随着近年来计算机技术迅猛发展，人工智能（Artificial Intelligence，AI）逐渐走入了我们的生活中，其在医学领域同样发挥着重要作用。下面让我们走进今天的科普之旅，一起了解AI是如何帮助医生们在影像学检查中揪出病灶的！

1.什么是AI？

想必大多数读者认为AI是近几年出现的新词语，但其实早在上世纪50年代人工智能之父图灵即提出了与AI有关的智能测试标准，现阶段该技术已在人们生活的方方面面均发挥着重要作用，如我们熟知的自动驾驶、智能家居控制等均可见其踪影。那么，到底什么是AI？AI以数据为基础、以算法为核心，具体指利用计算机技术模拟人类智能行为，具有机器学习、深度学习、自然语言处理等核心技术。在医学领域中，AI已在诊断、监测、治疗、预防等环节发挥着重要作用。

2.AI为什么被称为“医学影像神探”？

影像学检查是现阶段医生们诊治疾病的“透视眼”，利用计算机断层扫描（Computed Tomography，CT）、磁共振成像（Magnetic Resonance Imaging，MRI）等手段，在不开刀、无痛苦的情况下即可为医生们提供人体内局部影像数据。在影像组学中“特征”即用于后需分类的数学测量，具体指预定义感兴趣区域，将AI融入影像检查环节中能够对特征与预期结果变量关系（内在）进行有效探索，并根据探索结果执行分类工作。随着AI技术不断发展进步，对影像组学数据处理能力得到有效提升，数字化工具在影像数据采集、整合、分析速度加快，同时有效提高数据处理规模、效率。因此，AI模型通过训练大量医学影像数据（高质量）从而提高早期细微病变检出率，利用不同患者多维度数据建立个体化疾病风险预测模型，最终获得更为准确的临床诊断结果。接下来我们分别从CT、MRI这两种临床常用的影像学检查手段分别聊一聊AI的作用：

2.1CT

X线片是CT的“前辈”，CT以X线片为基础，结合计算机后处理技术发展而来，其原理在于利用各组织器官吸收X射线能力差异性获取相应图像信息，经多角度、多方位扫描并对所得信息予以后处理从而使操作者获得高空间分辨率图像。以我们熟知的甲状腺结节为例，想必读者朋友们大多知晓甲状腺结节分为良性、恶性等不同类型，二者在治疗方案、预后等方面均存在较大差异，应用CT辅助诊断此病由于存在高度复杂性、人工伪影等弊端，因此传统机器学习方法对CT图像处理效果欠佳，此时AI就派上了用场。我们可以设计一个基于卷积神经网络的甲状腺结节自动识别、分类系统实现对结节敏感区域精准分割，并根据分割结果有效优化图像处理，从而有效提高甲状腺结节诊断正确率。

2.2MRI

MRI与CT虽同具有无创、无痛、可重复性强等特点，但二者原理差异性较大。MRI主要原理在于利用物质内部结构环境释放衰减能量差异性，与梯度磁场中探测发射电磁波有效结合，从而使操作者获取多参数、高分辨率内部结构信息。以大家熟知的女性常见恶性肿瘤——乳腺癌为例，MRI在实际应用于乳腺癌诊断时可能因为乳腺组织致密、操作者经验不足等产生误诊/漏诊情况，且部分良性乳腺病变MRI强化征象与乳腺癌早期相似度高，因此增加此病正确检出难度，AI能够根据动态对比增强MRI（dynamic contrast enhanced-MRI，DCE-MRI）序列数据动态分析后能够获得时间依赖性特征（如肿瘤血管生成、细胞密度等），对辅助诊断乳腺癌病情、明确临床分期及分级情况等均具有积极意义。

3.小结

影像检查是医生诊断多种疾病的“好帮手”，AI的加入势必提高影像检查辅助诊断疾病的便捷性、准确性。通读全文，想必读者们已经对AI在医学影像检查工作中的作用有了初步了解，相信今后随着信息技术继续飞速发展，AI一定能够成为我们战胜病魔的利器！