人工智能技术在尘肺病诊断中的应用研究进展

牟春华

【摘 要】现如今，我国的科学技术发展十分迅速，尘肺病诊断主要依据医学影像学的判断，目前人工智能（AI）已经运用到尘肺病医学影像学的辅助诊断上。临床上贰期和叁期尘肺病诊断并不困难，困难之处在于无尘肺病和壹期尘肺病的诊断，其诊断结论往往差异很大，特别是诊断经验不足的医师很容易出现漏诊、误诊的情况。AI技术在尘肺病影像诊断中的应用就是着重解决无尘肺病和壹期尘肺分类诊断的问题。本文综述了近年来AI技术在尘肺病诊断中的应用研究，重点阐述支持向量机（SVM）和人工神经网络（ANN）这两种AI技术在尘肺病分类诊断中的应用，并分析其优缺点;展望卷积神经网络（CNN）技术和其他AI深度学习算法在未来应用到尘肺病图像分类的可能，分析其存在的困难及今后突破的

方向。

【关键词】尘肺;人工智能;支持向量机;人工神经网络

【中图分类号】R587.1【文献识别码】B    【文章编号】1002-8714（2020）07-0026-01

引 言

尘肺病是我国最主要的职业病之一，其发病机制复杂，主要过程如下：当尘粒进入上呼吸道及肺泡后，约有2%～3%最终沉积于肺泡壁，继而被人体组织内的巨噬细胞吞噬、消化，而后被排出体外或转运至淋巴系统。当人体吸入大量游离二氧化硅（SiO2）尘粒时，后者在肺泡壁内大量积聚，由于超出机体对其清除的能力，常引起以白细胞和巨噬细胞浸润为主的巨噬细胞肺泡炎。当吸入的粉尘量超出含尘巨噬細胞（尘细胞）的转运和分解能力时，尘细胞和粉尘颗粒将会积聚于肺实质及间质内。此过程中，伴随着粉尘引起的免疫应答，病变局部发生胶原组织增生，肺泡结构及功能受损，最终导致肺组织纤维化。

1 计算机辅助诊断（computeraideddiagnosisCAD）技术的进展

计算机辅助诊断技术是一个相对年轻的跨学科技术。计算机技术和医学影像设备的快速发展，使人工智能，数字图像与影像学的图像处理可以有效的结合，以发现机体损伤，评估疾病的严重程度。利用计算机对医学图像的分析结果作为参考，放射科专家可以在疾病筛查，图像检测，癌风险评估等方面得出更为准确的诊断结论。以乳腺为例，CAD可检测微小钙化的分辨率为0.05-0.1mm，结节阴影为0.1-0.4mm，对比度深度可达10-12bit。1998年，用于乳腺癌筛查的CAD软件已经获得FDA认证，并应用于临床。国内也有学者进行了基于X线的乳腺肿块自动检测技术的研究，并且在其他方面如肺内小结节的自动筛查，肺结核的检测与诊断等计算机辅助技术也进行了大量的基础研究，取得了许多技术突破。一般来说，CAD是指计算机辅助诊断（computeraideddiagnosis）和计算机辅助检测（computeraideddetection），还包括计算机化的癌症风险评估和计算机化的肿瘤治疗评估。CAD技术的核心在于利用各种技术手段实现机器学习，继而给出一个合理的诊断结果。传统的机器学习模型一个重要特点是依靠人工经验预先提取出样本数据的特征，然后做出分类或预测。典型的CAD模型包括4个主要模块：图像预处理，定义感兴趣区ROI，特征的提取和选择以及对所选取的ROI进行

分类。

2 人工智能技术在尘肺病诊断中的应用研究进展

2.1AI在尘肺病诊断中的应用

培养一位合格的影像医师至少需要5～8年的时间，需要大量的临床实践才能胜任工作。AI解放了人类的大脑，具有丰富的知识存储能力、自我学习能力及多维思考能力，对于高强度、重复性、机械性的影像学诊断活动不会疲惫，不会视觉疲劳。影像医生可以把节约出来的时间从事创新性的思考及课题研究。尘肺病作为一种肺部弥漫性纤维化的疾病，高千伏X线胸片和数字化X线胸片是尘肺病筛查和诊断的有效手段;CT片还没有诊断标准，但在辅助诊断中发挥重要作用。CT在尘肺病诊断中的主要作用是在发现肺大泡、肺气肿、胸膜改变，且在与纵隔或横膈重叠的大阴影的诊断上，比X线胸片有很大优势，在与其他疾病的鉴别诊断上也起着重要作用。目前基于AI的医学影像学主要应用在CT的肺结节识别上，对于尘肺病诊断来说，胸片的AI诊断还需要做大量的研究工作。基于计算机辅助检测系统（computer-aideddetection，CAD）的尘肺病胸片计算和分析方法，大致分为两类：一类是在胸片上检测出圆形或不规则小阴影，然后对比国际劳工组织尘肺病标准片，将胸片分为正常或尘肺胸片;另一类是对胸片肺纹理进行分析以诊断尘肺，对尘肺病胸片肺纹理特征的研究是这几年研究的热门课题，主要通过灰阶直方图、灰阶共生矩阵、功率谱和胸片频率来计算纹理特征，不同的方法和数据设置表现出不同的特质。

2.2对尘肺病的病情进行分级诊断

“尘肺病治疗中国专家共识”中提出，进行尘肺病诊疗时应先评估病情后进行分级治疗。现行的职业性尘肺病诊断病名包括尘肺种类和分期，尚不能全面反映病情程度，需要进行完善。建议将影响病情及预后的因素如粉尘性质、期别、临床症状、肺功能损伤程度、并发症及合并症、危险因素（如吸烟、营养不良等）也纳入尘肺病临床诊断分级，用于分级诊疗、康复指导和预后评估，即症状严重程度可参照慢阻肺评估试验（CAT）评分表、呼吸困难程度可选用呼吸困难评分表（mMRC）、肺功能损伤程度可根据肺功能测定和血气分析检查结果判定、并发症及合并症可根据各个独立疾病病情分级（或分度）进行评估、危险因素可按照因素多少和对病情影响程度进行评估。

2.3ANN技术分类诊断尘肺病

ANN是以数学模型模仿大脑神经网络结构和学习能力而建立的一种机器学习过程。ANN把大量的处理单元互相连接形成复杂网络结构，通过对已知信息的反复学习训练，逐步调整改变处理单位连接权重，达到信息处理、模拟人脑组织输入输出的功能。

结 语

尘肺病是一种预防可控的疾病，若能早期发现、早期诊断并实施有效干预，就可在很大程度上减少末期尘肺病的发病率，提高尘肺患者的生活质量。尘肺病的影像学诊断标准依据X线胸片制定，包括高千伏X线胸片和数字化X线胸片。

参考文献

[1] 萧毅，刘士远.人工智能将改变影像医学的未来[J].科技与金融，2018（10）：11-15.

[2] 李德鸿.不要把尘肺病防治引入歧途[J].环境与职业医学，2018，35（4）：283-285.