基于人工智能的医疗大数据影像处理

基于人工智能的医疗大数据影像处理

霍书兴 于菲菲 李萌奇 张桂霞

山东协和学院，山东 济南 250107

摘要：截止到现在医疗行业汇聚大量数据，且随着时间的推移数据量（Amount of data）还将不断的增加，但是截止到现在，过去的很多医疗数据并没有得到有效的（Valid）利用。人工智能AI（Artificial Intelligence）学习、深度学习等技术和医学影像学等学科的结合，可以为辅助诊疗等场景的搭建提供解决方案；打通底层数据，构建互联互通的大数据平台，可以提升医疗行为的效率。因此本文主要通过总结人工智能和大数据在医学中的发展历程，对这其进行分析。

关键词：人工智能；医疗大数据；医学影像；深度学习

一、背景分析

在新冠肺炎疫情防控工作中，工信部2020年02月发表的《充分发挥人工智能赋能效用，协力抗击新型冠状病毒感染的肺炎疫情倡议书》，一发布就有多家科技医疗公司快速反应，用实际行动充分发挥在疫情防控中人工智能和大数据的作用，从而人工智能（AI）和大数据在医疗领域的应用走进了大众视野。

二、现状分析

（一）人工智能在医学影像方面的探索

根据调查，目前AI在医疗领域的发展主要集中在影像处理方面，差不多有90%的医疗公司都在做医疗影像处理，主要是针对肺部、眼部两个方面。人工智能方面发展迅速，并且钼靶X光、磁共振（MR）检查等医疗工作多为重复性劳动，这就导致了医疗 AI 行业的同质化竞争（Homogenous competition）严重。包括腾讯Tencent、科大讯飞、百度Baidu、阿里等在内的十余家企业已在该领域布局。

AI在病理诊断识别的核心分为两部分：一是图像识别，在数据采集环节应用，通过对影像等多媒体医疗（Multimedia Medical Care）的数据化分析，提取有效信息。二是深度学习，在深度学习和机器分析环节中的应用，这是整个人工智能诊断中的一项最重要最核心的环节。在临床医疗的应用中，用传统医疗临床手段中收集到的医疗数据作为本源，然后通过训练机器，机器学习临床治疗经验，AI随即绘画建立AI医疗图谱，从而通过推算，提供临床医疗方案，为医生提供辅助医疗工作，并为患者提供诊疗方法参考。从而更好更快的为患者推出更为准确的诊断治疗方案。

（二）大数据时代下医疗信息存储的变革

在21世纪初期，大多数医疗数据都是以实体纸张的形式存在，而非电子数据化存储（Electronic data-based storage），比如钼靶（Molybdenum target）X光片记录、磁共振成像（MRI）记录等等。伴随着大数据在医疗与科技研究过程中不断地应用和扩展，所产生的数据之大､种类之多令人难以置信。

医院中做B超､钼靶X光影像､磁共振（MR)分析等业务产生了大量非结构化数据；根据IDC Digital（互联网数据中心）的预测，到2020年，医疗数据量将达到四十万亿GB，现今，医疗数据都以电子存储的方式储存，各种云数据平台，云盘等技术的大量涌出，云盘容量更是只有想不到没有做不到的庞大，同时人们也不必担心数据的泄露，使医疗数据的存储更安全，更便捷，同时更能发挥数据的可持续性（Sustainability）。其中包含了巨量的病患健康数据、临床诊疗数据、生物医疗数据和药物研发等数据，将有意义的数据标注并作为机器学习的素材，具有深度挖掘与研究的价值。

强大的云数据平台以及互联网的发展，数据大爆发及快速的电子数字化。大数据等多领域技术与医疗医学跨界融合，多领域技术快速融合到医疗领域的各个环节，它不仅改变了人们传统就医的生活方式，更便捷了人们的生活。

传统医疗的救治方式也在人工智能到来的时代正在改变，也展露出传统医疗的薄弱之处。其主要集中在三个方面：一是数据的采集和范围，二是数据采集的质量，三是应用智能化的程度。针对这些问题，现代医疗的信息化的建设还是要以数据为基础、技术为核心、服务为导向，从而更好的服务于当今社会。

三、基于人工智能的医疗大数据影像处理的优劣势

（一）优势

（1）缓解医生资源

人工智能医疗解决未来医护人员稀缺的问题，医生的培养过程非常复杂，我国虽然有庞大的医师队伍，但质量却参差不齐，‘含金量’不高。而且成本相对较高，培养时间较长。这和医生的培养、成长历程有关，俗话说十年磨一剑，但是对于医生这个职业来说，恐怕很难。

人工智能并非如此，随着计算机配置的提升，其CPU运行速度的提升、对于算法优化和改进，它可以把目前医学的一些常见病快速的给出一些指导，辅助医生进行诊断，从而降低了一些医生的工作难度，提高了医生的效率。从而有效地解决当今医院存在的诸多问题，而且人工智能医疗无论何时何地都可以提供医疗服务。

（2）数据集中管理

智能医疗时代有两种表现：一是数据多，二是终端多，智能医疗可以使传感器设备和家用医疗设备自动或自助采集人体生命各类体征数据，从而实时的判断人们的身体情况，就比如说现在流行的智能手环，它能随时的检测心率、运动量等数据信息，通过上传到数据库进行对比从而获得佩戴者的身体状况。家用只能医疗设备同时可以将现有的院内和基因医疗数据进行整合上传到数据库，实现数据的共享和深度利用，以较低的成本对亚健康人群、老年人和慢性病患者提供快速、稳定的健康监控和诊疗服务。

（二）劣势

数据传输、存放的安全性，在过去，安全指的是周边安全，确保周边不允许未经授权的访问。而对于现在的云数据来说，物理“防护栏”已经不存在了，因此用户在传输数据的过程中就会存在可能中途被截取的风险。云数据平台存放了大量用户和数据资源，一旦遭受攻击，其影响范围多，后果更加严重。此外，其开放性对接口的安全也有很高的要求。其次，云计算平台上集成了多个用户，多租户之间的信息资源如何安全隔离也是重要问题。

四、总结

中国在医疗大数据和医疗人工智能辅助诊断的应用上面临诸多难题，最重要的是目前我国在法律法规、科学研究、技术安全等数据共享的顶层设计方面准备不足，医院与医院之间信息孤岛问题，科研机构之间的数据共享名存实亡。尽管我们在人工智能科研技术、计算科学及机器学习方面有一定的优势，但缺乏临床数据体系的检验，并未真正的应用在实际的临床研究上，这些数据难以产生有效信息和知识，更不敢说去应用或者被执行。当人工智能和医疗系统走向融合时，对于人类来说是巨大福祉。希望现在的医疗科技企业能够回归医疗初心，不是为了技术而技术，这才是考察医疗人工智能项目的出发点和最终落脚点。

参考文献：

【1】 顾泳,吴越. 数字化转型能为医疗带来什么[N]. 解放日报,2021-06-25(013).

【2】刘丽静,邓鑫,许克祥.我国互联网医疗的发展现状与运行机制研究[J].卫生软科学,2021,35(06):32-34+44.

【3】王志强,王卓越,周海川.“互联网+”时代医疗网络安全现状及对策[J].科技中国,2021,{4}(04):21-23.

作者简介：

霍书兴（2001-），男，山东聊城人，山东协和学院数字媒体技术专业，本科学生。

于菲菲（2000-），男，山东聊城人，山东协和学院数字媒体技术专业，本科学生。

李萌奇（2002-），男，江苏无锡人，山东协和学院人工智能专业，本科学生。

张桂霞，副教授，指导老师，山东协和学院数字媒体技术专业教师，主要研究方向：三维动画，虚拟现实技术。