基于人工智能的远程肺结核影像辅助诊断应用

【摘要】目的：通过建立人工智能自动筛查平台和远程诊断平台，辅助医生做出诊断，提高医生诊治效率，实现疑难病例的远程诊疗。方法：以人工智能(ArtificialIntelligence，AI)技术和数据共享平台为基础，以青海省第四人民医院为中心的56家医院进行肺结核智能筛查和远程诊疗应用示范。结果：搭建了一套“双平台”网络，提高了青海省各地医生的工作效率及基层医院对肺结核的诊治水平。结论：双平台布局能够实现患者看病效率和医生诊治效率的“双提升”。

【关键词】人工智能远程诊疗肺结核偏远地区应用示范

《2030年可持续发展议程》提出，在2030年实现全球结核病流行终止的目标。近年来，中国在结核病防控方面成绩显著，但仍是结核病高负担国家之一。国务院在2017年印发的“十三五”全国结核病防治规划中指出，全国的结核病疫情呈逐渐下降趋势，已基本实现“十二五”规划目标，但结核病的防治工作仍然面临诸多问题和挑战，尤其是中西部偏远地区，由于经济发展和医疗资源相对落后，防治工作更加严峻。本研究重点介绍了在青海这类偏远地区构建肺结核自动筛查平台以及远程诊疗平台的应用实例，突出了采用人工智能技术助力偏远地区传染病防治的中心思想，为“十三五”规划目标在偏远地区的实现提供了新的解决思路。

1青海肺结核的流行情况与防治现状

近年来，青海省肺结核报告发病率一直高于全国平均水平，是西部地区疫情较重的省份之一。报告指出，2018年青海省肺结核报告发病率为140/10万，西藏地区甚至达到211.27/10万[1]，这一现状离《青海省“十三五”结核病防治规划》中所要求的目标，即全省肺结核发病率总体下降到100/10万以下仍有较大差距。

目前，青海省共计有49家结核病定点医疗机构，每个县(区、市)都指定了至少1家结核病定点医疗机构。但面临的问题包括：①结防专业机构仪器设施落后;②结核病患者的筛查工作量巨大;③县、乡两级医疗机构放射科医生的经验以及数量严重缺乏。因此，结核病防治工作以及专业诊疗服务之间出现了供需不平衡的问题，这一矛盾在以青海为代表的偏远地区尤为突出。

2技术实现

2.1建设模式与功能框架根据原国

家卫生计生委印发的《医学影像诊断中心基本标准和管理规范(试行)》，为进一步完善医疗服务体系，推进区域医疗资源共享，青海省第四人民医院首发建立了人工智能远程医学影像中心，然后联合全省55家二级以上收治传染性疾病的医疗机构共同建立起智能筛查和远程诊疗网络。如图1所示，双平台的总体架构表示为以结核医院为中心的辐射网络，各网络节点的数据通过影像云相互贯通。网络的工作流程为：①基层医院直接扫描或存储在PACS系统中的DR影像自动上传至影像云;②云存储的数据通过前置机传输至中心医院的AI服务器;③AI自动筛查后出具的辅助诊断报告返回至终端供医生审核及下载。整个网络的功能目标是推动实现基层检查、上级诊断和区域互认，保证影像诊断水平同质化，提升基层医疗单位的整体服务能力和诊疗水平，平衡城乡医疗资源。

2.2工作流程2019年上半年，在以青海省第四人民医院为中心的56家医院安装部署了相关软件及配套硬件设备。该软件是以深度学习算法为基础建立的人工智能影像辅助诊断系统，它能辅助医生从放射图像中识别肺结核病灶，并自动出具影像报告供医生最终审核。

2019年下半年，在56家医院组建了基于人工智能的远程医学诊疗平台，使具有诊断资格的医生组成医学影像诊断团队。人工智能影像辅助诊断系统在完成自动筛查后出具辅助诊断报告，然后医生对所有报告进行最终审核。工作量大的医生在人工智能影像辅助诊断系统的帮助下能够实现肺结核的高效筛查，极大地提高了医生的阅片速度，但同时也不可避免地会出现假阴性病例，针对此问题，一方面本研究强调医生在最终审核环节具有不可替代的作用;另一方面，由于系统开发人员不断地纳入新的高质量数据集对人工智能影像辅助诊断系统进行训练，从而可以持续降低假阴性率。面对疑难病例医生可通过远程平台连线专家诊断。由此逐渐在全省推行基层首诊、双向转诊、急慢分治、上下联动的分级诊疗模式。

自2020年开始，定时对医护人员进行培训，同时，系统工程师随时提供远程服务来保障网络平台的稳定性，医生可通过手机、PAD等多种方式开展移动阅片服务，病人亦可通过移动端查阅自己的检查报告和影像资料。

3结果

3.1在青海开创了人工智能远程诊断新模式通过建立人工智能筛查平台和远程诊疗平台，将青海56家医院纳入了同一个数据网络，本研究在青海开创了人工智能远程诊断新模式。自网络建成，青海省第四人民医院在AI的辅助下每日可帮助基层医院处理数千张影像，缓解了基层医院对经验丰富影像医生的迫切需求，帮助基层医院显著提高了影像诊断效率及水平。

3.2提高了医院的诊治效率如图2所示，从2019年1月1日系统上线使用至2020年8月26日，已有564393AI条数据被人工智能系统分析。青海省第四人民医院使用AI系统后反馈的应用结果(数据统计日期2020年2月1日至2020年7月31日)如表1所示，在该数据统计期内人工智能影像辅助诊断系统共对91732张胸片进行了筛查。最终纳入本研究的为479例，其中临床诊断阴性3151例(男1613例，女1538例)，病原学阳性肺结核328例(男173例，女155例)。根据评价结果，系统的敏感度为96.3%(316/328)、特异度为97.2%(3063/3151)、准确率为97.1%(3379/3479)。

除了具备高识别准确率，研究发现，人工智能影像辅助诊断系统自动出具辅助诊断影像报告的时间为2秒内，医生独立完成报告的时间为2~3分钟，在AI的辅助下，医生出具报告的时间可缩短至20~45秒，研究结果说明智能辅助诊断平台能大大减少病人等候报告的时间，提升医院门诊效率。根据图2的统计结果，监测平台显示AI的数据分析量呈上升趋势，说明该系统较大程度地提升了医生的工作效率。从病人到医院实现了看诊效率的“双提升”。

3.3减轻了基层医院放射科医生供

需不平衡的问题在偏远地区的基层医院，医学影像数据的增长率远大于放射科医生的增长率。通过建立远程诊疗平台，各医院的图像在1~10秒内上传至云端，不同医院的医生可以互相帮助阅片，疑难病例也可以连线专家诊断，这种远程多级诊疗模式在北京大学第三医院、宁夏回族自治区、内蒙古自治区、张家口市等下属二级医院中均得到了成功应用[2]，减轻了基层医院放射科医生供需不平衡的问题。

3讨论

近年来人工智能技术发展迅速，为医学影像学的数字化、智能化提供了良好的基础，基于深度学习的影像智能辅助诊断平台也逐渐落地应用[3]。研究通过在青海省建立人工智能自动筛查平台和远程诊疗平台，最终提高了青海省各地医生的工作效率及基层医院的诊治水平，为结核病流行较重的其他偏远地区提供了应用示范。

参考文献

[1]其美卓嘎.2014-2018年西藏肺结核病监测数据分析报告[J].健康必读,2019(31):286-287.

[2]石建成,魏淑惠,吴俊峰,等.远程三级诊疗模式在基层医学影像科的临床应用[J].中国数字医学,2019,14(9):65-67.

[3]王飞,汪鹏,周琳,等.基于深度学习的影像智能诊断平台建设与应用[J].中国数字医学,2020,15(1):11-13.