人工智能可以将医学成像提升到新的水平

当放射科医生 Pouneh Razavi 读取患者的乳房 X 光片时，她会在 X 光片图像中寻找可能表明乳腺癌的亮点。然后，第二位读取者查看图像，并将结果进行比较。

但第二个读者不是人类医生——而是人工智能。自三月份以来，拉扎维和她在约翰霍普金斯医学院的同事一直在使用人工智能软件作为第二双眼睛。

现在还处于早期阶段，所以她的团队仍在从软件中学习，软件也可以从中学习。Razavi 诊所的图像可以帮助训练 AI 处理它错过的突发事件，因此它会随着时间的推移而不断改进。它的表现尚无定论——Razavi 的同事仍在收集数据——但“我们对​​此感到兴奋”，她说。她的病人也是如此。“到目前为止，每个人都觉得它很迷人。”其中包括科学新闻主编南希·舒特（Nancy Shute）于 5 月份从拉扎维那里获得了她的第一张人工智能分析的乳房 X 光照片。

乳房 X 光检查并不是唯一一种获得人工智能辅助的医学成像类型。医生正在使用这项技术扫描人们胸部的 X 光片、婴儿心脏的超声波视频等等。斯坦福大学放射学家 Curtis Langlotz 在医疗保健领域人工智能新浪潮研讨会五月在纽约市。

自 1995 年起，美国食品药品管理局已批准近900种人工智能相关医疗设备约 75% 的诊所专注于放射科。但康奈尔大学的技术专家 Mert Sabuncu 在由纽约科学院和西奈山伊坎医学院主办的会议上表示，并不是全国所有的诊所都采用了这项技术。事实上，他说：“我想说我们才刚刚开始部署它们。”

科学新闻与 Sabuncu 和其他专家讨论了 AI 在医学成像领域蓬勃发展的原因，以及他们认为该技术的前景和潜在缺陷。以下是我们的发现。

海量数据让医学成像适合人工智能

朗洛兹周六一大早就到医院，发现有 150 张病人照片等着他查看，这很正常。他会仔细检查胸部 X 光片，寻找异常结节、肺炎、肋骨骨折或肺部积液。

这项工作需要训练、专注和注意细节——但即使是专家也会犯错。研究人员发现，放射科医生每天的错误率可能在 3% 到 5% 左右。错误往往源于过度劳累，科学家们在 2023 年的报告中报告称欧洲放射学杂志“我们需要帮助，”朗洛茨说。

这个问题不太可能在短期内消失。越来越多的人接受扫描，这意味着医生获取的图像比以前更多，每张图像的像素数也在增加。萨本库说，对于在 X 光片上寻找可疑点的放射科医生来说，大海捞针的比喻并不完全适用。这更像是“在巨大的时间压力下，当病人的健康受到威胁时，当你负有法律责任时，你真的不想错过任何东西时，在大海捞针。”

对人类来说极具挑战性的事情，对人工智能来说却可能是个大好机会。有了海量高质量数字图像，科学家可以训练人工智能计算机模型，找出人体扫描图像中的特定特征，比如乳房图像中的污迹或 X 光片上的肺部疾病迹象。

此类模型可能有助于提高放射科医生的准确性和效率，甚至可以标记出看起来最令人担忧的图像，以便医生可以根据哪些病例可能需要立即关注来对病例进行分类。例如，当朗洛兹早上看到他的病例堆积如山时，“我很想知道其中哪些病例更有可能有问题，”他说。

人工智能可以帮助医生发现疾病迹象

当一个人接受胸部 X 光检查时，放射科医生可能会检查是否有肺癌或感染迹象。但在那张图像中，有关一个人健康其他方面的详细信息却一目了然。人工智能模型有可能从每次扫描中榨取更多信息。Sabuncu 说，图像数据的丰富性尚未被放射科医生挖掘。“我们遗漏了很多信息。”

以心血管疾病为例。医生通常通过考虑胆固醇水平和血压等信息来计算一个人的风险。但如果数据缺失，这些计算就无法进行。这就是人工智能可以介入的地方——通过从常规X光片中收集心血管信息。

“我们将从图像中提取放射科医生通常不会提取的信息。”

柯蒂斯·朗洛茨

人工智能模型利用一组先前收集的图像和后续数据，对近 8900 名年龄在 50 至 75 岁之间的人群进行了胸部 X 光检查，并确定谁以后可能会心脏病发作或中风研究人员在四月份的报告中报告称内科年鉴。这是“机会性成像”的一个例子，其中人工智能会在图像中寻找超出 X 射线原始目的的医学线索。人工智能标记的约 4,200 人在未来 10 年内患上严重心血管疾病的可能性是其他人的 1.5 倍。

2023 年的一项类似研究采用了不同的X 射线扫描 AI 成功检测 2 型糖尿病。在这种情况下，研究人员用数十万张胸部X光片训练人工智能，并告诉它哪些照片来自患有这种疾病的患者。这些人的脂肪分布方式相似，包括心脏和肝脏周围的脂肪，人工智能可以识别出来。这不是医生在做常规X光检查时通常要寻找的东西。但这就是人工智能在成像领域的主题，朗洛茨说。“我们将从图像中提取我们通常不会作为放射科医生提取的信息。”

这项研究的作者指出，这种人工智能工具可以帮助那些无法获得常规医疗保健的人。例如，在急诊室就诊期间，这些人有一天可能会接受常规胸部 X 光检查，这可以发现除送他们去医院的原因之外的其他问题。

Sabuncu 还看到了 AI 的另一个用途，即通过仔细观察我们的过去，帮助我们预测未来。目前大多数 AI 图像分析都不考虑患者之前的扫描结果；它们仅根据一张图像就给出诊断。Sabuncu 对用于检查人们的医学图像随时间变化的 AI 工具很感兴趣。“需要考虑整个临床病史，”他说。

在筛查中，例如乳腺癌或肺癌，“随时间变化”是最重要的信号，可以通过纵向成像进行评估。例如，在美国，建议 40 岁以上的女性每年接受一次乳房 X 线检查。1/n

— Mert R. Sabuncu 🤖🩻⚕️（@mertrory）2024 年 5 月 20 日

例如，他的团队最近建立了一个模型，可以搜索一个人多年来的乳房X光检查结果。这些历史数据帮助该模型查明可疑病变。人工智能在区分以下两类病变方面的效率超过 80%未来五年内可能患上癌症的人研究团队在 4 月 29 日提交给 arXiv.org 的一篇论文中报告了这些结果，该论文将于 10 月在医学图像计算和计算机辅助干预会议在摩洛哥马拉喀什。研究人员使用人工智能未曾见过的患者结果数据检查了人工智能的性能。

苏黎世联邦理工学院计算机科学家 Julia Vogt 表示，人工智能还可以帮助科学家梳理更复杂的视觉数据，比如新生儿心脏的超声波视频。训练有素的儿科医生可以通过查看这些视频来发现可能患有心脏问题的婴儿，但她说，这很困难，而且很耗时。德国一家诊所的医生向她的团队询问人工智能是否有帮助。

Vogt 的团队创建了一个分析婴儿超声波的人工智能模型以及其他数据。她的团队于 2 月 6 日在《美国心脏学会杂志》上报告称，在一项使用 192 名曾接受过儿科心脏病专家评估的新生儿视频的测试中，该模型可以准确指出哪些婴儿患有一种名为肺动脉高压的心脏问题，准确率约为 80%。国际计算机视觉杂志沃格特说，通过尽早发现问题，“我们实际上可以对新生儿产生巨大影响。” 这些问题通常可以通过补充氧气或药物治疗。

人工智能可以帮助患者，但不会很快取代医生

在医疗保健领域，将新技术应用于现实世界并非易事。科学家可能会发表能够识别脑癌样本中的恶性细胞或者儿童粪便中的寄生虫卵但这并不意味着这项技术已经准备就绪，Sabuncu 表示。“还有很多工作要做。”

AI 模型需要在训练之外的环境中进行验证和测试。他们需要具备临床和技术知识的人来使用它们。他们需要通过监管程序获得批准。萨本库说，理想情况下，它们应该部署在现实世界中，并根据其性能进行评估。

与当今科学文献中报道的大多数人工智能系统一样，沃格特团队开发的模型尚未准备好进行大规模推广。研究人员首先需要用更多数据对其进行训练。目前，有太多变量可能会使它感到困惑，比如不同医院如何捕捉视频以及使用哪种类型的超声波机器。她估计，需要更多的训练和试验来确认模型是否有效，可能需要三到五年的时间。

但沃格特表示，这正是将该模型引入更多医院所需要的。“你需要一些东西来验证它是否真的有用。”

Sabuncu 认为，公众对技术时间表的期望是 AI 炒作的可能来源。“毫无疑问，AI 具有很大的潜力，”他说。他设想这项技术有朝一日可能会对医学产生巨大影响。但他表示，“我认为我们不会很快看到这种影响。”

沃格特表示，谨慎使用人工智能工具最终可以提高医疗保健的效率。“人工智能不是魔法，”她说，但它确实有潜力解决一些问题。例如，通过减轻工作量，人工智能可以让医生有更多时间与患者相处。“这将是一个巨大的成就，”她说。

沃格特和其他专家都没有科学新闻采访中，研究人员设想人工智能很快就会取代医生，尽管这是他们都听说过的担忧。一些患者认为，他们接受扫描后只会与人工智能互动，整个过程无需人工参与，Razavi 说。“他们认为这就像全食超市的自助结账柜台。”但她说，这并不准确。约翰霍普金斯成像中心的所有图像均由乳腺成像放射科医生读取。

她的团队希望人工智能能够帮助医生更早发现患者的癌症，减少误报并分流医生的工作。这些潜在好处的广泛性将取决于人工智能的水平、诊所如何使用该技术以及谁可以使用它。例如，一些乳腺成像诊所向患者收取 40 美元或更多的费用，以让人工智能分析他们的扫描结果，拉扎维说。约翰霍普金斯大学免费提供这项服务。

拉扎维说：“如果有一种技术可以帮助发现小癌症，我们不会拒绝向人们提供这项服务。”