理。人工智能可以分析结节的三维纹理和细粒特征，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具有直接的影响，例如是否将患者送去活检，或随访间隔的长度和频率。
在 Adams et al. (JACR) 的一项研究中，研究表明，将胸部 CT 中偶然发现的结节的指南式管理与基于 ML 的分析相结合，可以显著减少假阳性。这转化为不必要的活检次数的减少（对于人工智能说结节是良性的情况）和治疗时间的加快（对于人工智能说结节是恶性的情况）。这里需要强调 – 人工智能并不是提倡消除指南。相反，我们面临着挑战，即用人工智能结果来补充必要的指南。在这种情况下，如果 ML 得分与指南相矛盾且置信度高，则使用 ML 得分；否则遵循指南说明。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 ML 和医疗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” – 以便我们可以查看不同时间点的相同位置。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。他们不必查找以前的扫描并导航到正确的位置以查看几个示例结节；他们可以同时看到一切。这不仅可以节省时间，还可以为医生提供更愉快的工作体验。

放射学将由于人工智能而演变。问题是，如何?

人工智能正在朝着几个方向快速发展。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运行良好的强健模型。这不仅包括来自不同类型扫描仪的数据，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 ML 方法以提高准确性方面也在不断进步。例如，一个主要的研究领域正在研究如何区分生物变异性和图像采集的差异；另一个领域正在研究如何将 ML 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，这也暗示了放射学在未来几年可能如何变化。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，它们将比任何单个参数提供更多信息来指导决策。这已经成为肿瘤委员会的标准做法；人工智能将简单地加入讨论。这个问题是：具有来自多个来源的集成数据的 ML 模型应该做什么？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“假设”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工作的关键和具有挑战性的方面 – 集成复杂数据 – 人工智能可以帮助提高效率。人工智能可以通过提供关键和相关信息在护理点 – 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，还可以将像像素级分割和疾病模式的体积测量这样的任务从研究转移到临床实践中。在许多情况下，手动分割大型模式完全不可行，但自动化使这些信息在常规护理中可访问。

质量

人工智能影响工作质量。我们指的是：变得更擅长于诊断，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好处。目前，关系到这些好处与系统级别的成本效益的关系正在被评估，以研究和基准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。虽然这些好处 – 如减少不必要的程序和加快治疗 – 看似简单，但这段旅程很长。现在，随着第一个成功案例的出现，人工智能的变革性影响很明显。通过改善患者结果和优化医疗流程，人工智能正在重塑该行业，并带来令人兴奋的发展。

塑造医疗影像的未来

医疗影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，因为它使医生能够集成不同模态捕获的更多特征，并将其与治疗反应链接起来。
这仍将需要时间来采用这些工具，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一个知情的患者。我们可以与医生讨论他们可能已经测试或在实践中使用的人工智能工具，以及这些工具如何补充他们的专业经验和知识。市场对需求做出反应；如果我们需求早期、准确的检测，人工智能就会出现。