震驚！人工智慧將徹底改變醫學成像，影響每一個人

1895年末，德國物理學家威廉·倫騰（WilhelmR?ntgen）在他的實驗室用黑色紙板覆蓋物測試設備。在對已知形式的光進行實驗時，他目睹了一種熒光燈，其表現和以往見到的光都不一樣。它不僅穿過了紙板 -還再行進九英尺。

R?ntgen命名為「X射線」的這些新光束（「X」是數學家對所有未知事物的標準替代品）實際上穿透了許多常見物質，從紙板到軟組織。但是這些神秘的脈衝在撞到骨頭或金屬時突然停止了。

這一發現激發了恐怖和希望。傳說R?ntgen的妻子Anna Bertha在看到自己的手，所有骨頭和金屬結婚戒指的X射線複製後說，「我已經看到了我的死亡！」並且從未回到實驗室。但醫療行業在X射線上看到了無限的治療潛力。

「現實情況是，R?ntgen和其他人意識到很快也將是對X射線的醫療用途，」 班納吉，英國社會放射學史的前任主席和作者說，「這不會是在檔案館中被寫入和遺忘的物理論文。」

雖然該技術已經變得越來越精確，但利用X射線產生用於人體分析的圖像的基本原理在很大程度上保持不變。但專家表示，我們可能正處於一場新的醫學影像革命的懸崖上，這場革命將X因素重新納入X射線。

今天，該國的每位醫生，牙醫和牙齒矯正醫生都提供基本成像，以創造類似R?ntgen的可視化，讓我們在沒有手術刀的情況下在皮膚下進行對比。但自從安娜伯莎自己動手以來，在過去的120多年裡，X射線已經呈現出無數的新形態。技術人員花了很長時間才意識到，X射線可以顯示的不僅僅是骨骼等硬物質。例如，通過用化學元素鋇填充患者，醫生能夠可視化胃腸道的軟組織。

到20世紀50年代，血管造影是評估心血管系統阻塞的常用方法。與鋇吞試驗類似，醫生可以使用碘染料等對比劑注射患者的靜脈，用X射線照射它們，並創建患者血管的蜘蛛圖像。雖然鋇照射胃腸道，但血管造影可用於分析和治療凝塊和其他疾病。

也許最重要的發展是在20世紀70年代，第一台X射線計算機斷層掃描機或CT掃描。使用感測器檢測通過患者身體射出的X射線的輸出，機器一次性創建骨骼，器官和軟組織的精細圖像。因為身體中的每種物質都被光束穿透到不同程度，所以機器可以成功地區分手臂和脾臟，並仔細地重新創造兩者的印象。「這是最現代的X射線技術應用，」Banerjee說。

對於X射線的所有潛力，Anna Bertha聲稱的驚嚇幾乎沒有錯位。根據Banerjee的說法，早期的X射線很弱，需要15或20分鐘的曝光時間才能產生手的圖像。結果，它們很容易引起灼傷，這可能會以多種方式造成傷害。托馬斯·愛迪生的X射線研究助理克拉倫斯·達利經常暴露於輻射，導致他患上轉移性皮膚癌，在39歲時將其殺死。「我不想再了解X射線，」 愛迪生當時說道。達利死了。

自20世紀初以來，研究人員一直在尋找抑制輻射的方法。他們在許多方面取得了進展，從牙醫辦公室的重金屬圍兜等防護服到傳統X光膠片到數碼X射線的轉變，這些X射線需要較少的輻射才能產生圖像。但最大的進步，所謂的管電流調製和迭代重建，只比過去的技術進步一點點，美國放射學學院的數據科學研究所首席醫療官說。

在CT掃描的情況下，管電流調製意味著輻射的劑量根據所檢查的身體部分而變化。根據艾倫的說法，在全身掃描中，更多的輻射將被發送到堅硬的頭骨而不是通風的肺部，從而管理整體射線照射。同時，迭代重建是CT掃描儀中的演算法將身體的高質量圖像拼接在一起的過程。通過降低噪音和清理圖像，患者可以在甜甜圈形CT機上花費更少的時間，受到X射線轟擊併產生輻射。

製作醫用射線照片的過程與首次發現X射線時的過程非常相似。產生X射線，並且產生的光束指向人類目標，從這個過程創建的圖像由其他人分析。但是未來的X射線會怎麼樣呢？

Donald Umstadter是內布拉斯加大學極光實驗室的物理學教授。他是一個研究團隊的負責人，負責建造，維護和使用戴克里斯激光器，這是一種人造裝置，可產生比太陽亮1000萬倍的光束。「我們已經發現了一些新的東西，這是以前在實驗室里從未見過的東西，」Umstadter說。並且，他補充說，它有可能改變射線照相成像。

當Umstadter的團隊將Diocles Laser聚焦在電子束上時，他們能夠創造出一種叫做多光子散射的東西。「這不僅是光的新行為......而且它也是製作X射線的新方法，所以基本上它是一種新的製作方式，「Umstadter說。激光仍然產生像他的實驗室製造的R?ntgen那樣的X射線; 它只是以不同的方式做到了。「事實證明，我們生產的X射線實際沉積的劑量比傳統的X光機低100倍，因此它們更安全，」他說。如果戴克里克有一天能夠按比例製造以適應醫院，甚至是牙醫的辦公室 - 這對患者和醫生的安全都是一個福音。

Banerjee和Allen都是有成就的放射科醫生，他們的目標集中在利用機器學習來解釋X射線結果的人工智慧的潛力。AI已經在診斷任務中表現良好，至少在有限的環境中。根據該大學的一份新聞稿， 2017年，斯坦福大學的研究人員表明，他們的演算法可以通過胸部X光檢查「比[人類]放射科醫生更好」來診斷肺炎。今年早些時候，FDA批准了一種使用人工智慧篩查患者眼睛的糖尿病視網膜病變的裝置。全科醫生可能很快就能夠在患者身上診斷出這種情況，而無需將其送到眼科醫生那裡進行專家評估。

雖然這可能還有一段距離，但艾倫說，「我很興奮看到人工智慧有一天會在人類無法看到的圖像中看到某些東西。」

人工智慧與醫學成像相結合會產生怎樣的火花呢？也許現在只是個開始，更廣闊的應用前景在未來才可能出現。那麼問題來了，人工智慧完全替代醫生你認為可能嗎？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！