到 2030 年，醫(yī)學(xué)診斷中的人工智能市場(chǎng)將超過(guò) 30 億美元。根據(jù)數(shù)據(jù)顯示，由于其分析數(shù)據(jù)的效率遠(yuǎn)高于人類，到此時(shí)，醫(yī)學(xué)圖像識(shí)別人工智能的使用量將增長(zhǎng)近 3,000%。 IDTechEx 的報(bào)告《2020-2030 年醫(yī)療診斷中的人工智能：圖像識(shí)別、參與者、臨床應(yīng)用、預(yù)測(cè)》。該技術(shù)有可能通過(guò)簡(jiǎn)化圖像分析過(guò)程來(lái)改進(jìn)診斷方法并最大限度地縮短治療時(shí)間。

圖像識(shí)別 AI 是一種決策支持工具，可以對(duì)患者的狀況產(chǎn)生快速且信息豐富的見(jiàn)解。(來(lái)源：IDTechEx)。

自 2010 年至 2014 年在圖像識(shí)別軟件中引入深度學(xué)習(xí)以來(lái)，基于 AI 的基于圖像的醫(yī)療診斷市場(chǎng)進(jìn)入了技術(shù)快速擴(kuò)張的狀態(tài)。人工智能公司不斷尋求擴(kuò)大其產(chǎn)品的功能范圍和適用性，以加強(qiáng)其在這個(gè)競(jìng)爭(zhēng)激烈的市場(chǎng)中的存在。

該行業(yè)的主要?jiǎng)?chuàng)新圍繞著更有效地使用數(shù)據(jù)、增加該技術(shù)的可訪問(wèn)性以及增強(qiáng)其對(duì)放射科醫(yī)生的價(jià)值主張。本文探討了用于醫(yī)學(xué)成像的圖像識(shí)別 AI 技術(shù)的五個(gè)主要趨勢(shì)。

邁向超人的疾病檢測(cè)

在評(píng)估圖像識(shí)別 AI 在醫(yī)學(xué)診斷中的價(jià)值時(shí)，準(zhǔn)確性是首要考慮的問(wèn)題，AI 公司正在努力實(shí)現(xiàn)超人的疾病檢測(cè)水平。目前，盡管人工智能有可能徹底改變疾病診斷過(guò)程，但其當(dāng)前的價(jià)值主張仍低于大多數(shù)放射科醫(yī)生的預(yù)期。

許多人工智能公司都將優(yōu)化算法作為優(yōu)先事項(xiàng)。例如，荷蘭初創(chuàng)公司 SkinVision 成功地提高了其軟件的疾病檢測(cè)性能，以增強(qiáng)其作為決策支持工具的可信度。2014 年，SkinVision 應(yīng)用程序檢測(cè)到 81% 的皮膚癌病例，這被認(rèn)為不足以準(zhǔn)確檢測(cè)黑色素瘤。到 2019 年，這一數(shù)字已攀升至 95%，成為市場(chǎng)上最高的數(shù)字——遠(yuǎn)高于人類皮膚科醫(yī)生 70% 至 80% 的準(zhǔn)確率。

今天，算法的準(zhǔn)確性是它的第一賣(mài)點(diǎn)，達(dá)到超人準(zhǔn)確性的公司擁有至關(guān)重要的競(jìng)爭(zhēng)優(yōu)勢(shì)。實(shí)現(xiàn)這一目標(biāo)將促進(jìn)他們的技術(shù)在醫(yī)療環(huán)境中的應(yīng)用，因?yàn)樽詣?dòng)化可操作的定量洞察的好處將超過(guò)改變工作流程的短期不便。

醫(yī)學(xué)診斷中的圖像識(shí)別 AI：應(yīng)用程序與人類性能的性能比較(來(lái)源：IDTechEx)。

通過(guò)增加訓(xùn)練數(shù)據(jù)集的多樣性來(lái)擴(kuò)大軟件的適用性

人工智能公司越來(lái)越專注于擴(kuò)大其軟件的適用性。目前，圖像識(shí)別 AI 算法的一個(gè)常見(jiàn)限制是它們對(duì)特定人群類型的限制。因此，如果患者資料與其先前接觸的數(shù)據(jù)類型不匹配，則軟件檢測(cè)疾病的能力可能會(huì)降低。

為了解決這個(gè)問(wèn)題，人工智能公司在算法訓(xùn)練過(guò)程中加入了更多樣化的數(shù)據(jù)集。越來(lái)越多的共識(shí)是，訓(xùn)練數(shù)據(jù)應(yīng)該包含多種類型的患者，以便算法能夠識(shí)別異常，而不管患者的種族、遺傳背景或生理狀況如何。例如，Lunit Inc. 的 INSIGHT MMG 軟件可以以 97% 的準(zhǔn)確率檢測(cè)乳腺癌，因?yàn)樵摴居?xùn)練其算法來(lái)識(shí)別不同密度和脂肪組織成分的乳房病變。

在處理廣泛的患者人口統(tǒng)計(jì)數(shù)據(jù)方面取得成功是一項(xiàng)關(guān)鍵的技術(shù)和業(yè)務(wù)優(yōu)勢(shì)。它擴(kuò)展了軟件的適用性，從而有助于提高其在更廣泛的患者人群中的使用。

確保高圖像分辨率以最大限度地提高算法性能

獲取高分辨率圖像是最大限度地提高 AI 的疾病檢測(cè)性能和提高 AI 生成的洞察力的可靠性的關(guān)鍵。在訓(xùn)練期間使用劣質(zhì)數(shù)據(jù)會(huì)對(duì)深度學(xué)習(xí)算法的開(kāi)發(fā)過(guò)程和性能水平產(chǎn)生負(fù)面影響。不清晰的圖像會(huì)降低人工智能產(chǎn)生的洞察力的準(zhǔn)確性，這可能會(huì)損害其廣泛實(shí)施的機(jī)會(huì)。

對(duì)此，人工智能公司正在開(kāi)發(fā)方法，通過(guò)捕捉更好的圖像來(lái)提高圖像識(shí)別人工智能在醫(yī)療環(huán)境中的價(jià)值。用于評(píng)估或改善圖像質(zhì)量的人工智能驅(qū)動(dòng)工具已經(jīng)商業(yè)化。例如，總部位于美國(guó)的 Subtle Medical Inc. 使用圖像識(shí)別 AI 將不適合分析的模糊圖像轉(zhuǎn)換為高分辨率掃描。

印度的 Artelus 使用了另一種方法，該公司開(kāi)發(fā)了一種系統(tǒng)，可以在采集后立即評(píng)估圖像質(zhì)量。該系統(tǒng)確定圖像是否足以進(jìn)行可靠診斷，或者是否應(yīng)重新拍攝圖像。

從單個(gè)圖像中檢測(cè)多種疾病

多種疾病的檢測(cè)是圖像識(shí)別 AI 領(lǐng)域的另一個(gè)重要趨勢(shì)。過(guò)去，公司更傾向于專注于單一疾病的檢測(cè)，因?yàn)樗某杀竞秃臅r(shí)要低得多。因此，當(dāng)今許多人工智能驅(qū)動(dòng)的分析工具只能識(shí)別有限范圍的病理。因此，它們?cè)诜派鋵W(xué)實(shí)踐中的價(jià)值是有限的，因?yàn)樗惴赡軙?huì)忽略或誤解他們沒(méi)有接受過(guò)培訓(xùn)的疾病跡象，這可能導(dǎo)致誤診。

為了增加他們的產(chǎn)品對(duì)尋求多功能決策支持工具的醫(yī)生的吸引力，人工智能公司正在分配更多的資源來(lái)識(shí)別單個(gè)圖像或數(shù)據(jù)集中的各種情況。例如，DeepMind Technologies 和 Pr3vent Inc. 的解決方案旨在從單個(gè)視網(wǎng)膜圖像中檢測(cè) 50 多種眼部疾病，而 VUNO Inc. 的算法總共可以檢測(cè)到 12 種。

對(duì)于醫(yī)院和人工智能公司來(lái)說(shuō)，能夠檢測(cè)多種病理的軟件比檢測(cè)特定病理的軟件提供的價(jià)值要大得多。由于一次掃描足以檢測(cè)出無(wú)數(shù)疾病，因此可以通過(guò)減少做出決定性決定所需的患者檢查次數(shù)，將醫(yī)療保健成本降至最低。多疾病檢測(cè)軟件的更廣泛適用性也使其能夠在醫(yī)院內(nèi)更常規(guī)地用作首選診斷工具。

將 AI 軟件集成到成像設(shè)備中

將圖像識(shí)別 AI 軟件直接集成到醫(yī)療掃描儀中變得越來(lái)越普遍。目前，放射學(xué)人工智能軟件通常通過(guò)基于云的平臺(tái)部署或直接安裝到醫(yī)院的內(nèi)部服務(wù)器中。隨著放射學(xué)實(shí)踐適應(yīng)新的工作流程，這會(huì)降低生產(chǎn)力，并且眾所周知會(huì)阻止醫(yī)院采用圖像識(shí)別 AI。

人工智能公司越來(lái)越愿意將他們的軟件直接集成到掃描儀中，以促進(jìn)醫(yī)學(xué)圖像分析的自動(dòng)化。人工智能軟件提供的增強(qiáng)分析能力使醫(yī)院能夠最大限度地增加每天就診的患者數(shù)量并改善患者治療效果。這種做法越來(lái)越多。最近的例子包括 Lunit Inc. 的 INSIGHT CXR 集成到 GE Healthcare 的胸部護(hù)理套件和 MaxQ AI 的顱內(nèi)出血 (ICH) 技術(shù)被嵌入到飛利浦的計(jì)算機(jī)斷層掃描系統(tǒng)中。

　　審核編輯：湯梓紅