山东首例人工智能眼底影像系统为基层眼科赋能—新闻—科学网
眼科+物联网+AI山东首例人工智能眼底影像系统为基层眼科赋能系统诊断后生成的报告
阅片结果
眼底照相设备与云平台连接，实现眼底影像实时上传、AI快速出具诊断建议
眼底照相是眼底疾病诊断的重要手段
近日，山东第一医科大学附属青岛眼科医院在山东省内率先部署了行业领先的EyeWisdom眼底影像AI分析系统，该系统可以通过连接部署在云端的PACS系统，通过物联网手段将眼底照相设备与云平台连接，实现眼底影像实时上传、AI快速出具诊断建议，为基层医疗机构的眼科赋能，提高眼底疾病诊断的准确率，让更多患者在家门口就能做到疾病的早发现、早诊断、早治疗。
眼底疾病患病率高、筛查不足，亟需早诊早治
“以眼底疾病中发病率较高的糖尿病视网膜病变为例，据统计我国患者群体总数超过2700万，是目前工作年龄人群第一位的致盲性眼病。从我们日常接诊的患者来看，超过一半的糖尿病患者没有定期进行眼底检查的习惯，这埋下了很大的隐患。”青岛眼科医院北部院区眼底病科副主任医师李君介绍，眼底疾病发病率高，发展至后期会导致不可逆的严重视力下降，甚至失明。同时，此类疾病往往发病隐匿、进展缓慢，当出现明显症状时候往往已经错过最好的治疗时机。眼底彩照检查是发现眼底疾病的最简便有效的方法，如能够定期行眼底检查，可以实现早发现、早干预、早治疗。
然而，即便是在医疗资源丰富的一线城市，能定期接受眼底检查的人依然不多，多数都是发现视力出现问题才到医院就诊。长久以来，我国各类医学影像检查严重受制于诊断资源不足，自2016年深度学习应用进入更大规模应用的新阶段，技术补位医学影像诊断的思路也历经了数年发酵，产品几近成熟。
早筛早治，不仅成本低，而且对于糖网这样的疾病甚至可能通过饮食调整等方式的得以改善，根本不需要医疗手段介入就能好转。对于三甲医院而言，有筛查项目的情况下，EyeWisdom眼底影像分析软件可以提高其诊断效率。
10秒钟出眼底诊断报告，准确率超过90%
10月9日下午，在青岛眼科医院北部院区的门诊检查室，记者现场做了一次眼底照相和人工智能阅片的体验，录入信息、眼底照相、上传系统、生产诊断，整个过程不过两三分钟，而照片上传到人工智能阅片系统之后，只需要10秒钟左右，就会自动生成诊断报告。记者注意到，为了帮助医生更好地掌握患者病情，系统除了给出诊断建议，还会在眼底照相图片上标注出微血管瘤、视网膜出血、硬渗出、棉绒斑等病灶，不同病灶的标记颜色和类型都不同，一目了然。
据了解，该套人工智能阅片系统采用灵敏度、特异性、准确度作为评价指标，在超过3000张图片组成的测试集上测试，诊断眼科常见的22种眼底疾病和状况，其特异性和灵敏度结果均超过90%。该系统可以实现眼底疾病多病种的智能检测和诊断，可诊断视网膜血管类疾病、视神经类病变、黄斑类病变、脉络膜类病变等四大类眼底疾病，像常见的年龄相关性黄斑病变、糖尿病视网膜病变、黄斑前膜、视网膜静脉阻塞等眼底疾病，对这套系统来说都不在话下。
人工智能系统并非包揽一切，比如发现出血现象，如果患者是糖尿病患者，可能是糖尿病并发症；但如果不是糖尿病患者，就可能是其他疾病的病变表现，这时候就需要大夫结合患者全身情况作出判断，有些是疑似判断，甚至需要做进一步的做OCT检查、造影检查等。
深度学习模型训练+大规模标注数据集，练就火眼金睛
能识别如此多的眼底疾病，诊断如此迅速，这套系统是如何做到的呢？这套系统由Vistel公司与国内多家顶尖眼科医疗机构联合研发，通过大规模标注数据集,由专业眼科大夫先后标注10万余张眼底照相图片，涉及超过30种常见的眼底疾病和视神经疾病。采用深度卷积网络作为模型，以迁移学习作为技术路线，改进模型结构以适应真实临床场景，在现有数据中已训练出基础模型。
目前，眼底病的相关人工智能技术的应用于数码眼底照相的研究多侧重于糖尿病视网膜病变的单一病种；针对多种眼底疾病同时筛查的人工智能自动识别和转诊系统还未见报道。EyeWisdom从最初的糖尿病视网膜病变辅助诊断，到眼底多病种筛查，后续还在不断扩大疾病覆盖领域。不仅能应用到基层筛查，同时能应用在内分泌和内科门诊中对糖尿病患者眼底并发症的检测。
物联网+云PACS+AI使眼科专家常驻身边，“软技术”提升基层眼科“硬实力”
“眼底检查需要眼底专业医生和检查设备，设备投入较高，医生培养困难，是普遍存在的问题。如今越来越多的基层医疗机构和体检中心开始配备眼底照相设备，但专业眼科医生却难以解决。这些机构受限于专业程度和人才团队，难以培养出有经验的眼科医生。现在往往出现了这种怪圈，三级医院有医生、有设备，却没有时间和人力长期驻扎在基层；基层医院和查体中心有固定群体人群，有做筛查的动力，却苦于没有专业医生。”李君主任提到，有了免散瞳眼底相机的硬件，接下来就需要人工智能阅片系统出场了，提升基层医疗机构的“硬实力”。
青岛眼科医院北部院区常务副院长郭振介绍，目前三甲医院、尤其是三甲眼科医院医生团队诊断水平普遍较高，而二级医院、基层医疗卫生服务机构和体检中心等对于眼底阅片的需求非常大，为此青岛眼科医院在2017年建立了眼底病诊疗中心和“互联网+眼科”医联体，但是还有前期PACS系统投入大、无法即时获取检查报告等痛点。而随着EyeWisdom系统首次引入山东，通过物联网+云PACS的建设理念使眼科医联体上下机构均不需投入巨资建设影像传输系统，人工智能阅片系统能够为基层医疗机构的诊断进行赋能，大大减少误诊率和漏诊率。因此，有了物联网+人工智能，我们就有“常驻身边的眼科专家”，让更多患者在家门口就能随时掌握自己的病情，及时采取有效的防控措施实现早诊早治，避免病情的加重。
据了解，青岛眼科医院在李沧区中心医院、沧口街道社区卫生服务中心等医联体合作单位已经完成了EyeWisdom眼底影像AI分析系统的部署，包括美年大健康在内的医联体体检中心也逐步开始试用，后期将实现对青岛眼科医院“互联网+医联体”单位的全覆盖。
智能影像辅助诊断在基层医疗机构的应用模式研究
智能影像辅助诊断在基层医疗机构的应用模式研究2022-08-19李翠华刘玉转高昭昇 / 中国数字医学关注已关注智能影像辅助诊断在基层医疗机构的应用模式研究
去APP听更多资讯我行我show！中国医院管理案例评选，医院卓越管理实践大秀场。点击查看随着人工智能产业的不断发展，利用AI技术在医学影像领域开展辅助诊断成为医疗信息化研究的重要方向。
人工智能（artiffcialintelligence，AI）作为当今最为热门的话题之一，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。近年来，随着AI的不断发展和创新，国家鼓励推进医疗健康AI应用评估，开展AI应用案例研究，促进AI技术与医疗健康领域深度融合。2018年国务院办公厅发布《促进“互联网+医疗健康”发展的意见》，鼓励医疗联合体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务，提升基层医疗服务能力和效率。近几年，AI影像诊断作为研究热点已经有了许多成果。例如，Lakhani[1]使用深度学习技术实现了对肺结核患者的自动鉴别，Becker[2]采用深度学习技术在胸部X线检查中对结核病患者进行分类。王磊等[3]探讨了PACS与人工智能诊断系统通过接口方式进行数据传输，从而保障数据的完整性和一致性。
AI影像诊断虽具有良好的前景，但也面临一些问题，一方面，各医院的扫描参数不同，特征值的提取及模型的建立存在区域化，基于同一家或几家医院数据所建立的模型在其他医院不一定能取得令人满意的效果[4]；另一方面，AI诊断主要在大医院应用比较多，在基层医院应用得较少，但基层医院由于基础配套较弱，缺乏专业诊断医师，对人工智能辅助诊断的需求更迫切。本研究讨论了AI深度学习技术在影像智能辅助诊断方面的应用，并以胸片智能辅助诊断在区域远程影像系统中的应用为切入点，研究了AI辅助诊断在基层医疗机构的应用模式和效果。
1AI胸片辅助系统架构及模型
1.1AI胸片辅助系统架构
AI胸片辅助系统是以人工智能深入学习算法为基础建立的辅助诊断模型，将此模型部署于区域影像中心，基于某市区域影像中心积累的丰富胸片图像资源和三甲医院的优秀医疗资源，对该模型进行深度训练学习，统一为某市全市接入影像中心的基层医疗机构提供服务。见图1。
1.2AI胸片辅助系统模型
本研究构建从端到端的胸片智能辅助诊断算法，共整理了25个常见异常表现并进行分类，用于影像辅助诊断。对原始图像进行预处理，调整图像统一为0~255的灰度分布，根据直方图匹配，进行灰度归一化操作，并调整图像为512×512输入大小。采用5个端到端的多标签分类模型进行训练，使用DenseNet121深度学习分类任务骨架，激活函数为Sigmoid
函数，对于每种异常表现生成概率结果，二值交叉熵损失作为损失函数。每个模型训练24步，通过最大F1来寻找合理的阈值，通过5个模型的平均数得到最后的输出结果。评价指标：AUC是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率TPR（灵敏度）为纵坐标，假阳性率FPR（1-特异度）为横坐标绘制的曲线。其曲线下面积为AUC。
1.3运行结果
目前某市影像中心积累的远程影像诊断报告及相应的图像达29841例，均为大型医院出具的诊断报告，利用上述技术，基于这些数据资料进行相关模型训练。对常见25类疾病进行检测，准确率达90%以上，具体检测结果见表
1。
2应用模式
2.1主要业务流程及规范2.1.1主要业务流程
近年来，随着政府对基层医疗卫生机构投入的加大，基层医疗机构普遍配套了X线、B超、心电等设备，但基层医疗卫生机构仍然存在有拍片的技师但缺乏专业诊断医师的困境。为破解该困境，某副省级城市建立了全市统一的区域诊断中心信息平台，基层医疗机构通过该平台可以与上级医院开展远程诊断应用。具体业务流程为：①患者到基层医疗机构就诊，基层医疗卫生机构为患者开检查单并为患者拍片；②影像图像通过区域诊断中心信息平台共享至二、三级医院或第三方检查机构（诊断中心）；③二、三级医院及第三方检查机构通过本机构的PACS系统打开基层医院上传的影像图像，由专业的医师书写诊断报告和审核报告，并进行电子签名；④检查报告通过区域诊断中心信息平台推送至基层卫生信息系统，基层医生直接在本机构的系统查看并为患者打印报告，患者也可以通过微信公众号或小程序自助查询报告。
2.1.2相关政策及业务规范
区域诊断中心的实施要求政策先行，由各区结合本区实际制定“远程医学影像中心工作实施方案”，明确远程影像的业务流程、职责分工、费用分成等，上下级医院依据实施方案签订协议，进一步明确双方义务和职责。以该市某区为例，某区制定的实施方案中明确了影像检查费用按照社区医院标准收费，经基层医院与上级医院协商，统一按6:4比例进行费用分成，基层医院收取的6成费用含设备检查费和诊断初筛费，上级医院收取的4成费用含报告书写和报告审核费，上级医院的费用每季度结算一次，由区财政统一跟上级医院进行结算；该区的方案还制订了科学考评机制，根据报告书写及审核数量、报告修改率等，定期进行考核评价，同时规定医院报告的书写和审核人员需要电子签名，遵循“谁诊断、谁负责”的原则，明确了责任界定。
2.2主要应用效果
经过验证的AI胸片辅助系统模型嵌入了该市统一的区域诊断中心信息平台中，不但能自动识别并定位可疑病灶，还会提醒医生复审可疑影像图像，针对可疑给出相应辅助建议。基层医疗机构为患者拍片后，可以通过辅助诊断系统进行初步诊断，然后有针对性地为患者申请上级医院的医生进行阅片，提高医疗效率和质量；该功能也可以辅助上级医院的医生进行阅片，提高诊断效率，同时上级医院给出的最终诊断也能及时反馈给AI胸片辅助系统模型，不断完善模型，提升AI胸片诊断的准确率。通过该应用，患者在基层医院拍片后，30~60min之内就能拿到上级医院出具的诊断报告，以社区医院的价格就能获得三级医院的优质诊断服务。而AI胸片辅助系统作为区域影像中心信息平台的重要应用，目前已在该市7个区推广实施，并取得良好效果。截至2021年9月，全市7个区的智能胸片辅助系统的业务量已达84153次。从长远看，AI影像辅助诊断可以为该市的基层医疗卫生机构培养专业的诊断医师，可为提升基层医生的诊断水平提供很好的技术支撑。软件界面见图2。
2.3主要亮点2.3.1区域统筹建设与提升基层诊断能力
目前AI影像辅助诊断主要在大医院应用较广泛，并且一般由医院自行建设。而基层医院由于基础薄弱，对AI影像辅助诊断的需求更加迫切。上述AI胸片诊断系统由该市卫生行政部门统筹建设，嵌入该市的区域影像诊断中心信息平台，为各级医疗卫生机构，包括基层医院，二、三级医院提供统一的、同质化的AI辅助诊断服务。通过AI辅助诊断和上级医院提供的远程诊断服务，让患者在基层医院就诊就能享受到大医院的功能诊断服务，让基层医生在业务过程中，不断学习和提升自身的诊断水平，从而提升基层的服务能力。
2.3.2技术与业务紧密结合与提升跨机构业务协同应用效果
该市以需求为导向，技术与业务紧密结合，配套了区域诊断相关政策和业务规范，促进了跨机构远程诊断业务的可持续发展。首先，从全市的层面，印发了《某市关于推进区域诊断中心平台建设的通知》（以下简称《通知》），明确了市级统筹建设信息平台，避免重复建设。同时考虑到基层医疗机构收支两条线管理及各区财政投入水平不一的现状，《通知》要求各区结合本区的实际情况，配套相关的政策和业务规范，在区层面统一业务规范、明确费用分成，为区域诊断业务的开展提供政策保障。
3展望
本研究运用AI深度学习技术，建立了影像辅助诊断模型，并应用于胸片辅助诊断。下一步将基于区域全民健康信息平台，通过平台跨系统集成食管癌、肺癌、乳腺癌、胃肠癌、糖尿病视网膜病变等高发病种的疾病诊断模型，建立全市统一的病种库，依托区域检查检验中心，搭建AI诊断决策支持系统，帮助医生提高阅片率，减轻二、三级医院医生的阅片工作量，进一步提升基层的阅片诊断能力。另一方面，将图像信息与语义信息相结合，研究从单一科室辅助诊断向多科室辅助诊断、治疗方案推荐及预后风险分析方向发展，进一步促进人工智能的创新服务。
参考文献
[1]LAKHANIP,SUNDARAMB.Deeplearningatchestradiography:Automatedclassificationofpulmonarytuberculosisbyusingconvolutionalneuralnetworks[J].Radiology,2017,284(2):574-582.
[2]BECKERAS,BLÜTHGENC,PHIVANVD,etal.DetectionoftuberculosispatternsindigitalphotographsofchestX-rayimagesusingdeeplearning:Feasibilitystudy[J].IntJTubercLungDis,2018,22(3):328-335.
[3]王磊,郑云硉,王培军.PACS与人工智能诊断系统的接口研究与实现[J].中国数字医学,2020,15(1):22-24.
[4].马依迪丽•尼加提,阿里木江•阿卜杜凯尤木,米日古丽•达毛拉,等.基于人工智能肺结核筛查技术在基层医院影像诊断中的应用价值[J].新发传染病电子杂志,2021,6(2):138-142.
不感兴趣
看过了
取消
免责声明·我要投稿人工智能,深度学习,辅助诊断,远程影像,基层医疗机构打赏不感兴趣
看过了
取消
精彩评论打开APP发表你的想法查看全部条评论相关阅读
科技部等六部门：加快打造医疗等人工智能场景【Nature】重大飞跃：人工智能预测几乎整个“蛋白质宇宙”！强调人工智能创新应用，上海将建国内首个规模化医疗大数据训练设施猜你喜欢
还没有人评论过,赶快抢沙发吧!相关推荐72小时热文
智能影像辅助诊断在基层医疗机构的应用模式研究
人工智能（artiffcialintelligence，AI）作为当今最为热门的话题之一，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。近年来，随着AI的不断发展和创新，国家鼓励推进医疗健康AI应用评估，开展AI应用案例研究，促进AI技术与医疗健康领域深度融合。2018年国务院办公厅发布《促进“互联网+医疗健康”发展的意见》，鼓励医疗联合体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务，提升基层医疗服务能力和效率。近几年，AI影像诊断作为研究热点已经有了许多成果。例如，Lakhani[1]使用深度学习技术实现了对肺结核患者的自动鉴别，Becker[2]采用深度学习技术在胸部X线检查中对结核病患者进行分类。王磊等[3]探讨了PACS与人工智能诊断系统通过接口方式进行数据传输，从而保障数据的完整性和一致性。
AI影像诊断虽具有良好的前景，但也面临一些问题，一方面，各医院的扫描参数不同，特征值的提取及模型的建立存在区域化，基于同一家或几家医院数据所建立的模型在其他医院不一定能取得令人满意的效果[4]；另一方面，AI诊断主要在大医院应用比较多，在基层医院应用得较少，但基层医院由于基础配套较弱，缺乏专业诊断医师，对人工智能辅助诊断的需求更迫切。本研究讨论了AI深度学习技术在影像智能辅助诊断方面的应用，并以胸片智能辅助诊断在区域远程影像系统中的应用为切入点，研究了AI辅助诊断在基层医疗机构的应用模式和效果。
1AI胸片辅助系统架构及模型
1.1AI胸片辅助系统架构
AI胸片辅助系统是以人工智能深入学习算法为基础建立的辅助诊断模型，将此模型部署于区域影像中心，基于某市区域影像中心积累的丰富胸片图像资源和三甲医院的优秀医疗资源，对该模型进行深度训练学习，统一为某市全市接入影像中心的基层医疗机构提供服务。见图1。
1.2AI胸片辅助系统模型
本研究构建从端到端的胸片智能辅助诊断算法，共整理了25个常见异常表现并进行分类，用于影像辅助诊断。对原始图像进行预处理，调整图像统一为0~255的灰度分布，根据直方图匹配，进行灰度归一化操作，并调整图像为512×512输入大小。采用5个端到端的多标签分类模型进行训练，使用DenseNet121深度学习分类任务骨架，激活函数为Sigmoid
函数，对于每种异常表现生成概率结果，二值交叉熵损失作为损失函数。每个模型训练24步，通过最大F1来寻找合理的阈值，通过5个模型的平均数得到最后的输出结果。评价指标：AUC是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率TPR（灵敏度）为纵坐标，假阳性率FPR（1-特异度）为横坐标绘制的曲线。其曲线下面积为AUC。
1.3运行结果
目前某市影像中心积累的远程影像诊断报告及相应的图像达29841例，均为大型医院出具的诊断报告，利用上述技术，基于这些数据资料进行相关模型训练。对常见25类疾病进行检测，准确率达90%以上，具体检测结果见表
1。
2应用模式
2.1主要业务流程及规范2.1.1主要业务流程
近年来，随着政府对基层医疗卫生机构投入的加大，基层医疗机构普遍配套了X线、B超、心电等设备，但基层医疗卫生机构仍然存在有拍片的技师但缺乏专业诊断医师的困境。为破解该困境，某副省级城市建立了全市统一的区域诊断中心信息平台，基层医疗机构通过该平台可以与上级医院开展远程诊断应用。具体业务流程为：①患者到基层医疗机构就诊，基层医疗卫生机构为患者开检查单并为患者拍片；②影像图像通过区域诊断中心信息平台共享至二、三级医院或第三方检查机构（诊断中心）；③二、三级医院及第三方检查机构通过本机构的PACS系统打开基层医院上传的影像图像，由专业的医师书写诊断报告和审核报告，并进行电子签名；④检查报告通过区域诊断中心信息平台推送至基层卫生信息系统，基层医生直接在本机构的系统查看并为患者打印报告，患者也可以通过微信公众号或小程序自助查询报告。
2.1.2相关政策及业务规范
区域诊断中心的实施要求政策先行，由各区结合本区实际制定“远程医学影像中心工作实施方案”，明确远程影像的业务流程、职责分工、费用分成等，上下级医院依据实施方案签订协议，进一步明确双方义务和职责。以该市某区为例，某区制定的实施方案中明确了影像检查费用按照社区医院标准收费，经基层医院与上级医院协商，统一按6:4比例进行费用分成，基层医院收取的6成费用含设备检查费和诊断初筛费，上级医院收取的4成费用含报告书写和报告审核费，上级医院的费用每季度结算一次，由区财政统一跟上级医院进行结算；该区的方案还制订了科学考评机制，根据报告书写及审核数量、报告修改率等，定期进行考核评价，同时规定医院报告的书写和审核人员需要电子签名，遵循“谁诊断、谁负责”的原则，明确了责任界定。
2.2主要应用效果
经过验证的AI胸片辅助系统模型嵌入了该市统一的区域诊断中心信息平台中，不但能自动识别并定位可疑病灶，还会提醒医生复审可疑影像图像，针对可疑给出相应辅助建议。基层医疗机构为患者拍片后，可以通过辅助诊断系统进行初步诊断，然后有针对性地为患者申请上级医院的医生进行阅片，提高医疗效率和质量；该功能也可以辅助上级医院的医生进行阅片，提高诊断效率，同时上级医院给出的最终诊断也能及时反馈给AI胸片辅助系统模型，不断完善模型，提升AI胸片诊断的准确率。通过该应用，患者在基层医院拍片后，30~60min之内就能拿到上级医院出具的诊断报告，以社区医院的价格就能获得三级医院的优质诊断服务。而AI胸片辅助系统作为区域影像中心信息平台的重要应用，目前已在该市7个区推广实施，并取得良好效果。截至2021年9月，全市7个区的智能胸片辅助系统的业务量已达84153次。从长远看，AI影像辅助诊断可以为该市的基层医疗卫生机构培养专业的诊断医师，可为提升基层医生的诊断水平提供很好的技术支撑。软件界面见图2。
2.3主要亮点2.3.1区域统筹建设与提升基层诊断能力
目前AI影像辅助诊断主要在大医院应用较广泛，并且一般由医院自行建设。而基层医院由于基础薄弱，对AI影像辅助诊断的需求更加迫切。上述AI胸片诊断系统由该市卫生行政部门统筹建设，嵌入该市的区域影像诊断中心信息平台，为各级医疗卫生机构，包括基层医院，二、三级医院提供统一的、同质化的AI辅助诊断服务。通过AI辅助诊断和上级医院提供的远程诊断服务，让患者在基层医院就诊就能享受到大医院的功能诊断服务，让基层医生在业务过程中，不断学习和提升自身的诊断水平，从而提升基层的服务能力。
2.3.2技术与业务紧密结合与提升跨机构业务协同应用效果
该市以需求为导向，技术与业务紧密结合，配套了区域诊断相关政策和业务规范，促进了跨机构远程诊断业务的可持续发展。首先，从全市的层面，印发了《某市关于推进区域诊断中心平台建设的通知》（以下简称《通知》），明确了市级统筹建设信息平台，避免重复建设。同时考虑到基层医疗机构收支两条线管理及各区财政投入水平不一的现状，《通知》要求各区结合本区的实际情况，配套相关的政策和业务规范，在区层面统一业务规范、明确费用分成，为区域诊断业务的开展提供政策保障。
3展望
本研究运用AI深度学习技术，建立了影像辅助诊断模型，并应用于胸片辅助诊断。下一步将基于区域全民健康信息平台，通过平台跨系统集成食管癌、肺癌、乳腺癌、胃肠癌、糖尿病视网膜病变等高发病种的疾病诊断模型，建立全市统一的病种库，依托区域检查检验中心，搭建AI诊断决策支持系统，帮助医生提高阅片率，减轻二、三级医院医生的阅片工作量，进一步提升基层的阅片诊断能力。另一方面，将图像信息与语义信息相结合，研究从单一科室辅助诊断向多科室辅助诊断、治疗方案推荐及预后风险分析方向发展，进一步促进人工智能的创新服务。
参考文献
[1]LAKHANIP,SUNDARAMB.Deeplearningatchestradiography:Automatedclassificationofpulmonarytuberculosisbyusingconvolutionalneuralnetworks[J].Radiology,2017,284(2):574-582.
[2]BECKERAS,BLÜTHGENC,PHIVANVD,etal.DetectionoftuberculosispatternsindigitalphotographsofchestX-rayimagesusingdeeplearning:Feasibilitystudy[J].IntJTubercLungDis,2018,22(3):328-335.
[3]王磊,郑云硉,王培军.PACS与人工智能诊断系统的接口研究与实现[J].中国数字医学,2020,15(1):22-24.
[4].马依迪丽•尼加提,阿里木江•阿卜杜凯尤木,米日古丽•达毛拉,等.基于人工智能肺结核筛查技术在基层医院影像诊断中的应用价值[J].新发传染病电子杂志,2021,6(2):138-142.