深度学习和医学影像在预防医学中的机会

吕乐， 吴山东

深度学习在不少领域取得了巨大成功，显现出改变游戏规则的潜力。而和医学影像的结合可以促进目前工作流程的改进和改变。本文简要分享深度学习和医学影像在预防医学方面的机会。我们尝试概述现状，指出一些现有的成就，有意义的方向，局限性，以及短期内的机遇及挑战。为了充实我们的观点，我们引用了一些我们最近的关于放射影像研究的例子，也评论了一些最新的基于人工智能的研究成果和工业产品。

医学影像是疾病预防的检查手段之一，是指早期发现疾病，例如肺结节，肿瘤性疾病，肝/骨病变，目的是进行及时的干预和治疗，提高患者的健康管理。疾病的筛查是一种典型的预防医学模式。比如在美国和欧洲一些国家都有国家层面制定的乳腺癌筛查流程和相关指南，有大量的妇女接受定期的影像学检查，比如乳腺钼靶X线(digital mammography)，乳腺断层(digital breast tomosynthesis)，以期早期发现乳腺病变。对于一部分妇女，属于临床定义的高风险发病群体，她们还可以参加额外的基于磁共振的更敏感的筛查。影像学检查加强发病风险的预测和管理，进而支持临床决策，并最终提高疾病治愈率，降低疾病死亡率。传统疾病早期检测的方法是通过非侵入性成像设备的检查来完成，但是最近计算机辅助手段在影像检查和病变解读过程中的作用越来越突出。

深度学习，特别是卷积神经网络(convolutional neural networks，CNNs)，这一革命性的新技术已经在各个领域取得重大进展，是目前人工智能技术的基本代表[1]。……