2023人工智能在介入放射学中的运用前景及挑战.pdf

2023人工智能在介入放射学中的运用前景及挑战

人工智能(artificialintelligence,AI)是一类研究用计算机模仿人类智

能行为的学科，涵盖了机器学习(machinelearning,ML入深度学习

(deeplearning,DL入自然语言处理naturallanguageprocessing,

NLP)、计算机视觉等方面，可用千大型生物医学数据的挖掘、解释和实现

自动化等[1-21其中机器学习是人工智能的核心，与多个学科领域交叉

3

重叠，包括医学图像分析、自然语言处理、生物特征识别等[1深度学

习是机器学习的子方向，通过学习数据内部的模式自行选择和正确表达特

征而不需人类定义的干预，能沪另U与分析文字、图像等数据并解决较为复

杂的难题。

人工智能目前在无人驾驶汽车、大数据追踪等领域蓬勃发展，但在医学领

域仍处千初级阶段。人工智能在临床医学领域中的应用前景较为广泛，包

括精准医疗人工智能决策系统的开发、辅助手术进行、术后疗效评估和护

理等多方面[41在介入放射学领域，尽管临床上有大量可用的病例数据，

但鲜少文献对人工智能在介入诊疗中的应用展开描述。本文详述人工智能

算法在介入放射学中的潜在应用及未来所面临的挑战。

1人工智能在介入放射学中的应用

1.1术前

在手术前期的准备工作中，人工智能算法可以在对高危患者的筛选、选择

治疗方案和治疗前预测疗效等方面为医生提供客观的证据支持。

对某些具有高危因素的群体而言，及早进行疾病预防是改善患者生活质量

重要的一步。Fu等[5]通过临床、图像数据和放射学信息构建了人工神

经网络模型，预测肝细胞癌(hepatocellularcarcinoma,HCC)患者

未来大血管侵犯的可能性，该深度学习网络模型在训练集和验证集中的曲

线下面积(areaundercurve,AUC)分别为0.8770.836I为筛选出

和

高危患者并给予干预措施提供有力证据。Audureau等[6]构建随机森

林预测模型对感染了丙型肝炎病毒并患有肝硬化的患者进行癌症风险的

CC

筛选，预测未来5年发生H的风险，从而实现个性化的风险预测，筛

选出高危患者并进行定期医学监测。张岩等[7]应用机器学习构建模型

预测前交通动脉瘤破裂的可能性，通过收集动脉瘤深度、动脉瘤宽度、年

龄、动脉瘤不规则、A1优势等特征分别构建了决策树预测模型、随机森

林预测模型、Xgboost梯度提升模型，AUC分别为0.7370.6750.758

、、。

此模型能为医生筛选出高危患者并对其进行积极干预。

对肿瘤患者而言，可选择的干预治疗方法较多，现在临床上普遍使用的多

学科协助诊疗模式，根据疾病治疗指南为患者提供合适的诊疗方案