第二节　医学影像信息技术与人工智能技术的现状

一、医学影像信息技术的发展现状

大量数字化医学影像设备的普遍应用，使得临床医学影像数据剧增，以一个中等规模的三甲医院为例，影像数据存储量高达30~50TB/ 年。如何有效管理海量的临床影像数据成为目前亟须解决的问题，因此，PACS随之得到了飞速发展。在主要的医院信息化应用系统中，HIS、LIS、EMR、PACS是必备的业务应用系统。它们在院内集成平台的支持下，全面实现院内临床数据共享和各项临床业务协同，其中，PACS是数据量最大的应用系统，也是在医院临床各科室应用最广泛的、不可或缺的系统之一。目前的PACS已经完全超出了原有放射影像科专用的范畴，除结合RIS向全院提供传统的放射类医学影像信息服务外，也将病理、超声、心电、腔镜视频等非传统业务纳入整个PACS管理中。目前所应用的PACS具有以下几个鲜明的特点：

1.架构合理

目前所使用的PACS普遍采用灵活的浏览器 / 服务器（browser / server，B/S）架构，图像处理工具软件大多部署在服务器端，部分采用分布式架构。这样的优势在于减少了因大量原始数据的调阅而带来的网络传输压力，解决了之前客户机 / 服务器（client/server，C/S）架构 PACS 对高带宽网络的依赖，图像处理速度、响应时间都比之前C/S架构的PACS具有优势，对医生端的硬件要求也有所降低。

2.存储技术先进

目前所使用的PACS大多采用先进的存储技术，大大提高了数据的压缩比，减少了对物理存储空间的需求，同时将医学影像数据根据需要分为热、温、冷三种不同存储级别，降低了对硬件的要求，提高了系统整体的响应速度，同时提高了存储效率和安全性。

3.互联互通水平大幅度提高

随着医院集成平台的广泛应用以及各项国家标准的落地，现代的PACS与HIS、电子病历（electronic medical record，EMR）以及其他业务系统进行了深度融合。通过院内集成平台和PACS的协同，各临床科室对医学影像信息的调阅和处理变得更加方便，院内多科系可以随时进行联合会诊，尤其是临床医生可以在自己的工作站上按需进行影像重建，并进行不同参数的图像后处理，使得临床诊断与影像诊断工作深度互动，特别是各种专业的人工智能分析软件普及，医学影像诊断水平大幅提升。

4.促进了远程会诊

随着现在网络技术尤其是互联网的发展，数字化的医学影像可以很方便地通过互联网和PACS实现远程无损传输，并实施影像远程会诊。在很多医联体中，实现了影像生成在基层，影像诊断在上级医院的格局，解决了基层医疗机构缺少影像科诊断医生的难题，真正实现了优质影像诊断资源下沉到基层的目标。

二、人工智能技术的发展现状

大数据（big data）技术的快速发展和广泛应用，是近年来对海量数据存储和计算能力、统计分析能力要求显著提高的必然结果，也是人工智能发展的必要基础。海量的医学影像数据为大数据技术在医学影像领域的应用提供了可能。事实证明人工智能辅助影像诊断在某些领域取得了令人振奋的成绩，特别是在重大传染病疫情发生期间，自动辅助诊断系统在病情筛查方面发挥了极大的作用。

现代人工智能技术的基础仍然是统计理论、机器学习、神经网络等技术。虽然目前人工智能在医学领域中的应用较多，但还有很多困难，如医学影像专家对IT技术缺乏理解，而IT技术专家则不够理解医学的内涵，跨学科人才缺乏是医学影像大数据技术的难点之一。另外，医学影像质量控制也是制约医学影像人工智能大范围、通用性发展的难题。为了更好地利用医学影像大数据，应提高数据对使用者的透明度和方便性，提高数据使用效率和数据质量，当务之急是开发适合医学影像信息的规范、技术和专用工具，并在保障患者隐私和数据安全的基础上，建立不依赖于厂家的影像大数据及其分析平台。使用统一的术语和标准，发展定量的影像组学、影像共享、数据挖掘和人工智能工具，有计划地对影像数据定量化、结构化分析和挖掘，目前人工智能在医学领域的应用有如下进展：

（一）学术研究现状

影像组学、深度学习、迁移学习等AI算法已经对医学影像数据进行了开发和应用，形成了病灶检出、病灶分割、病灶性质判断、治疗规划、预后预测等多种应用模式，在肺部、骨、神经系统、消化道等领域已有大量研究成果发表。近年来，多个国家的放射学会对AI医学影像的发展给予了充分关注与支持，纷纷刊文发布规划、评述及观点。其中，美国放射学院成立了专门为AI服务的数据科学研究所；加拿大放射医师协会发布了医学影像AI白皮书；我国影像学界也成立了相关的AI医学影像工作小组和联盟。

（二）产品开发现状

国外已有众多公司参与了AI医学影像产品的开发，如胃癌、肺癌等疾病的AI影像分析和辅助决策，AI影像诊断平台提供放射诊断报告，将区块链技术应用到个人健康数据的追踪以帮助解决患者隐私问题等。传统影像设备生产厂商也在自己的后处理工作站中融入多种机器学习算法。

国内医学人工智能产品研发也飞速发展。许多AI公司建立了国家医学影像AI开放创新平台，拥有多类疾病的AI辅助早期筛查诊断系统；研发了AI辅助诊断平台和AI智能问诊平台；研发了智医助理、语音电子病历、影像辅助诊断系统和人工智能辅助诊疗平台等产品。国内影像设备厂商也纷纷成立AI部门，致力于AI人工智能解决方案，许多产品已在部分医院进行测试应用。

（三）临床应用现状

虽然目前AI医学影像成型产品不断涌现，但真正用于临床实践规范应用的产品尚较为缺乏。美国FDA自2017年成立了AI与数字医疗审评部，认证通过了一些产品；而国内较多临床单位开展了AI医学影像研究以及产品的小规模验证应用，部分AI公司产品已获得三类医疗器械注册证。