互动科普

新型工具提供体内情况的三维图像及解释解剖情形的自动机制。

    过去5年间，由于医学成像技术的进步，放射学家能制作出具有空前分辨率和清晰度的人体照片，同时，计算机功能迅速提高，激励着研究人员开发极为尖端的技术来显示和分析这些图像。

    尽管放射家的注意力放在诸如正电子发射断层术〔PET〕和磁共振成像技术（MRI）等先进技术上并且二者都能描述生理功能；但是，癌症专家的需求却多少有些差异，他们需要能够分辨癌性细胞和正常体细胞间细微差异的工具。然而，到目前为止，没有什么图像技术能够毫不含糊地识别肿瘤——图像仅仅能够指导更直接的探查，通常是经过外科手术和组织样本检查来实现的。

    三维多模态显示术和计算机辅助诊断是两种癌症检测和治疗新技术。此显示技术采用了类似于用在地球科学和天文学中的科学成像方法，此法能将来自不同成象工具的信息融合在一张清晰的照片上。第二种技术则使用具有人工智能和机器视觉算法的软件来扫描乳腺和胸腔X线照片，以显示癌症的信号。两种技术都改造了原为其他目的而开发的软件和硬件，并将之用在肿瘤学方面。目前，二者都未广泛应用但它们都似乎力争走出实验室。

    完整有效地显示与患者相关的图像资料，有助于医生作出准确的诊断及制定最佳的治疗方案，无论是外科手术，还是放射治疗或化学治疗——例如目前的X线计算机断层(CT)扫描机，就能够快速地产生详细的三维解剖特征图像。

三维图像技术

就CT扫描而言，骨是清晰分明的，但软组织如肌肉、血管和肿瘤则常常是几乎一样的灰色阴影。放射学家能够利用含有重原子(如碘)的对比剂将血管分辨出来。不过，现代数字处理对提高图象质量更有价值。过去医生只能依靠一整组数据的许多2维切片而不是3维图像，因为后者涉及大量的数据。现在高性能的计算机和专用制图硬件，能方便地显示详尽的3维医疗数据，旋转、放大或全影显示等皆可在几秒钟内完成。

    计算机能对图像进行色彩处理，不同的组织对X线的吸收情况不同，这样各种阴影就能立即区别开来；由此形成的3维图像有助于了解肿瘤的结构，及它们与周围正常解剖组织的关系。例如，医生能轻松确定肿瘤是否已经侵入重要组织或是否生长于血管周围，这些情形都能使外科切除手术复杂化。

    MRI, PET和SPELT(单光子发射计算机断层术)等其他先进医疗成像方法能产生生理功能如血流、氧耗或葡萄糖代谢的3维图像。例如MRI对化学组成差异和流体含量差异都是敏感的。这样，肿瘤(其组成不同于正常组织)在MRI图像的表现就比在CT中的表现更突出，更易于理解。完好的骨流体含量相对较少，因此它在MRI表现就暗，另一方面，PET和SPECT仅能产生生物学功能图像——它们不能直接显示骨和器宫。因为PET和SPECT的分辨率有限，它们不能显示得象MRI和CT那样详尽。由此可知，关于血流和细胞代谢——它们能帮助医生了解肿瘤的行为及其对治疗的反应——的功能信息的增多被准确的位置信息的损失所抵消。

    现在，每种成像技术都各尽其用。尽管来自每种扫描的信息都能帮助评价肿瘤的位置和分布，识别周围关键的解剖结构如器官、神经和维管结构。但是，每种方法提供的信息经常补充其他方法提供的信息。根据几种不同技术得出的图像特别有用。放射学家可以将PET或SPECT数据与MRI或CT图像融合，这样他们就能更准确地决定肿瘤组织和正常组织各个部分的代谢活动。

    最近，研究人员已开发出了更精确地融合图像的方法，这是通过改变图像的形态以使它们具有相同的尺寸和空间参照框架而实现的。这些图像融合技术对较小的肿瘤特别重要。图像还能加入来自其它途径的信息(如辐射量计算)，这样专家就能精确地看到哪一区域受到医疗进程的影响(见图3)。使用这些工具的人相信，他们改进了对患者的治疗，但是证实这种观点的严格实验尚在设计之中。

计算机辅助诊断

    除了让医生们将体内情况看得更清楚的技术外，研究人员还在开发辅助医生解释所看到的图像的工具。计算机辅助诊断工具不能作出有关乳腺X线照片或其他检验的含义的确定决策；相反，它们提供自动化的“第二意见”，我们发现计算机能以不同于人类的方式分析图像——机器视觉算法系统易于识别的模式类型不同于人类视觉系统得出的类型。这样，计算机就能弥补放射学家的观察力。由于可以得到高质量数字转换器和高速计算机的支持，这使得在几分钟内处理医学图像成为可能。

    如今，该领域大多数工作都集中于检测和描述数字化的乳腺X线照片和胸腔放射线照片中的异常现象。计算机辅助诊断法可以引导医生注意那些可疑的部位，由此避免由于疏忽而引起的失误。该系统目前仅完成了前期开发工作，如要作出最终评价，则尚需分析许多图像实例，但初始的研究表明其效果良好。

      尽管乳腺X线照相术是目前最佳的乳腺癌检侧方法，但仍有些肿瘤难于查出来10-30%接受过乳腺X线照相术检查，并被诊断为没有患癌的妇女。后来被证实患了癌症。这些假阴性结果可能缘于损害根本上难于查出、图像质量差、眼睛疲劳或纯粹的疏忽大意。解释乳腺X线照片一项单调重复的工作，它要求注意微小细节。每1000套用于检查目的的乳腺X线照片中，实际上仅有5套含有癌性损害图像。两位放射学家同看一张照片时，查出损害的灵敏性就提高15%。这种情况表明，评价乳腺X线照片的工作特别适于进行自动化的计算机分析，由此至少可以减轻放射学家的一些负担。智能工作站相当于第二审阅者(如同计算机教学的拼写检查者，而把癌症出现可能性的最终判断任务留给放射学家。

      在芝加哥大学放射学系的Kurt Rossmann实验室，我们开发了一种工作站来检测乳腺癌，这种工作站使用了多种计算机视觉算法系统和人工智能。我们利用已经过人工检查的存档乳腺X线照片来测试这种检测软件，结果发现工作站指出了90%的损害，对每幅照片平均而言，软件仅提出两处假阳性疑问。(假阳性是程序认为可疑而放射学家最终确定并不存在可能的恶性病变的部位；放射专业的实习医生在一张照片上可出现若干个假阳性错误。)程序识别了85 %的簇微钙化作用，这是另一种标示癌症状况(包括导管——原位癌——DCIE)的异常现象，软件识别出了这些微点，平均每幅照片仅出现0.6处假阳性判断；而这些微点有时为放射学家所忽视。

    我们还利用未查出的损害的数据库测试了软件。这些乳腺X线照片是多年收集的，第一次判读时，被归为无肿瘤一类；但当该妇女接受下一次乳腺X线检查而，发现肿瘤生长时，再去判读原来的照片，却发现了癌症迹象。计算机检测出了约半数的损害，而每幅照片却平均产生两处假阳性判断。如果那时就有了这些软件，计算机就能帮助放射学家发现半数他们原来忽略了的癌症，从而可更早施行简单明了的治疗方案，并改善治愈的机会。

    1994年11月以来，我们的智能工作站一直在分析许多普查用乳腺X线照片。(仅仅是用于检测肿瘤出现的可能性，而不是监测已经发现的状况)。对每一次检查，激光扫描机都将每一乳房的两幅图像数字化，并将照片的灰色阴影转化成计算机中的数字阵列(见本文图1)。图像处理技术降低了背景结构的重要性；而强调了其他因素，如钙化区域：它可能具有重要的诊断意义。特征提取软件识别单个图像区的专门特征，根据形状或对比情况对它们进行分类。例如，边缘含有大量尖锐小针突的团块就表明存在肿瘤。软件还能将放射学家提取的特征与计算机提取的辅助诊断的特征融合在一起。进一步的分析把关于图像特征的明确规则和“神经网络”软件用于可疑性和正常图像。收集可疑区域，从而减少假阳性判断的情形。

    随着这些先进的图像技术和计算机辅助诊断软件进行更广阔的临床实验有些患者会很快从中受益。但是，这些技术的最终影响在十多年内是看不出来的。