2017年，醫學人工智能浙江省工程實驗室落戶浙江大學醫學院附屬第一醫院，到目前為止，醫院已經研發了5個智能診斷系統，并應用于臨床實踐。
5秒鐘圈出甲狀腺是惡性結節，還是良性結節
“在臨床繁重的超聲檢查工作中，一位超聲醫生每天需要檢查上百位患者，他們需要人工采集甲狀腺超聲圖像，并根據甲狀腺結節圖像進行實時診斷，對超聲醫生的專業素養要求較高，其中也不乏因為圖像繁多而導致醫生出現視覺疲勞，或因為臨床經驗不足，發生漏診、誤診”，浙江大學附屬第一醫院超聲影像科副主任醫師趙齊羽介紹，“而甲狀腺超聲人工智能輔助診斷系統，則可以智能識別出甲狀腺結節，并對良惡性進行判斷，極大地減少結節的漏診誤診，縮短診斷所需的時間。”
在操作中，超聲醫生采集了患者的甲狀腺超聲圖像后，電腦可以實時發送給人工智能服務器進行智能讀圖和結果分析。5秒鐘后，服務器會給出診斷結果，勾畫結節邊界，用紅色來表示惡性結節，用綠色來表示良性結節，并語音提醒，告知是否發現結節以及結節的良惡性。
目前該系統已經學習了超過5萬份包含病理結果的甲狀腺結節圖像，對超過2mm的結節，其病灶檢出率高達98%，與活檢結果比較準確率達88.1%。目前在我院超聲科應用超過300例，主要用于輔助規培生診斷甲狀腺結節。
人工智能輔助診斷肺小結節判讀
“一位放射科醫生就胸部CT這一項檢查，每天至少需閱讀4～5萬張影像圖像，”浙江大學醫學院附屬第一醫院放射科主任醫師阮凌翔說，“醫生的經驗與穩定性、知識儲備存在差異，再加上閱片視覺疲勞，都會增加肺小結節的漏診及誤診風險。”因此，浙大一院充分利用互聯網和人工智能技術，在肺小結節判讀上應用人工智能輔助診斷系統。
一位患者的人工閱片需要花費十分鐘，而人工智能通過后臺數據預處理后只需要幾秒鐘就可以在應用終端給予輔助診斷，降低漏診率，提高診療水平。其基本步驟是，使用圖像分割算法對肺部掃描原始數據進行處理，利用肺部分割生成的肺部區域圖像，加上結節標注信息生成結節區域圍像，得到疑似肺結節區域，并對其進行分類，得到真正肺結節的位置和置信度，再對同一患者的歷史影像進行比較和定量分析，評估良惡性概率。
此外，浙醫一院的人工智能宮頸細胞學輔助閱片系統、醫能眼底影像輔助診斷系統、前列腺癌超聲人工智能輔助診斷系統等都大大提高了診斷效率。
京公網安備 11010502049343號