從癌症早篩到病情追踪，AI是如何改變醫療影像的？

連切口都不需要醫生就可以深入人體內部，聽起來是不是有點不可思議？放射醫學影像技術已經有了長足的進步，在AI的加持下它又向前邁進一大步。用AI和機器學習強大的計算力掃描人體，尋找人眼可能會忽略的細微差異，這是目前醫學界正在做的事。

現在的醫學影像涉及一系列複雜的技術，它分析每一個數據點，從健康中找到疾病，從噪音中找到訊號。在放射學發展的最初幾十年裡，研究人員的主要任務是提高身體照片的分辨率，隨後幾十年的任務是解釋數據，確保沒有遺漏。

最開始時影像技術的首要任務是診斷醫療狀況，現在影像技術慢慢成為治療的重要部分，尤其是在癌症領域。醫生研究影像，讓影像協助自己監測癌細胞擴散，這樣就能更快、更好地知道治療是否有效。影像開始扮演新角色，治療病人的方式有了變化，醫生獲取的資訊更豐富，他們能為病人選擇更好的治療方式。

德州大學西南醫學中心副教授Basak Dogan說：「未來5年內我們將會看到功能性影像成為治療的一部分。現在的標準影像無法回答真正的臨床問題，病人希望治療能有更高的精準度，這樣他們能根據更豐富的資訊做出更好的決定，功能性技術能幫到他們。」

##早期診斷

#充分利用影像，盡可能自動閱讀，節省放射科醫師寶貴的時間，這是大多影像碰到的第一個障礙，不管是X光、CT掃描、MRI或超音波都一樣。此時計算機輔助演算法能發揮作用，用強大的算力訓練計算機，讓它區分異常和正常，這是眼下正在進行的工作。

多年來軟體專家一直在與放射線醫生攜手合作，分析大量正常和不正常影像，醫生將結果輸入電腦程序，讓電腦不斷學習，最終讓它可以區分異常。比較的影像越多，學得越多，AI的區分能力就越強。

FDA已經批准一種影像演算法，它的精確度高達80-90%。儘管如此，FDA仍提出要求，即使機器學習演算法有所發現，最終還是要由人來裁決。 AI可以將發現的疑點標記出來，讓醫生審查，這樣醫生就能為病人更快提供答案。

###在麻省總醫院（Mass General Brigham），醫院們用大約50種演算法協助治療，從檢測動脈瘤和癌症到發現栓塞和中風症狀。當中一半演算法獲得FDA批准，其它還在測試中。 ######總醫院放射科首席資料科學官、副主席Keith Dreyer說：「我們的目標是早早發現疾病。有時人類醫生要花好幾天才能精準診斷，電腦不一樣，它不眠不休。如果電腦能做到準確診斷，治病就會更快一些。」#########更好地追蹤病人#########將AI整合到醫療，電腦輔助篩檢是第一步，機器學習成為監控病人、追蹤細微變化的重要工具。這些技術對癌症治療極為重要，醫生要判斷癌細胞在成長還是在縮減，或保持不變，這對於決定如何治療很重要。 ######Dogan說：「病人正在做化療，癌細胞發生了什麼？我們很難理解。化療結束之前標準影像技術無法偵測到任何變化，整個過程可能持續幾個月，要幾個月才能看到收縮。」######有了AI影像，我們可以發現那些與尺寸和解剖學無關的癌細胞變化。 Dogan補充說：「在化療早期，癌細胞的變化大多還沒有到細胞死亡的程度。變化存在於免疫細胞和癌細胞之間的修改性交互作用。」######許多情況下癌細胞並沒有從外向內以預測的方式收縮，相反，腫瘤內的小塊癌細胞可能會死亡，其它繼續生存，使整個腫塊變得坑坑洼窪，如同被蟲咬過的毛衣。因為細胞死亡往往與發炎聯繫在一起，所以有時癌細胞的大小還在擴大，但癌細胞數量並不一定在增加。標準影像無法告訴我們有多少癌細胞還活著，有多少已經死亡。最常用的乳癌影像技術是乳房X光和超音波，它們只是用來尋找解剖特性。 ######在德州大學西南醫學中心，Dogan用兩種影像技術追蹤乳癌病人的功能性變化。 ######第一種，病人每做一個週期的化療，她就會給病人拍照，透過注射微氣泡來查看癌細胞周圍的細微壓力變化。超音波能發現氣泡壓力的變化，氣泡會聚攏在癌細胞周圍；與其它組織相比，增長的癌細胞會有更多血管支持其擴張。 ###

在另一項研究中，Dogan測試光聲成像技術，它將光轉化為聲音訊號。用雷射照射乳腺組織，引起細胞振盪，這樣就能形成可以捕捉和分析的聲波。光聲影像技術可以用來判斷癌細胞的含氧量，在增長時癌細胞相比普通細胞需要更多的氧。分析聲音的變化，就可以知道哪一部分癌細胞正在成長，哪一部分沒有成長。

Dogan說：「透過分析癌細胞影像，我們能知道哪部分最有可能轉移到淋巴結。臨床醫生無法告訴你哪部分癌細胞會擴散到淋巴結。有了光聲技術，我們可以早早發現癌細胞擴散跡象，此時這種跡象還沒有在掃描中顯現，不需要侵入式活檢就能發現擴散。」

發現人類看不見的異常

#Dreyer說，當我們有了足夠的數據和圖像，演算法就可以發現人類發現不了的畸變。他的團隊正在開發一種演算法，這種演算法可以測量人體中的生物標記，將指標的變化標出來，告訴某人他可能有中風、骨折或有心臟病風險。

Dreyer認為該技術是醫學影像的“聖杯”，雖然現在還不成熟，但它可以為AI醫療帶來變革。

當AI模型越來越多，最後AI影像可以在家裡幫到病人。某一天，我們或許可以透過智慧型手機App取得超音波成像資訊。

Dreyer說：「AI為醫療保健帶來的真正改變是它能向民眾提供多種解決方案，在民眾變成病人之前提供，這樣民眾就能保持健康。」

以上是從癌症早篩到病情追踪，AI是如何改變醫療影像的？的詳細內容。更多資訊請關注PHP中文網其他相關文章！