2、人工智能在医学领域的进展[2]
在医疗工作中，图像对于医生诊断疾病具有重要的辅助作用，在这里主要通过列举人工智能在临床医学中的应用来反应其进展。人工智能与图像的结合大大提高了临床医生诊断疾病的准确率与效率，主要包括在影像、内镜以及病理检查中的应用。基于计算机视觉技术数学模型，人工智能收集、提取医学图像的原始像素并挖掘图像的有效特征，以此学习和模拟医生，这是一个由整体到部分再由部分到整体的复杂过程。
2.1影像检查
人工智能的运用能很好地协助医生根据影像学检查对患者进行疾病诊断。SUN-WOO等运用基于颅脑MR图像的计算机辅助诊断系统进行颅脑转移瘤诊断分析，影像医生的诊断敏感度从77.6%提升至81.9%，每例患者的诊断时间从114.4s减至72.1s；经验不足的影像医生诊断敏感度提高了约10%。MASOOD等运用基于胸部CT图像的计算机辅助诊断系统进行肺癌诊断分析，诊断平均准确率84.58%，对肺癌T1~T4分期鉴别的准确率77.89%~90.14%。BECKER等使用深度学习图像分析系统对143例诊断为乳腺癌或交界性病变的患者进行诊断分析，诊断准确率达82%，而经验丰富的放射科医师诊断准确率为79%~87%，两者相差不大。ARAMENDIA-VIDAURRETA等使用基于子宫附件超声图像的人工智能系统对附件肿物进行定性，准确率高达98.78%，灵敏度为98.50%，特异度为98.90%。由此可以看出，人工智能系统对于医生判读影像学结果有一定的辅助作用及价值，其不仅能提高医生对疾病诊断的敏感度，还能缩短医生阅片诊断的时间，既提升了准确率，也提高了效率。
2.2内镜检查
人工智能技术能通过摄取内镜所获得的图片中组织的微细纹理特征，进行深度学习，将内镜图像进行分类并预测诊断。MIYAGI等基于阴道镜图像，使用人工智能系统对330个图像进行分析，诊断判定准确率为0.823，敏感度为0.797，特异度为0.800。ITOH等开发的人工智能模型，基于胃镜图像进行幽门螺杆菌感染诊断，敏感度和特异度分别为86.7%、86.7%。GREGOR等基于结直肠镜检查运用人工智能实时定位并识别息肉，准确率达96%。人工智能通过对内镜图像进行深度学习能更好地协助临床医师诊断疾病。
