人工智能技术的展望
人工智能技术的展望时间：2023-04-1810:33:32
[提要]人工智能(AI)是研究模拟、延伸和扩展人类智能的一门新的技术科学。随着数据储存、图像处理、模式识别和机器学习等技术的进步,AI技术在泌尿系结石的诊治方面应用广泛。基于AI的应用,可以使医务工作者的诊断更为精准,治疗更加个体化。然而,目前AI在临床应用中仍有一些不足之处需要进一步解决。本文就AI技术在泌尿系结石疾病诊疗中的应用及前景进行综述,并进一步探讨其局限性与未来的发展趋势。
[关键词]人工智能;泌尿系结石;结石成分分析;体外冲击波碎石;经皮肾镜取石术
随着经济和科技的进步,各种新技术和新设备的不断涌现,使得泌尿外科从诊断到治疗均发生了革命性的变化。近年来,数据储存、图像处理、模式识别和机器学习等技术的巨大进步,人工智能(ar-tificialintelligence,AI)在泌尿系结石的诊疗方面广泛应用[1]。AI的定义是指机器模仿人类认知和执行人类任务的计算能力[2]。AI技术在医学领域的快速发展和应用,使临床诊疗过程变得更加高效和精准,主要包括辅助诊断、结局预测、相关风险因素评估等。机器学习(machinelearning,ML)是AI的一个分支,它在临床研究中应用最多,包括深度学习(deeplearning,DL)、人工神经网络(artificialneuralnetworks,ANN)、自然语言处理(naturallanguageprocessing,NLP)和计算机视觉等技术,可有助于疾病的诊断和预测治疗结果等[3]。AI从医学研究、临床决策等方面推动了诊疗模式的转变,促使疾病的监测、预防、诊断、治疗、随访等发生了巨大的变革[4-5]。在过去的20年中,泌尿系结石的诊疗和管理也逐步改变。随着AI的应用,可以对结石成分、结石清除率、手术效果和并发症进行预测,并且有很高的准确率(表1)。本文就AI技术在泌尿系结石诊疗中的应用作一综述,并进一步探讨其存在的问题和未来发展方向。
1、AI技术在泌尿系结石诊断中的应用
1.1AI技术在输尿管结石诊断中的应用
输尿管结石是泌尿外科常见的疾病之一[6],随着影像设备的不断升级,输尿管结石的诊断水平逐步升高,但仍有一定的误诊与漏诊。近年来研究显示,AI技术的应用有助于提高输尿管结石诊断的正确率和效率,一些相关的AI模型取得了不错的效果2018年Langkvist等[7]基于CT的薄层图像,使用深度学习卷积神经网络(deeplearningconvolutionalneuralnetwork,DCNN)来区分输尿管结石和静脉石,测试灵敏度为100%,每例患者的平均假阳性率为2.68%。2020年Jendenber等[8]根据非对比CT,开发了一个卷积网络(convo-lutionalnetworks,CNN)模型来区分输尿管远端结石和静脉结石,并将这些结果与7名放射科专家的报道进行了比较,CNN模型的准确率高达92%,而放射科医生为86%。Parakh等[9]研究了CNN模型的诊断性能,使用9种不同的变异模型,实现了超过90%的准确率。总的来说,通过AI技术的应用可以进一步提高诊断的正确率和工作效率,同时选择适合患者的治疗方式。
1.2AI技术在肾结石诊断中的应用
肾结石是泌尿系疾病中的常见疾病,其发病率和复发率逐年上升[10]。研究人员将AI技术应用于肾结石的诊断取得了良好的效果。2019年DePerro等[11]基于低剂量CT开发了一个ML模型来区分肾结石和静脉结石,该模型的准确率为85.1%。Selvarani等[12]使用元启发式支持向量算法来诊断肾结石,训练中准确率可达98.8%。2020年Nithya等[13]开发了一种ANN模型用于肾结石诊断,该模型主要利用分类算法将图像分为异常图像和正常图像,然后对异常图像进行深度分割,模型精度达到了99.6%。AI模型的应用可以极大地提高医务工作的效率,更好地服务患者。
2、AI技术在泌尿系结石治疗中的应用
2.1AI技术在体外冲击波碎石术中的应用
体外冲击波碎石术(extracorporealshockwavelithotripsy,ESWL)在过去的30年中一直是治疗泌尿系结石的主要方法之一,ESWL具有创伤小且无需麻醉的优点,在临床上广泛应用[14]。目前将AI技术与ESWL相结合,可以预测结石清除因素,调整治疗参数,来提高结石清除率并且减少并发症。2003年Poulaki等[15]使用ANN模型来预测ESWL的碎石成功率,准确率达到92%。同时通过该模型发现与结石清除率相关的风险因素,例如体重指数(BMI)、骨盆高度和石头大小等。2017年Hand等[16]利用多光谱神经网络(multi-spectralneuralnetwork,MSNN)模型来量化ESWL术后肾出血的风险,该模型具有较高的精度(79%)。2019年Singla等[17]开发了一种计算机视觉算法来提高ESWL治疗中的结石中靶率,提高碎石效率。Seltzer等[18]应用DL技术开发了一种预测算法,结石清除的预测准确率为88%,预测并发症的准确率为77%。通过AI的应用,可以进一步提高患者的碎石成功率并且降低术后并发症的发生率,更加精准地为患者提供治疗,促进医患关系。
2.2AI技术在经皮肾镜取石术中的应用
近几年由于饮食习惯的改变导致肾结石的临床发病率呈逐年上升趋势[19]。传统开放手术创伤大,恢复期长,手术中容易造成大出血,增加患者风险。随着医学技术的进步,经皮肾镜取石术(per-cutaneousnephrolithotomy,PCNL)逐渐完善,并在临床上得到广泛应用。目前研究将AI技术应用于PCNL,进行相关的结局预测和手术指导,为患者提供更好的治疗。2019年Shabaniyan等[20]利用ML技术开发了一个决策支持系统(decisionsupportsystem,DSS)来预测肾结石手术治疗的结果,该模型对治疗效果,是否需要置入支架,术后是否需要输血有很高的预测率。Taguchi等[21]开发了一个AI驱动的机器人辅助透视(AI-drivenrobot-assistedfluoroscopy-guided,RAG)穿刺引导模型,该模型使用X射线自动定位系统,并且临床试验中单次穿刺成功率高。2020年Aminsharif等[22]开发了一种神经网络算法来预测PCNL的结果,该算法的灵敏度和精度范围均为81%~98.2%。通过AI的辅助,可以在术前对患者进行全面的评估,提高手术成功率,增强医患之间的信任程度,提高医疗质量。
3、AI技术在结石成分预测中的应用
结石成分分析是明确结石性质的“金标准”,对结石患者的预防与饮食指导具有重要意义。目前研究表明可以运用AI技术进行结石成分预测并且具有较高的准确率。2016年Kreigshauser等[23]基于ML模型和CT图像设计的算法,在预测结石是否含有尿酸达到了100%的准确性。2018年Ka-zem等[24]收集患者尿酸、血清钙水平、高血压和糖尿病病史等信息建立一个集成学习模型。通过该模型可以预测结石成分和预防复发,模型的准确率高达97.1%。2019年Bejan等[25]开发了一种自然语言处理(NLP)算法,该系统对除尿酸外的所有结石类型的阳性预测值大于90%。2020年Hokamp等[26]基于双能CT图像,根据石头和体素计算,来预测肾结石的主要结石成分,该模型对结石关键成分的预测准确率接近90%。结合临床信息建立相应的AI模型,可以在非侵入的状态下进行结石成分预测,为结石患者的长期管理提供重要的信息。
4、总结与展望
AI已被应用于泌尿系结石的很多领域,包括诊断、预测治疗适宜性和成功率等。但是,它仍然是一个以研究为基础的工具,并没有在临床实践中普遍应用。这可能是由于患者群体的多样性使其开发难度与成本大大增高。目前的研究结果多基于单中心研究,存在研究数据较少的缺陷。然而,AI具有非常大的潜力,未来的人工智能研究将不仅仅局限于结石领域,更应该全面地与临床相结合,争取在肿瘤等其他亚专科有一定的突破。同样未来的研究重点还应该更多地关注患者的生活质量和治疗成本,并设计出更为简捷和经济的通用算法,使得AI技术更好地服务于广大患者。
参考文献
[1]秦锋,袁久洪.人工智能在泌尿疾病诊断中的应用现状与趋势[J].生物医学工程学杂志,2020,37(2):230-235.
作者:李云鹏吕建林单位:临床泌尿外科
人工智能导论
为积极响应国家低碳环保政策，2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
大数据与人工智能论文
经过一学期的学习，我对大数据与人工智能有了基本的认识。身处大数据时代，云计算、人工智能等核心技术正在以“一往无前”的气势推动着企业创新和新一轮技术的变革。数据记录着庞大的行为轨迹以及商业触点，让一切可溯。
随着移动互联网和云计算的的飞速发展，空间位置数据的快速沉淀和积累，使得空间大数据迅速崛起，登上舞台。而机器深度学习、人工智能技术的诞生则进一步拓展了空间大数据的服务能力，人工智能技术不仅能够提升数据处理能力及效率、降低人力消耗，更使得空间大数据服务应用到更多领域，在针对不同客户需求，精准定制数据信息服务方面都有着出色的表现。当空间大数据、云计算与人工智能发生碰撞，地理服务产业势必会发生神奇的变革与进步。
继移动互联技术和云计算技术之后,能够称得上颠覆性信息技术的当属大数据技术了。大数据主要包括采集与预处理、存储与管理、分析与加工、可视化计算及数据安全等，具备数据规模不断扩大、种类繁多、产生速度快、处理能力要求高、时效性强、可靠性要求严格、价值大但密度较低等特点，为人工智能提供丰富的数据积累和训练资源。以人脸识别所用的训练图像数量为例，百度训练人脸识别系统需要2亿幅人脸画像。它使得我们能够对数量大、种类多、价值密度低、本身快速变化的数据进行有效地、低成本地存取、检索、分类以及统计。但这不代表我们可以高效率和低成本地掌握这些数据中蕴藏的巨大价值,诸如隐性社会科学规律和经验。不过值得一提的是,人工智能技术在大数据分析、预测等领域已经开始崭露头角,展现出了强劲的发展势头,大数据的核心使用价值在人工智能技术的发展与运用下展示了巨大潜力。同时,大数据技术的发展也为人工智能领域带来了大量机遇和挑战,更加激发了该领域的无限发展可能性。大数据分为三个层次。一是容量很大的数据，比如两个仓库都堆满了很多书，甲仓库的书全是大学二年级数学教材，乙仓库的为大学各类教材及其提升学生综合能力的各类图书，两仓库都满足了“大”的要求；二是大容量且有用的数据，比如对大学教学来说，肯定上述甲仓库的书几乎没用，而乙能满足这一要求；三是从中挖掘核心数据的强大能力，这个很考水平。所以，大数据不能简单地理解为数据多，其核心是数据挖掘。挖掘数据则要涉及到云计算。这种如云般运算的能力与强度，实际上就是考验科技与研发人员的“认知”水准。但数据实际上是个老掉了牙的东西。上古时期的结绳记事、以月之盈亏计算岁月，到后来部落内部以猎物、采摘多寡计算贡献，再到历朝历代的土地农田、人口粮食、马匹军队等各类事项都涉及到大量的数据。这些数据虽然越来越多、越来越大，但是，人们都未曾冠之以“大”字，那是什么事情让“数据”这瓶老酒突然换发了青春并如此时髦了起来呢?
对比大数据和人工智能产业的发展是有启发的。因为人工智能的发展和数据密不可分，而且目前人工智能发展所取得的成就大部分和大数据密切相关，因此观察大数据产业的发展对人工智能产业发展很有意义，同时我们认为数据驱动的商业比智能驱动的商业更符合产业的本质，实际上大数据产业的落地能力是强于人工智能的，所以大数据产业发展中出现的问题对人工智能产业发展很有意义。大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作，比如机器学习就是数据分析的常用方式。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是人工智能产品，为智能体提供的数据量越大，智能体运行的效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。在计算力指数级增长及高价值数据的驱动下，以人工智能为核心的智能化正不断延伸其技术应用广度、拓展技术突破深度，并不断增强技术落地（商业变现）的速度，例如，在新零售领域，大数据与人工智能技术的结合，可以提升人脸识别的准确率，商家可以更好地预测每月的销售情况；在交通领域，大数据和人工智能技术的结合，基于大量的交通数据开发的智能交通流量预测、智能交通疏导等人工智能应用可以实现对整体交通网络进行智能控制；在健康领域，大数据和人工智能技术的结合，能够提供医疗影像分析、辅助诊疗、医疗机器人等更便捷、更智能的医疗服务。同时在技术层面，大数据技术已经基本成熟，并且推动人工智能技术以惊人的速度进步；产业层面，智能安防、自动驾驶、医疗影像等都在加速落地。
目前大数据相关技术已经趋于成熟，相关的理论体系已经逐步完善，而人工智能尚处在行业发展的初期，理论体系依然有巨大的发展空间。从学习的角度来说，如果从大数据开始学习是个不错的选择，从大数据过渡到人工智能也会相对比较容易。总的来说，两个技术之间并不存在孰优孰劣的问题，发展空间都非常大。