人工智能已經廣泛應用于很多醫療領域，隨著技術的逐漸進步，其在醫學影像領域中的應用得到了蓬勃發展。醫學影像人工智能肇始于20世紀60年代，但是由于當時技術水平的限制，其發展并未達到預期。20世紀80年代，隨著人工神經網絡和基于人工智能的計算機輔助診斷(computer-aided diagnosis，CAD)軟件的開發應用，人工智能開始逐漸整合到放射科日常工作流程中。進入21世紀以來，隨著人工智能技術的飛速發展，其在醫學影像尤其是腫瘤影像中的應用日新月異，在腫瘤檢出、定性診斷、自動結構化報告、腫瘤提取及腫瘤放療靶器官勾畫等方面已經有較多的臨床研究和應用。

人工智能是指具備解決問題能力，同時能夠自我學習并解決相關衍生新問題的人工產品。人工智能技術整合入計算機系統，試圖在解決某一問題時達到或超過人類的水平。由于醫學影像臨床工作的復雜性，直到近期人工智能技術才能進行精準的醫學影像圖像分析。目前學術界普遍接受的觀點是，人工智能應用于醫學影像日常工作中，可以減少放射科醫師的重復簡單工作并降低人為錯誤，但即使其能達到更高的技術水平并能控制成本應用于臨床工作，也不能取代放射科醫師的全部臨床工作，尤其是需要與人溝通交流的相關工作。

人工智能在腫瘤影像中應用較為成熟的領域包括：① 肺部結節和肺癌篩查;② 乳腺癌篩查;③ 前列腺癌影像診斷。

1. 肺部結節和肺癌篩查

與基于人工智能技術的CAD軟件和放射科醫師分別單獨進行診斷相比較，CAD軟件與放射科醫師共同診斷可以有效提高胸片和CT上肺結節的檢出率。2016年進行的一項大規模研究在50臺CT掃描設備上使用了4種CAD軟件用以檢出放射科醫師漏診的肺部結節，發現CAD軟件可以檢出56%~70%漏診的結節，其中包括17%的3 mm以下腫瘤和69%~78%的3~6 mm腫瘤，這種大小的腫瘤經常被醫師漏診。使用更加先進的人工智能數據處理技術如多視點卷積網絡，可以進一步降低CAD軟件篩查肺部結節的假陽性率。如果不同放射科醫師對肺部結節性質有爭議，CAD軟件的診斷意見有助于結節性質的判定。肺部結節和肺癌篩查的人工智能CAD軟件可以幫助放射科醫師準確檢出早期小腫瘤，降低醫師工作強度和人為錯誤的發生率。

2. 乳腺癌篩查

乳腺癌影像篩查是人工智能機器學習較早應用的領域，目前CAD軟件已經較好地融入乳腺癌影像診斷的日常工作流程中。在乳腺鉬靶X線攝影、超聲、MRI及X線斷層成像等不同檢查方法中，基于人工智能的CAD軟件篩查乳腺結節、診斷乳腺癌的準確性均較高。

CAD軟件目前廣泛應用于X線攝影對乳腺癌的篩查，相關研究主要集中在提高鈣化灶和腫塊檢出的準確性方面。X線攝影對微鈣化灶的檢出率較高，但對腫塊的檢出率受腺體密度的影響。2016年，Patel等開發了自然語言處理軟件算法，該算法準確獲得了543例乳腺癌患者乳腺X線攝影的關鍵特征，并與乳腺癌亞型進行了相關性分析，其診斷速度是普通醫師的30倍，且準確率高達99%。

CAD軟件可以輔助乳腺MRI的視覺評估，并提供有用的附加信息。研究發現，CAD軟件對MRI評估浸潤性乳腺癌對新輔助化療的反應具有高特異度，可達100%，但靈敏度較低，僅為52.4%，因此尚不能取代視覺成像評估。CAD軟件對MRI評估浸潤性乳腺癌的多灶性具有明顯優勢，但對評估淋巴結的轉移狀態效果不佳。

3. 前列腺癌影像診斷

前列腺癌是西方男性發病率第1位的惡性腫瘤，多參數MRI在前列腺癌的影像檢出、定位和分期方面發揮著重要作用，但是前列腺多參數MRI技術較為復雜，序列較多，結果判讀時間較長，難度較大。已有研究發現，基于多模態卷積神經網絡的人工智能CAD技術，在多參數MRI中可以較準確地自動診斷前列腺癌。使用CAD軟件也可以準確地進行前列腺區域自動分割和腫瘤體積測定。

此外，在腫瘤影像診斷臨床工作中，基于人工智能的機器學習技術，在腫瘤患者影像學檢查方法和流程制訂、影像成像、自動化解析影像和結構化報告、圖像質量分析、檢查放射劑量預估等方面，也有相關的研究報道，在今后的腫瘤影像實際臨床工作中可能會起到積極的作用。

隨著人工智能技術的發展及其與臨床數據的緊密結合，腫瘤影像數據結合臨床數據，在人工智能輔助下轉換成臨床決策，是今后腫瘤臨床診療路徑中的重要發展方向。在腫瘤影像學領域，人工智能技術的介入結合大數據挖掘，使得腫瘤影像大數據在人工智能篩選、梳理和提取后，可能轉換成有效的臨床決策。2017年7月8日國務院印發的《新一代人工智能發展規劃》提出了我國研發人機協同臨床智能診療方案的計劃。腫瘤影像技術的發展、人工智能技術的進步和醫療大數據的不斷積累，必將促使腫瘤智能醫療的發展進入新時代。