AI辅助医疗：精准术前测量，助力髋关节置换

文章主题：人工智能, 医疗, 手术, 髋关节置换

作者 | 硬核云顶宫

责编 | 晋兆雨

封图 | CSDN 付费下载自视觉中国

近年来，人工智能在医学领域的运用越来越受到关注。根据新英格兰医学杂志、柳叶刀和JAMA等权威医学杂志的数据显示，AI与医疗结合的论文比例逐年上升。这一趋势明显的表现出，AI能够协助医生完成更高价值的医疗过程，从而缓解医生资源的短缺问题。当前，AI在医疗领域的应用已经取得了显著的成果，尤其是医疗图像识别和应用方面，其在新关节置换手术术前的定位和测量等领域已经取得了重要突破。

关节置换-20亿的市场

上世纪50年代，人工髋关节应运而生，凭借其卓越的术后效果，逐渐成为如今髋部各类晚期病变的首选治疗手段。因此，这一革命性的手术发明被誉为20世纪最成功的技术突破。

📊数据统计显示，截至2018年，我国北京地区的人工关节替换手术量已突破万例，全国总数量达到了40万例，其中接近60%为人工髋关节置换术。得益于规范化手术技术的广泛传播和应用、患者对手术的接受度不断提高以及医疗保障体系的逐步完善，髋关节置换手术量正以较快速度持续上升，这已经成为了一个显著的社会现实需求。以单个人工髋关节置换手术为例，其费用至少需10万元，若仅考虑我国，这便构成了一个每年近20亿元、迅速增长的新兴医疗市场。

2018年北京关节置换手术增长趋势

对于这个市场规模，可能会让一些人感到陌生。让我通过一个简单的例子来帮助大家理解。在我国的EDA市场中，目前的规模还只有数十亿的级别。因此，若是一项能够以20亿的速度快速增长的产业，已经具备了足够的吸引力。再加上相关领域的医疗器械和手术行业的蓬勃发展，这使得相关的研究问题逐渐受到了关注。如果我们能通过自动化技术提高手术效率，那么这将带来的商业价值和市场潜力将是无比巨大的。💪

髋关节作为人体躯干与双下肢的连接媒介，扮演着重要角色。它负责将身体重量传递至双侧下肢，因此，该部位易受病变影响。一旦髋关节受损，将对日常生活和工作产生严重影响。对于经过保守治疗无效的患者，可以考虑进行髋关节置换手术。手术过程中最关键的环节在于术前定位。

AI自动术前测量

在当前的人工全髋关节置换术流程中，尽管技术已相当成熟，但仍然依赖于医生的经验。许多高年资医师凭借多年累积的经验，能迅速完成手术，但对于年轻医生而言，若手术过程中人工假体的植入位置出现偏差，将对患者的康复及长期疗效产生严重影响。更严重的情况可能引发大规模的并发症，如下肢不等长、脱位、骨折、神经损伤，甚至可能导致假体松动。

而术前测量又直接决定了手术位置在哪儿，这是一项非常精密且耗时的工作，比如如何确定植入假体的大小、型号，甚至前倾、外展角度、截骨高度、短缩多少如何恢复等等，上述任何一项都有可能会直接影响手术成败。也都会对病人的康复产生巨大挑战。

比如如果手术前和手术中假体测量出现误差，患者可能会出现术后双下肢不等长，会直接严重影响到患者下腰痛、甚至影响到站立、上厕所等日常生活。在相关研究中心对1171例人工全髋关节置换术进行的术后患者进行跟踪调查后发现，测量结果长度差小于1cm的患者中，大多数行走无跛行，而在长度差大于2cm的患者中，会有1/4的患者出现跛行。在曾经的实验中，145例患者术后发生双下肢不等长的有17例，这对于患者来说，会极大的影响其生活体验。

那么有没有可能通过某些自动化方法或者软件来完成准确而且标准的髋关节置换规划？答案是可行的。2018年左右，来自约翰霍普金斯大学的学者曾经提出通过两阶段卷积神经网络结构（CNN）来检测X射线成像图谱的手术测量标志点，并且能够从任意角度来完成成像检测。同时，也有有其他的一些研究试图引入人体解刨学特点，通过找到原本手术测量标志点之间的关系自动标注。但是在实践环节中，这些方法的准确率相较传统方案，并没有提升太多。

不过这个准确率的问题在MICCAI会议上，被达摩院的AI团队提出的方案所大幅度推进。

达摩院团队认为，医疗图像里不仅仅可以检测标志点，而且能同时自动学习这些手术测量标志点之间的关系，比如可以通过添加一个标志点的空间关系损失函数，来获得更加精确且高效的手术测量标志点检测结果。这种思想也就是把传统神经网络分别为两个支路：一个标志点预测分支，另一个边缘预测分支。在这种思想下，图像会先通过神经网络处理，再分别输入两个分支做不同目的的推理。其中标签预测分支将会把神经网络处理过后的高维特征转换为热点图，而边缘预测分支将会把神经网络处理过的边缘高维特征降维，此后向量化的标记将会提取更好的特征，这样可以通过一个专门针对标识空间位置建立的损失函数来提高边缘标签预测的准确度。

从最终结果来看，新加入的边缘预测分支表现良好，最终结果相比其他算法也具有大幅的提升。

毫无疑问，在目前的技术条件下，AI辅助的术前测量已经比较成熟，也实际上具备很高的商用价值，或许这也意味着AI在医疗领域的有一重要落地应用正在崭露头角。

医疗AI的未来

随着近几年人工智能技术的飞速发展，AI在医疗领域的众多场景都有所发展。特别是在疫情期间，众多医疗AI企业在临床辅助诊断、科研、药物研发以及公共卫生体系搭建方面发挥了重要作用。

比如在2020年初的疫情发生初期，针对医疗产业人员严重缺乏的问题，达摩院研发出的AI可以在20秒之内完成原本需要15-20分钟的CT影像判断，分析准确率可以达到96%。从疫情初期的短短两个月里，新冠肺炎的诊疗方案更新了七版，而达摩院AI团队则通过自身快速的医疗产业化，快速把算法脱离实验室，同时不断适应新冠肺炎的诊疗方案，在众多医院展开了规模试点，大幅度提升了医院处理速度和水平。

如果我们冷静下来回头看到话，对医疗行业来说，AI起的作用更像是一种规模化的基础公共卫生体系。它有能力拉高“医生”的平均经验水平，让“医”变成“智医”。这样在一些医疗设施缺乏的地区，更能够给当地人群带来较高的医疗体验提升。

“天将降大任于斯人也，必先苦其心志劳其筋骨”。我们也可以预见到，从今年开始，伴随着原来越多的医疗AI产业落地和“疫情”效应的推动，都在让医疗AI行业的发展不断加速、不断走上正轨，相信随着数字时代的到来，医疗AI可以和更多数字新基建深度合作，降低大多数人的看病门槛。未来总有一天，AI医疗可以“让天下没有难看的病”，我们也期待着在家就能享受丰富医疗资源的未来。