人工智能技術(shù)的展望

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能技術(shù)的展望范文，希望能給你帶來靈感和參考，敬請閱讀。

[提要]人工智能(AI)是研究模擬、延伸和擴展人類智能的一門新的技術(shù)科學(xué)。隨著數(shù)據(jù)儲存、圖像處理、模式識別和機器學(xué)習等技術(shù)的進步,AI技術(shù)在泌尿系結(jié)石的診治方面應(yīng)用廣泛?；贏I的應(yīng)用,可以使醫(yī)務(wù)工作者的診斷更為精準,治療更加個體化。然而,目前AI在臨床應(yīng)用中仍有一些不足之處需要進一步解決。本文就AI技術(shù)在泌尿系結(jié)石疾病診療中的應(yīng)用及前景進行綜述,并進一步探討其局限性與未來的發(fā)展趨勢。

[關(guān)鍵詞]人工智能;泌尿系結(jié)石;結(jié)石成分分析;體外沖擊波碎石;經(jīng)皮腎鏡取石術(shù)

隨著經(jīng)濟和科技的進步,各種新技術(shù)和新設(shè)備的不斷涌現(xiàn),使得泌尿外科從診斷到治療均發(fā)生了革命性的變化。近年來,數(shù)據(jù)儲存、圖像處理、模式識別和機器學(xué)習等技術(shù)的巨大進步,人工智能(ar-tificialintelligence,AI)在泌尿系結(jié)石的診療方面廣泛應(yīng)用[1]。AI的定義是指機器模仿人類認知和執(zhí)行人類任務(wù)的計算能力[2]。AI技術(shù)在醫(yī)學(xué)領(lǐng)域的快速發(fā)展和應(yīng)用,使臨床診療過程變得更加高效和精準,主要包括輔助診斷、結(jié)局預(yù)測、相關(guān)風險因素評估等。機器學(xué)習(machinelearning,ML)是AI的一個分支,它在臨床研究中應(yīng)用最多,包括深度學(xué)習(deeplearning,DL)、人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetworks,ANN)、自然語言處理(naturallanguageprocessing,NLP)和計算機視覺等技術(shù),可有助于疾病的診斷和預(yù)測治療結(jié)果等[3]。AI從醫(yī)學(xué)研究、臨床決策等方面推動了診療模式的轉(zhuǎn)變,促使疾病的監(jiān)測、預(yù)防、診斷、治療、隨訪等發(fā)生了巨大的變革[4-5]。在過去的20年中,泌尿系結(jié)石的診療和管理也逐步改變。隨著AI的應(yīng)用,可以對結(jié)石成分、結(jié)石清除率、手術(shù)效果和并發(fā)癥進行預(yù)測,并且有很高的準確率(表1)。本文就AI技術(shù)在泌尿系結(jié)石診療中的應(yīng)用作一綜述,并進一步探討其存在的問題和未來發(fā)展方向。

1、AI技術(shù)在泌尿系結(jié)石診斷中的應(yīng)用

1.1AI技術(shù)在輸尿管結(jié)石診斷中的應(yīng)用

輸尿管結(jié)石是泌尿外科常見的疾病之一[6],隨著影像設(shè)備的不斷升級,輸尿管結(jié)石的診斷水平逐步升高,但仍有一定的誤診與漏診。近年來研究顯示,AI技術(shù)的應(yīng)用有助于提高輸尿管結(jié)石診斷的正確率和效率,一些相關(guān)的AI模型取得了不錯的效果2018年Langkvist等[7]基于CT的薄層圖像,使用深度學(xué)習卷積神經(jīng)網(wǎng)絡(luò)(deeplearningconvolutionalneuralnetwork,DCNN)來區(qū)分輸尿管結(jié)石和靜脈石,測試靈敏度為100%,每例患者的平均假陽性率為2.68%。2020年Jendenber等[8]根據(jù)非對比CT,開發(fā)了一個卷積網(wǎng)絡(luò)(convo-lutionalnetworks,CNN)模型來區(qū)分輸尿管遠端結(jié)石和靜脈結(jié)石,并將這些結(jié)果與7名放射科專家的報道進行了比較,CNN模型的準確率高達92%,而放射科醫(yī)生為86%。Parakh等[9]研究了CNN模型的診斷性能,使用9種不同的變異模型,實現(xiàn)了超過90%的準確率?？偟膩碚f,通過AI技術(shù)的應(yīng)用可以進一步提高診斷的正確率和工作效率,同時選擇適合患者的治療方式。

1.2AI技術(shù)在腎結(jié)石診斷中的應(yīng)用

腎結(jié)石是泌尿系疾病中的常見疾病,其發(fā)病率和復(fù)發(fā)率逐年上升[10]。研究人員將AI技術(shù)應(yīng)用于腎結(jié)石的診斷取得了良好的效果。2019年DePerro等[11]基于低劑量CT開發(fā)了一個ML模型來區(qū)分腎結(jié)石和靜脈結(jié)石,該模型的準確率為85.1%。Selvarani等[12]使用元啟發(fā)式支持向量算法來診斷腎結(jié)石,訓(xùn)練中準確率可達98.8%。2020年Nithya等[13]開發(fā)了一種ANN模型用于腎結(jié)石診斷,該模型主要利用分類算法將圖像分為異常圖像和正常圖像,然后對異常圖像進行深度分割,模型精度達到了99.6%。AI模型的應(yīng)用可以極大地提高醫(yī)務(wù)工作的效率,更好地服務(wù)患者。

2、AI技術(shù)在泌尿系結(jié)石治療中的應(yīng)用

2.1AI技術(shù)在體外沖擊波碎石術(shù)中的應(yīng)用

體外沖擊波碎石術(shù)(extracorporealshockwavelithotripsy,ESWL)在過去的30年中一直是治療泌尿系結(jié)石的主要方法之一,ESWL具有創(chuàng)傷小且無需麻醉的優(yōu)點,在臨床上廣泛應(yīng)用[14]。目前將AI技術(shù)與ESWL相結(jié)合,可以預(yù)測結(jié)石清除因素,調(diào)整治療參數(shù),來提高結(jié)石清除率并且減少并發(fā)癥。2003年P(guān)oulaki等[15]使用ANN模型來預(yù)測ESWL的碎石成功率,準確率達到92%。同時通過該模型發(fā)現(xiàn)與結(jié)石清除率相關(guān)的風險因素,例如體重指數(shù)(BMI)、骨盆高度和石頭大小等。2017年Hand等[16]利用多光譜神經(jīng)網(wǎng)絡(luò)(multi-spectralneuralnetwork,MSNN)模型來量化ESWL術(shù)后腎出血的風險,該模型具有較高的精度(79%)。2019年Singla等[17]開發(fā)了一種計算機視覺算法來提高ESWL治療中的結(jié)石中靶率,提高碎石效率。Seltzer等[18]應(yīng)用DL技術(shù)開發(fā)了一種預(yù)測算法,結(jié)石清除的預(yù)測準確率為88%,預(yù)測并發(fā)癥的準確率為77%。通過AI的應(yīng)用,可以進一步提高患者的碎石成功率并且降低術(shù)后并發(fā)癥的發(fā)生率,更加精準地為患者提供治療,促進醫(yī)患關(guān)系。

2.2AI技術(shù)在經(jīng)皮腎鏡取石術(shù)中的應(yīng)用

近幾年由于飲食習慣的改變導(dǎo)致腎結(jié)石的臨床發(fā)病率呈逐年上升趨勢[19]。傳統(tǒng)開放手術(shù)創(chuàng)傷大,恢復(fù)期長,手術(shù)中容易造成大出血,增加患者風險。隨著醫(yī)學(xué)技術(shù)的進步,經(jīng)皮腎鏡取石術(shù)(per-cutaneousnephrolithotomy,PCNL)逐漸完善,并在臨床上得到廣泛應(yīng)用。目前研究將AI技術(shù)應(yīng)用于PCNL,進行相關(guān)的結(jié)局預(yù)測和手術(shù)指導(dǎo),為患者提供更好的治療。2019年Shabaniyan等[20]利用ML技術(shù)開發(fā)了一個決策支持系統(tǒng)(decisionsupportsystem,DSS)來預(yù)測腎結(jié)石手術(shù)治療的結(jié)果,該模型對治療效果,是否需要置入支架,術(shù)后是否需要輸血有很高的預(yù)測率。Taguchi等[21]開發(fā)了一個AI驅(qū)動的機器人輔助透視(AI-drivenrobot-assistedfluoroscopy-guided,RAG)穿刺引導(dǎo)模型,該模型使用X射線自動定位系統(tǒng),并且臨床試驗中單次穿刺成功率高。2020年Aminsharif等[22]開發(fā)了一種神經(jīng)網(wǎng)絡(luò)算法來預(yù)測PCNL的結(jié)果,該算法的靈敏度和精度范圍均為81%~98.2%。通過AI的輔助,可以在術(shù)前對患者進行全面的評估,提高手術(shù)成功率,增強醫(yī)患之間的信任程度,提高醫(yī)療質(zhì)量。

3、AI技術(shù)在結(jié)石成分預(yù)測中的應(yīng)用

結(jié)石成分分析是明確結(jié)石性質(zhì)的“金標準”,對結(jié)石患者的預(yù)防與飲食指導(dǎo)具有重要意義。目前研究表明可以運用AI技術(shù)進行結(jié)石成分預(yù)測并且具有較高的準確率。2016年Kreigshauser等[23]基于ML模型和CT圖像設(shè)計的算法,在預(yù)測結(jié)石是否含有尿酸達到了100%的準確性。2018年Ka-zem等[24]收集患者尿酸、血清鈣水平、高血壓和糖尿病病史等信息建立一個集成學(xué)習模型。通過該模型可以預(yù)測結(jié)石成分和預(yù)防復(fù)發(fā),模型的準確率高達97.1%。2019年Bejan等[25]開發(fā)了一種自然語言處理(NLP)算法,該系統(tǒng)對除尿酸外的所有結(jié)石類型的陽性預(yù)測值大于90%。2020年Hokamp等[26]基于雙能CT圖像,根據(jù)石頭和體素計算,來預(yù)測腎結(jié)石的主要結(jié)石成分,該模型對結(jié)石關(guān)鍵成分的預(yù)測準確率接近90%。結(jié)合臨床信息建立相應(yīng)的AI模型,可以在非侵入的狀態(tài)下進行結(jié)石成分預(yù)測,為結(jié)石患者的長期管理提供重要的信息。

4、總結(jié)與展望

AI已被應(yīng)用于泌尿系結(jié)石的很多領(lǐng)域,包括診斷、預(yù)測治療適宜性和成功率等。但是,它仍然是一個以研究為基礎(chǔ)的工具,并沒有在臨床實踐中普遍應(yīng)用。這可能是由于患者群體的多樣性使其開發(fā)難度與成本大大增高。目前的研究結(jié)果多基于單中心研究,存在研究數(shù)據(jù)較少的缺陷。然而,AI具有非常大的潛力,未來的人工智能研究將不僅僅局限于結(jié)石領(lǐng)域,更應(yīng)該全面地與臨床相結(jié)合,爭取在腫瘤等其他亞專科有一定的突破。同樣未來的研究重點還應(yīng)該更多地關(guān)注患者的生活質(zhì)量和治療成本,并設(shè)計出更為簡捷和經(jīng)濟的通用算法,使得AI技術(shù)更好地服務(wù)于廣大患者。

參考文獻

[1]秦鋒,袁久洪.人工智能在泌尿疾病診斷中的應(yīng)用現(xiàn)狀與趨勢[J].生物醫(yī)學(xué)工程學(xué)雜志,2020,37(2):230-235.

作者:李云鵬 呂建林 單位:臨床泌尿外科