计算机辅助诊疗的临床研究进展

1 计算机辅助诊断系统的组成

一个完整的CAD系统是由知识库（Knowledge base）、数据库（Data base）、推理机（Inference engine）、知识获取模块（Knowl-edge-Acquisition module）和解释接口（Explanation interface）组成的。知识库中存放系统求解问题所需求的知识；数据库用来存储初始数据和推理过程中的各种中间信息；推理机是用来控制和协调整个系统的一组程序；知识获取模块就是学习模块，它为修改和扩充知识库存的原有知识提供相应的手段；解释接口是用户与系统交互的环节，便于用户了解推理过程，为用户向系统学习提供方便。

2 计算机辅助诊断系统的应用

2.1 在临床诊断中的应用
随着现代医学的发展，病人就诊过程中常产生大量不同类型的信息，包括症状、体征、实验室检查结果、物理诊断结果等，如何准确而充分利用这些信息成为临床工作中必须正视的一个问题。CAD 系统兴起和应用为充分利用各种诊断相关的临床信息开避了一条有效的途径。
对于资料丰富而复杂的疾病，CAD 系统是临床医生的好帮手。Baxt 等报道了急性心肌梗死 CAD 系统，他们以2202 例胸前区疼痛患者的病史、体检、心电图、心肌标志物等 40 多个变量训练所建立人工神经网络系统，诊断心肌梗塞的敏感度为94.5%，特异度为 95.9%。Lewenstein以标准心电图（ECG）运动试验的资料（包括运动前后的ST水平和波峰、心律、血压、最大负荷、心绞痛发生的频率等）为基础建立了检测冠状动脉疾病的CAD系统，对冠心病的诊断准确率超过97%。在急诊情况下，依据简单的临床资料迅速作出可靠的诊断十分重要，此时CAD系统有较好的效果。Harrison等以因胸痛而急诊的患者的临床及普通心电图资料建立急性冠脉综合征的专家诊断系统，仅使用13 项变量，就达到良好的诊断效率，敏感度达 93%，ROC 曲线下面积达 0.97。
对于以患者的主观症状为主要诊断依据的疾病，或诊断标准较为复杂的疾病，CAD 系统往往有较好的诊断效果。Eckert等报道了帕金森症的CAD 系统可以诊断帕金森病或帕金森综合征（包括多系统萎缩、进行性核上性麻痹、皮质延髓变性），诊断结果与未参与该项研究的专家两年后的随访结果相比较，准确率为92.4%，高于普通的视觉检查（85.4%）。
监测是临床实践中非常重要的内容，以人工方式进行临床监测往往耗时、工作量大，还容易出现疏漏，采用CAD 系统完成监测工作常有较好的效果。Haas等应用CAD系统对新生儿肺炎进行监测，系统从X线胸片中提取信息，诊断新生儿肺炎的敏感度达到71%，特异度达到 99%，可有效地减轻工作量。Lamma等建立了院内感染的自动化监测系统，能非常有效地发现院内感染，准确度达 98.5%，敏感度达 98.5%，特异度达 99%。

2.2 在影像学诊断中的应用
医学影像学的快速发展，为疾病的临床诊断带来很多方便，但人们对影像资料的解读可能存在较大的主观性，如何获得更为客观可靠的信息、尽可能作出可靠的诊断是医学影像学发展过程中面临的一个问题。影像资料可以数字化，非常适合计算机处理，实现计算机辅助诊断。因此，CAD 系统应用于影像学辅助诊断成为近年来的研究热点。
CAD 系统是诊断肺部结节性病变的一种有效手段，可用于CT 片上肺部结节性病灶的发现及其良恶性性质的鉴别。Bae等报道CAD系统检出肺部结节性病灶的总敏感度为95.1%，其中3~5mm结节为91.2%，5mm以上结节为 97.2%。Suzuki等以76个原发性肺癌结节和413个良性结节的资料建立 CAD 系统，ROC 曲线下面积Az值为0.882，诊断恶性结节的准确率为100%，但良性结节仅为 48%。
CAD系统在传统放射学、核医学、内镜等影像学诊断中的应用均有报道。Lejbkowicz等建立了骨肿瘤放射诊断的CAD系统，其诊断正确率为85%，与高级放射科医师相似（诊断正确率88%），且可诊断出被专家忽略的病变。Garcia等评估了一个基于心肌灌注 SPECT 的 CAD 系统对冠心病的诊断价值，他们以人工阅读结果为金标准，该 CAD 系统对诊断冠心病的敏感度和特异性分别为 83%和 73%，可与核医学专家的诊断水平相媲美。
Maroulis 等研发出结肠镜影像的 CAD 系统，从结肠镜图像或视频截图中提取特征信息，采用人工神经网络算法，诊断直结肠癌的准确度达 95%以上。

2.3 在实验诊断中的应用
随着实验诊断技术的发展，一些诊断技术能产生大量数据，人工分析有时难以胜任，此时借助人工智能技术进行信息处理成为一项理想的选择。
在细胞学和组织学诊断方面，CAD 系统可以发挥作用。薛东军等报道了 CAD 系统对食管癌细胞涂片中的细胞进行自动分类，诊断癌细胞的准确率达 95%，判别癌细胞所属类型的准确率为 87%。Hui 等应用计算机辅助的图像分析系统进行肝组织的纤维化定量诊断取得良好的效果，与人工半定量分析有良好的相关性，能准确地区分轻度肝纤维化与进展期肝纤维化、肝硬化与非肝硬化。
在生物芯片检测技术中，应用 CAD 系统可以获得更好的分析结果。临床上鉴别结直肠腺瘤及癌变与 IBD 相关性不典型增生及肿瘤具有重要意义，但两者之间的差别微细。Selaru 等采用 cDNA 芯片技术对上述两类病变进行识别，芯片含有 8064 个cDNA 克隆；用检测的相关数据训练人工神经网络后，鉴别两者的准确率为 100%，明显优于传统的聚类分析。.............

[参考文献]
[1] 熊武，马斌荣. 医学诊断专家系统的发展现状及趋势分析[J]. 医疗设备信息，2006，21（4）：27-28.
[2] Baxt WG，Shofer FS，http://sblunwen.com/lczd/ Sites FD，et al. A neural computational aid to thediagnosis of acute myocardial infarction[J]. Ann Emerg Med，2002，39（4）：366-373.
[3] Lewenstein K. Radial basis function neural network approach for the di-agnosis of coronary artery disease based on the standard electrocardiogramexercise test[J]. Med Biol Eng Comput，2001，39（3）：362-367.
[4] Harrison RF，Kennedy RL. Artificial neural network models for predictionof acute coronary syndromes using clinical data from the time of presenta-tion[J]. Ann Emerg Med，2005，46（5）：431-439.
[5] Eckert T，Barnes A，Dhawan V，et al. FDG PET in the differential diag-nosis of parkinsonian disorders[J]. Neuroimage，2005，26（3）：912-921.