AI不止ChatGPT,看云计算和AI如何助力云影像和早癌筛查

前言
随着最近ChatGPT的火爆，AI这一话题，再次回到公众的视野里，各类的大模型和应用像雨后春笋般冒了出来。诚然，这些应用帮我们提高了很多工作效率，但是始终是属于锦上添花而非雪中送炭。

笔者认为假如AI在生命科学领域如果有特别的贡献，那才是真正造福于人类的一件事情，接下来，我会分享一系列的AI在医疗领域最新的发展和应用。
影像学，是医疗领域重要的组成部分，也是早期癌症筛查的重要手段，那么本文第一篇：就从AI搭配云计算是如何“赋能”传统医疗影像这一话题开篇。
CT的基本原理

既然本文是讲影像，那么我们首先需要对CT的基本原理有个大概的认识：
CT可以根据人体不同组织对X线的吸收与透过率的不同，应用灵敏度极高的仪器对人体进行测量，然后将测量所获取的数据输入电子计算机，电子计算机对数据进行处理后，就可摄下人体被检查部位的断面或立体的图像，发现体内任何部位的细小病变。
通俗来讲：
可以把人想象成豆腐，通过人体的x线束，我们可以把它想象成一把刀。
发射X线
x线如切豆腐一样，把人体从头到脚，切成一个个细小的薄片。
衰减
CT扫描时，x线以一定的厚度，通过人体的断面，在穿透人体的过程中，x线的强度会发生衰减。
根据不同的衰减信号分析处理
CT机会有一个探测器去接收衰减后的x线，经过一系列复杂的数学运算和计算机处理，将衰减的x线信号，转化为这个人体断面的图像，不同的灰度，代表不同的组织器官，从而形成我们最终看到的CT横断位图像，俗称胶片，片子。
传统胶片的劣势

1：难以携带和整理
通过上面的介绍我们知道，一次的检查是有几十上百张的片子的，医院放射科医生会整理出来比较有代表的十张左右，打印成胶片。
假如一次检查是十张胶片，那么一个慢性病患者，可能会进行几十次的持续检查。那么就会有数百张的胶片，难以整理，也难以携带。
2：难以保存
由于胶片的材质的影响，胶片很难保存，尤其是不能在潮湿和高温环境，会损坏胶片，模糊不清。
3：难以发现微小病灶
我们由上文的CT检查的原来介绍可以知道，CT的层数越多，影像看的就越清楚，越容易发现微小病灶，而传统胶片，是由放射科医生选出的几个比较有特征的层。如果放射科医生没有发现病灶，那么打印出来的胶片就依然看不到，后续的医生也看不到。
4：难以分享进行远程问诊
假如在医疗条件比较落后的地区，通过检查发现可能会有健康问题，通过APP问诊发达地区的医生的时候，医生需要提供影像文件，如果是传统胶片就难以分享。
5：难以动态观察病灶形态
有些病灶，需要动态观察形态，特征，放大，三维重建等等的操作，这些通过传统胶片都难以实现。
云计算行业赋能
解决影像问题是医院和患者都需要解决的问题，那么上面的问题能解决吗？
可以，在市面上已经出来了比较成熟的解决方案。
通过上图我们可以看到，云厂家通过，存储，数据，运维，云计算能力，安全，等方式赋能医疗机构和医院在影像云上进行升级。
目前实现的效果
- 患者和医生可以在APP，浏览器，小程序等多设备查询
- 便于分享远程问诊
- 患者不用担心存储的问题动态观察，
- 看到每一层的影像情况发现微小病灶
那么互联网对影像的赋能止步于此了吗？不！
AI赋能
如上图：
如果不使用红框标记病灶，从视觉上很容易发现这个毫米级别的病灶吗?
假如一次检查，CT扫描影像数量多(几十上百张)，那么医生诊断的时间长，加上工作量大，容易疲劳，人工误差不可避免。
以这个影像结果来看，假如这是一个早期肺癌，那么如果影像医生漏掉几层的图像，或者是没有发现这个病灶，可能几年过后就已经发展到晚期了。这是非常令人惋惜的事情。
那么如果我们通过计算器视觉加上AI去大致识别出来所有有可能是病灶的影像和位置，并且给予影像医生提示，是不是大大减少了漏诊的可能？
如下图：
目前市面上，AI对于早癌的筛查方面，取得了不错的成绩，比较热门的项目是，胸部CT的检测，乳腺癌CT的筛查，胰腺癌的筛查。
总结

云计算的赋能，相当于打通了医生和患者的影像信息的壁垒，而AI将赋能影像科医生，提升诊断质量。
那，AI对医疗领域的帮助仅限于此吗？AI鉴别早期癌症具体是怎么实现的？欢迎添加下方我的微信，持续关注我们，在接下来的文章中我们将逐步进行分享。

AI不止ChatGPT,看云计算和AI如何助力云影像和早癌筛查

猜你喜欢