前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能技術的展望范文，希望能給你帶來靈感和參考，敬請閱讀。
[提要]人工智能(AI)是研究模擬、延伸和擴展人類智能的一門新的技術科學。隨著數據儲存、圖像處理、模式識別和機器學習等技術的進步,AI技術在泌尿系結石的診治方面應用廣泛。基于AI的應用,可以使醫務工作者的診斷更為精準,治療更加個體化。然而,目前AI在臨床應用中仍有一些不足之處需要進一步解決。本文就AI技術在泌尿系結石疾病診療中的應用及前景進行綜述,并進一步探討其局限性與未來的發展趨勢。
[關鍵詞]人工智能;泌尿系結石;結石成分分析;體外沖擊波碎石;經皮腎鏡取石術
隨著經濟和科技的進步,各種新技術和新設備的不斷涌現,使得泌尿外科從診斷到治療均發生了革命性的變化。近年來,數據儲存、圖像處理、模式識別和機器學習等技術的巨大進步,人工智能(ar-tificialintelligence,AI)在泌尿系結石的診療方面廣泛應用[1]。AI的定義是指機器模仿人類認知和執行人類任務的計算能力[2]。AI技術在醫學領域的快速發展和應用,使臨床診療過程變得更加高效和精準,主要包括輔助診斷、結局預測、相關風險因素評估等。機器學習(machinelearning,ML)是AI的一個分支,它在臨床研究中應用最多,包括深度學習(deeplearning,DL)、人工神經網絡(artificialneuralnetworks,ANN)、自然語言處理(naturallanguageprocessing,NLP)和計算機視覺等技術,可有助于疾病的診斷和預測治療結果等[3]。AI從醫學研究、臨床決策等方面推動了診療模式的轉變,促使疾病的監測、預防、診斷、治療、隨訪等發生了巨大的變革[4-5]。在過去的20年中,泌尿系結石的診療和管理也逐步改變。隨著AI的應用,可以對結石成分、結石清除率、手術效果和并發癥進行預測,并且有很高的準確率(表1)。本文就AI技術在泌尿系結石診療中的應用作一綜述,并進一步探討其存在的問題和未來發展方向。
1、AI技術在泌尿系結石診斷中的應用
1.1AI技術在輸尿管結石診斷中的應用
輸尿管結石是泌尿外科常見的疾病之一[6],隨著影像設備的不斷升級,輸尿管結石的診斷水平逐步升高,但仍有一定的誤診與漏診。近年來研究顯示,AI技術的應用有助于提高輸尿管結石診斷的正確率和效率,一些相關的AI模型取得了不錯的效果2018年Langkvist等[7]基于CT的薄層圖像,使用深度學習卷積神經網絡(deeplearningconvolutionalneuralnetwork,DCNN)來區分輸尿管結石和靜脈石,測試靈敏度為100%,每例患者的平均假陽性率為2.68%。2020年Jendenber等[8]根據非對比CT,開發了一個卷積網絡(convo-lutionalnetworks,CNN)模型來區分輸尿管遠端結石和靜脈結石,并將這些結果與7名放射科專家的報道進行了比較,CNN模型的準確率高達92%,而放射科醫生為86%。Parakh等[9]研究了CNN模型的診斷性能,使用9種不同的變異模型,實現了超過90%的準確率。總的來說,通過AI技術的應用可以進一步提高診斷的正確率和工作效率,同時選擇適合患者的治療方式。
1.2AI技術在腎結石診斷中的應用
腎結石是泌尿系疾病中的常見疾病,其發病率和復發率逐年上升[10]。研究人員將AI技術應用于腎結石的診斷取得了良好的效果。2019年DePerro等[11]基于低劑量CT開發了一個ML模型來區分腎結石和靜脈結石,該模型的準確率為85.1%。Selvarani等[12]使用元啟發式支持向量算法來診斷腎結石,訓練中準確率可達98.8%。2020年Nithya等[13]開發了一種ANN模型用于腎結石診斷,該模型主要利用分類算法將圖像分為異常圖像和正常圖像,然后對異常圖像進行深度分割,模型精度達到了99.6%。AI模型的應用可以極大地提高醫務工作的效率,更好地服務患者。
2、AI技術在泌尿系結石治療中的應用
2.1AI技術在體外沖擊波碎石術中的應用
體外沖擊波碎石術(extracorporealshockwavelithotripsy,ESWL)在過去的30年中一直是治療泌尿系結石的主要方法之一,ESWL具有創傷小且無需麻醉的優點,在臨床上廣泛應用[14]。目前將AI技術與ESWL相結合,可以預測結石清除因素,調整治療參數,來提高結石清除率并且減少并發癥。2003年Poulaki等[15]使用ANN模型來預測ESWL的碎石成功率,準確率達到92%。同時通過該模型發現與結石清除率相關的風險因素,例如體重指數(BMI)、骨盆高度和石頭大小等。2017年Hand等[16]利用多光譜神經網絡(multi-spectralneuralnetwork,MSNN)模型來量化ESWL術后腎出血的風險,該模型具有較高的精度(79%)。2019年Singla等[17]開發了一種計算機視覺算法來提高ESWL治療中的結石中靶率,提高碎石效率。Seltzer等[18]應用DL技術開發了一種預測算法,結石清除的預測準確率為88%,預測并發癥的準確率為77%。通過AI的應用,可以進一步提高患者的碎石成功率并且降低術后并發癥的發生率,更加精準地為患者提供治療,促進醫患關系。
2.2AI技術在經皮腎鏡取石術中的應用
近幾年由于飲食習慣的改變導致腎結石的臨床發病率呈逐年上升趨勢[19]。傳統開放手術創傷大,恢復期長,手術中容易造成大出血,增加患者風險。隨著醫學技術的進步,經皮腎鏡取石術(per-cutaneousnephrolithotomy,PCNL)逐漸完善,并在臨床上得到廣泛應用。目前研究將AI技術應用于PCNL,進行相關的結局預測和手術指導,為患者提供更好的治療。2019年Shabaniyan等[20]利用ML技術開發了一個決策支持系統(decisionsupportsystem,DSS)來預測腎結石手術治療的結果,該模型對治療效果,是否需要置入支架,術后是否需要輸血有很高的預測率。Taguchi等[21]開發了一個AI驅動的機器人輔助透視(AI-drivenrobot-assistedfluoroscopy-guided,RAG)穿刺引導模型,該模型使用X射線自動定位系統,并且臨床試驗中單次穿刺成功率高。2020年Aminsharif等[22]開發了一種神經網絡算法來預測PCNL的結果,該算法的靈敏度和精度范圍均為81%~98.2%。通過AI的輔助,可以在術前對患者進行全面的評估,提高手術成功率,增強醫患之間的信任程度,提高醫療質量。
3、AI技術在結石成分預測中的應用
結石成分分析是明確結石性質的“金標準”,對結石患者的預防與飲食指導具有重要意義。目前研究表明可以運用AI技術進行結石成分預測并且具有較高的準確率。2016年Kreigshauser等[23]基于ML模型和CT圖像設計的算法,在預測結石是否含有尿酸達到了100%的準確性。2018年Ka-zem等[24]收集患者尿酸、血清鈣水平、高血壓和糖尿病病史等信息建立一個集成學習模型。通過該模型可以預測結石成分和預防復發,模型的準確率高達97.1%。2019年Bejan等[25]開發了一種自然語言處理(NLP)算法,該系統對除尿酸外的所有結石類型的陽性預測值大于90%。2020年Hokamp等[26]基于雙能CT圖像,根據石頭和體素計算,來預測腎結石的主要結石成分,該模型對結石關鍵成分的預測準確率接近90%。結合臨床信息建立相應的AI模型,可以在非侵入的狀態下進行結石成分預測,為結石患者的長期管理提供重要的信息。
4、總結與展望
AI已被應用于泌尿系結石的很多領域,包括診斷、預測治療適宜性和成功率等。但是,它仍然是一個以研究為基礎的工具,并沒有在臨床實踐中普遍應用。這可能是由于患者群體的多樣性使其開發難度與成本大大增高。目前的研究結果多基于單中心研究,存在研究數據較少的缺陷。然而,AI具有非常大的潛力,未來的人工智能研究將不僅僅局限于結石領域,更應該全面地與臨床相結合,爭取在腫瘤等其他亞專科有一定的突破。同樣未來的研究重點還應該更多地關注患者的生活質量和治療成本,并設計出更為簡捷和經濟的通用算法,使得AI技術更好地服務于廣大患者。
參考文獻
[1]秦鋒,袁久洪.人工智能在泌尿疾病診斷中的應用現狀與趨勢[J].生物醫學工程學雜志,2020,37(2):230-235.
作者:李云鵬 呂建林 單位:臨床泌尿外科