来源：智能医学与数字诊疗

作者：李翠华 刘玉转 高昭昇

摘要：随着人工智能产业的不断发展，利用AI技术在医学影像领域开展辅助诊断成为医疗信息化研究的重要方向，将AI深度学习技术与区域医疗的优质资源、知识相结合，研究了AI影像辅助诊断模型，将该模型用于影像基础读片可输出相应的诊断结果，辅助医生进行阅片。以AI胸片智能辅助诊断应用为例，阐述了人工智能在基层医疗机构的应用，解决了基层医疗机构有影像设备无专业阅片、诊断医生的问题，提升了基层医疗的服务能力和水平。

引言

人工智能（artificialintelligence，AI）作为当今最为热门的话题之一，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。近年来，随着AI的不断发展和创新，国家鼓励推进医疗健康AI应用评估，开展AI应用案例研究，促进AI技术与医疗健康领域深度融合。2018年国务院办公厅发布《促进“互联网+医疗健康”发展的意见》，鼓励医疗联合体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务，提升基层医疗服务能力和效率。近几年，AI影像诊断作为研究热点已经有了许多成果。例如，Lakhani[1]使用深度学习技术实现了对肺结核患者的自动鉴别，Becker[2]采用深度学习技术在胸部X线检查中对结核病患者进行分类。王磊等[3]探讨了PACS与人工智能诊断系统通过接口方式进行数据传输，从而保障数据的完整性和一致性。

AI影像诊断虽具有良好的前景，但也面临一些问题，一方面，各医院的扫描参数不同，特征值的提取及模型的建立存在区域化，基于同一家或几家医院数据所建立的模型在其他医院不一定能取得令人满意的效果[4]；另一方面，AI诊断主要在大医院应用比较多，在基层医院应用得较少，但基层医院由于基础配套较弱，缺乏专业诊断医师，对人工智能辅助诊断的需求更迫切。本研究讨论了AI深度学习技术在影像智能辅助诊断方面的应用，并以胸片智能辅助诊断在区域远程影像系统中的应用为切入点，研究了AI辅助诊断在基层医疗机构的应用模式和效果。

1 AI胸片辅助系统架构及模型

1.1 AI胸片辅助系统架构

AI胸片辅助系统是以人工智能深入学习算法为基础建立的辅助诊断模型，将此模型部署于区域影像中心，基于某市区域影像中心积累的丰富胸片图像资源和三甲医院的优秀医疗资源，对该模型进行深度训练学习，统一为某市全市接入影像中心的基层医疗机构提供服务。见图1。

1.2 AI胸片辅助系统模型

本研究构建从端到端的胸片智能辅助诊断算法，共整理了25个常见异常表现并进行分类，用于影像辅助诊断。对原始图像进行预处理，调整图像统一为0~255的灰度分布，根据直方图匹配，进行灰度归一化操作，并调整图像为512×512输入大小。采用5个端到端的多标签分类模型进行训练，使用DenseNet121深度学习分类任务骨架，激活函数为Sigmoid函数，对于每种异常表现生成概率结果，二值交叉熵损失作为损失函数。每个模型训练24步，通过最大F1来寻找合理的阈值，通过5个模型的平均数得到最后的输出结果。

评价指标：AUC是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率TPR（灵敏度）为纵坐标，假阳性率FPR（1-特异度）为横坐标绘制的曲线。其曲线下面积为AUC。

1.3 运行结果

目前某市影像中心积累的远程影像诊断报告及相应的图像达29841例，均为大型医院出具的诊断报告，利用上述技术，基于这些数据资料进行相关模型训练。对常见25类疾病进行检测，准确率达90%以上，具体检测结果见表1。

2 应用模式

2.1 主要业务流程及规范

2.1.1 主要业务流程

近年来，随着政府对基层医疗卫生机构投入的加大，基层医疗机构普遍配套了X线、B超、心电等设备，但基层医疗卫生机构仍然存在有拍片的技师但缺乏专业诊断医师的困境。为破解该困境，某副省级城市建立了全市统一的区域诊断中心信息平台，基层医疗机构通过该平台可以与上级医院开展远程诊断应用。具体业务流程为：①患者到基层医疗机构就诊，基层医疗卫生机构为患者开检查单并为患者拍片；②影像图像通过区域诊断中心信息平台共享至二、三级医院或第三方检查机构（诊断中心）；③二、三级医院及第三方检查机构通过本机构的PACS系统打开基层医院上传的影像图像，由专业的医师书写诊断报告和审核报告，并进行电子签名；④检查报告通过区域诊断中心信息平台推送至基层卫生信息系统，基层医生直接在本机构的系统查看并为患者打印报告，患者也可以通过微信公众号或小程序自助查询报告。

图1 智能胸片诊断架构

2.1.2 相关政策及业务规范

区域诊断中心的实施要求政策先行，由各区结合本区实际制定“远程医学影像中心工作实施方案”，明确远程影像的业务流程、职责分工、费用分成等，上下级医院依据实施方案签订协议，进一步明确双方义务和职责。以该市某区为例，某区制定的实施方案中明确了影像检查费用按照社区医院标准收费，经基层医院与上级医院协商，统一按6:4比例进行费用分成，基层医院收取的6成费用含设备检查费和诊断初筛费，上级医院收取的4成费用含报告书写和报告审核费，上级医院的费用每季度结算一次，由区财政统一跟上级医院进行结算；该区的方案还制订了科学考评机制，根据报告书写及审核数量、报告修改率等，定期进行考核评价，同时规定医院报告的书写和审核人员需要电子签名，遵循“谁诊断、谁负责”的原则，明确了责任界定。

2.2 主要应用效果

经过验证的AI胸片辅助系统模型嵌入了该市统一的区域诊断中心信息平台中，不但能自动识别并定位可疑病灶，还会提醒医生复审可疑影像图像，针对可疑给出相应辅助建议。基层医疗机构为患者拍片后，可以通过辅助诊断系统进行初步诊断，然后有针对性地为患者申请上级医院的医生进行阅片，提高医疗效率和质量；该功能也可以辅助上级医院的医生进行阅片，提高诊断效率，同时上级医院给出的最终诊断也能及时反馈给AI胸片辅助系统模型，不断完善模型，提升AI胸片诊断的准确率。

通过该应用，患者在基层医院拍片后，30~60min之内就能拿到上级医院出具的诊断报告，以社区医院的价格就能获得三级医院的优质诊断服务。而AI胸片辅助系统作为区域影像中心信息平台的重要应用，目前已在该市7个区推广实施，并取得良好效果。截至2021年9月，全市7个区的智能胸片辅助系统的业务量已达84153次。从长远看，AI影像辅助诊断可以为该市的基层医疗卫生机构培养专业的诊断医师，可为提升基层医生的诊断水平提供很好的技术支撑。软件界面见图2。

图2 人工智能胸片辅助系统

2.3 主要亮点

2.3.1 区域统筹建设与提升基层诊断能力

目前AI影像辅助诊断主要在大医院应用较广泛，并且一般由医院自行建设。而基层医院由于基础薄弱，对AI影像辅助诊断的需求更加迫切。上述AI胸片诊断系统由该市卫生行政部门统筹建设，嵌入该市的区域影像诊断中心信息平台，为各级医疗卫生机构，包括基层医院，二、三级医院提供统一的、同质化的AI辅助诊断服务。通过AI辅助诊断和上级医院提供的远程诊断服务，让患者在基层医院就诊就能享受到大医院的功能诊断服务，让基层医生在业务过程中，不断学习和提升自身的诊断水平，从而提升基层的服务能力。

2.3.2 技术与业务紧密结合与提升跨机构业务协同应用效果

该市以需求为导向，技术与业务紧密结合，配套了区域诊断相关政策和业务规范，促进了跨机构远程诊断业务的可持续发展。首先，从全市的层面，印发了《某市关于推进区域诊断中心平台建设的通知》（以下简称《通知》），明确了市级统筹建设信息平台，避免重复建设。同时考虑到基层医疗机构收支两条线管理及各区财政投入水平不一的现状，《通知》要求各区结合本区的实际情况，配套相关的政策和业务规范，在区层面统一业务规范、明确费用分成，为区域诊断业务的开展提供政策保障。

3 展望

本研究运用AI深度学习技术，建立了影像辅助诊断模型，并应用于胸片辅助诊断。下一步将基于区域全民健康信息平台，通过平台跨系统集成食管癌、肺癌、乳腺癌、胃肠癌、糖尿病视网膜病变等高发病种的疾病诊断模型，建立全市统一的病种库，依托区域检查检验中心，搭建AI诊断决策支持系统，帮助医生提高阅片率，减轻二、三级医院医生的阅片工作量，进一步提升基层的阅片诊断能力。另一方面，将图像信息与语义信息相结合，研究从单一科室辅助诊断向多科室辅助诊断、治疗方案推荐及预后风险分析方向发展，进一步促进人工智能的创新服务。