震惊！人工智能将彻底改变医学成像，影响每一个人

1895年末，德国物理学家威廉·伦腾（WilhelmRӧntgen）在他的实验室用黑色纸板覆盖物测试设备。在对已知形式的光进行实验时，他目睹了一种荧光灯，其表现和以往见到的光都不一样。它不仅穿过了纸板 -还再行进九英尺。

Rӧntgen命名为“X射线”的这些新光束（“X”是数学家对所有未知事物的标准替代品）实际上穿透了许多常见物质，从纸板到软组织。但是这些神秘的脉冲在撞到骨头或金属时突然停止了。

这一发现激发了恐怖和希望。传说Rӧntgen的妻子Anna Bertha在看到自己的手，所有骨头和金属结婚戒指的X射线复制后说，“我已经看到了我的死亡！”并且从未回到实验室。但医疗行业在X射线上看到了无限的治疗潜力。

“现实情况是，Rӧntgen和其他人意识到很快也将是对X射线的医疗用途，” 班纳吉，英国社会放射学史的前任主席和作者说，“这不会是在档案馆中被写入和遗忘的物理论文。”

虽然该技术已经变得越来越精确，但利用X射线产生用于人体分析的图像的基本原理在很大程度上保持不变。但专家表示，我们可能正处于一场新的医学影像革命的悬崖上，这场革命将X因素重新纳入X射线。

今天，该国的每位医生，牙医和牙齿矫正医生都提供基本成像，以创造类似Rӧntgen的可视化，让我们在没有手术刀的情况下在皮肤下进行对比。但自从安娜伯莎自己动手以来，在过去的120多年里，X射线已经呈现出无数的新形态。技术人员花了很长时间才意识到，X射线可以显示的不仅仅是骨骼等硬物质。例如，通过用化学元素钡填充患者，医生能够可视化胃肠道的软组织。

到20世纪50年代，血管造影是评估心血管系统阻塞的常用方法。与钡吞试验类似，医生可以使用碘染料等对比剂注射患者的静脉，用X射线照射它们，并创建患者血管的蜘蛛图像。虽然钡照射胃肠道，但血管造影可用于分析和治疗凝块和其他疾病。

也许最重要的发展是在20世纪70年代，第一台X射线计算机断层扫描机或CT扫描。使用传感器检测通过患者身体射出的X射线的输出，机器一次性创建骨骼，器官和软组织的精细图像。因为身体中的每种物质都被光束穿透到不同程度，所以机器可以成功地区分手臂和脾脏，并仔细地重新创造两者的印象。“这是最现代的X射线技术应用，”Banerjee说。

对于X射线的所有潜力，Anna Bertha声称的惊吓几乎没有错位。根据Banerjee的说法，早期的X射线很弱，需要15或20分钟的曝光时间才能产生手的图像。结果，它们很容易引起灼伤，这可能会以多种方式造成伤害。托马斯·爱迪生的X射线研究助理克拉伦斯·达利经常暴露于辐射，导致他患上转移性皮肤癌，在39岁时将其杀死。“我不想再了解X射线，” 爱迪生当时说道。达利死了。

自20世纪初以来，研究人员一直在寻找抑制辐射的方法。他们在许多方面取得了进展，从牙医办公室的重金属围兜等防护服到传统X光胶片到数码X射线的转变，这些X射线需要较少的辐射才能产生图像。但最大的进步，所谓的管电流调制和迭代重建，只比过去的技术进步一点点，美国放射学学院的数据科学研究所首席医疗官说。

在CT扫描的情况下，管电流调制意味着辐射的剂量根据所检查的身体部分而变化。根据艾伦的说法，在全身扫描中，更多的辐射将被发送到坚硬的头骨而不是通风的肺部，从而管理整体射线照射。同时，迭代重建是CT扫描仪中的算法将身体的高质量图像拼接在一起的过程。通过降低噪音和清理图像，患者可以在甜甜圈形CT机上花费更少的时间，受到X射线轰击并产生辐射。

制作医用射线照片的过程与首次发现X射线时的过程非常相似。产生X射线，并且产生的光束指向人类目标，从这个过程创建的图像由其他人分析。但是未来的X射线会怎么样呢？

Donald Umstadter是内布拉斯加大学极光实验室的物理学教授。他是一个研究团队的负责人，负责建造，维护和使用戴克里斯激光器，这是一种人造装置，可产生比太阳亮1000万倍的光束。“我们已经发现了一些新的东西，这是以前在实验室里从未见过的东西，”Umstadter说。并且，他补充说，它有可能改变射线照相成像。

当Umstadter的团队将Diocles Laser聚焦在电子束上时，他们能够创造出一种叫做多光子散射的东西。“这不仅是光的新行为......而且它也是制作X射线的新方法，所以基本上它是一种新的制作方式，“Umstadter说。激光仍然产生像他的实验室制造的Rӧntgen那样的X射线; 它只是以不同的方式做到了。“事实证明，我们生产的X射线实际沉积的剂量比传统的X光机低100倍，因此它们更安全，”他说。如果戴克里克有一天能够按比例制造以适应医院，甚至是牙医的办公室 - 这对患者和医生的安全都是一个福音。

Banerjee和Allen都是有成就的放射科医生，他们的目标集中在利用机器学习来解释X射线结果的人工智能的潜力。AI已经在诊断任务中表现良好，至少在有限的环境中。根据该大学的一份新闻稿， 2017年，斯坦福大学的研究人员表明，他们的算法可以通过胸部X光检查“比[人类]放射科医生更好”来诊断肺炎。今年早些时候，FDA批准了一种使用人工智能筛查患者眼睛的糖尿病视网膜病变的装置。全科医生可能很快就能够在患者身上诊断出这种情况，而无需将其送到眼科医生那里进行专家评估。

虽然这可能还有一段距离，但艾伦说，“我很兴奋看到人工智能有一天会在人类无法看到的图像中看到某些东西。”

人工智能与医学成像相结合会产生怎样的火花呢？也许现在只是个开始，更广阔的应用前景在未来才可能出现。那么问题来了，人工智能完全替代医生你认为可能吗？