官方网站-首页

【导语】自1895年X射线发现以来，医学影像技术一直是现代医疗诊断的核心。然而，传统CT扫描流程中信息转换可能导致关键诊断信息丢失。近日，中国多机构联合研究取得突破性进展，证明人工智能（AI）可直接从CT原始数据中提取诊断信息，无需图像重建，且结合原始数据与图像能显著提升诊断准确性。这一发现为医疗影像分析带来全新思路，预示着医疗AI技术或将迎来从“人类视觉优先”到“数据本质优先”的进化，为精准医疗开辟更高效、可靠的新途径。

医学影像技术自1895年X射线发现以来，始终是现代医疗诊断的核心工具。然而，传统流程中，CT扫描生成的原始数据需先转换为图像，再由医生或AI分析，这一过程可能造成关键信息丢失。近日，一项由中国多机构联合开展的研究首次证明：人工智能（AI）可直接从CT原始数据中提取诊断信息，无需依赖图像重建，且结合原始数据与图像可显著提升肺结节良恶性分类的准确性。这一发现为医疗影像分析提供了全新思路。

传统流程的局限：从图像到知识的信息损耗

CT扫描的原始数据是设备直接采集的未处理信号，其数据量通常是最终图像的10-20倍。然而，传统诊断流程需将原始数据通过算法重建为二维或三维图像，过程中可能因插值、降噪等操作导致信息失真。例如，微小病灶的特征可能在重建中被平滑处理，或噪声干扰影响医生判断。

尽管AI技术已能高效分析医学图像，但其本质仍是对“压缩后信息”的二次加工。研究团队指出：“图像是为人类视觉设计的，而AI的潜力在于直接处理更原始的、未被简化的数据。”

突破性尝试：AI直接解码原始信号

在这项前瞻性研究中，团队收集了276例患者的CT原始数据及对应病理结果，构建了基于深度学习的诊断模型。通过定位原始数据中的病灶区域，AI模型直接学习信号特征，并与传统CT图像模型进行对比。结果显示：

原始数据独立诊断能力接近CT图像：在测试集中，仅用原始数据的模型（AUC 0.782）与基于CT图像的模型（AUC 0.807）表现接近，证明无需图像重建即可实现有效诊断。

原始数据与图像结合效果更优：将两者结合的模型（如RGM-RX 4）在多个患者亚组（如老年、女性、小结节）中表现更稳定，最高AUC提升达12.4%。

研究负责人解释：“原始数据中可能包含CT图像无法保留的细节，例如特定角度的衰减信号或微小结构变化，这些信息通过AI挖掘后能补充传统图像的不足。”

技术落地：从实验室到基层医疗的潜力

这一发现对医疗资源分布不均的地区尤为重要。基层医院常面临专业放射科医生短缺的问题，而主流CT设备通常具备采集原始数据的能力。若未来开发出适配原始数据的轻量化AI工具，基层医生可直接利用设备原始数据进行快速筛查，减少对图像后处理和专家经验的依赖。

此外，研究团队通过可视化技术（如Grad-CAM）发现，AI模型能自主聚焦于原始数据中的病灶区域，其关注度是非病灶区域的1-2倍。这种“可解释性”为医生提供了辅助决策的依据，例如识别易被忽略的微小恶性特征。

挑战与未来方向

尽管前景广阔，研究仍存在局限：当前模型(xíng)依(yī)赖(lài)特(tè)定(dìng)CT设(shè)备(bèi)参(cān)数(shù)，且(qiě)大(dà)规(guī)模(mó)多(duō)中(zhōng)心(xīn)数(shù)据(jù)验(yàn)证(zhèng)尚(shàng)未(wèi)开(kāi)展(zhǎn)。此(cǐ)外(wài)，原(yuán)始(shǐ)数(shù)据(jù)的(de)高(gāo)计(jì)算(suàn)需(xū)求(qiú)对(duì)硬(yìng)件(jiàn)提(tí)出(chū)了(le)挑(tiāo)战(zhàn)。团(tuán)队(duì)表(biǎo)示(shì)，下(xià)一(yī)步(bù)将(jiāng)优(yōu)化(huà)算(suàn)法(fǎ)效(xiào)率(lǜ)，并(bìng)探(tàn)索(suǒ)适(shì)用(yòng)于(yú)不(bù)同(tóng)扫(sǎo)描(miáo)协(xié)议(yì)的(de)通(tōng)适(shì)性(xìng)模(mó)型(xíng)。

结(jié)语(yǔ)：重(zhòng)新(xīn)定(dìng)义(yì)医(yī)疗(liáo)影(yǐng)像(xiàng)的(de)起(qǐ)点(diǎn)

这(zhè)项(xiàng)研(yán)究(jiū)首(shǒu)次(cì)验(yàn)证(zhèng)了(le)“从(cóng)信(xìn)号(hào)到(dào)知(zhī)识(shi)”的(de)直(zhí)接(jiē)诊(zhěn)断(duàn)路径，打(dǎ)破(pò)了(le)百(bǎi)余(yú)年(nián)来(lái)“图(tú)像(xiàng)作(zuò)为(wèi)诊(zhěn)断(duàn)媒(méi)介(jiè)”的(de)固(gù)有(yǒu)模(mó)式(shì)。随(suí)着(zhe)AI技(jì)术(shù)的(de)深(shēn)化(huà)，未(wèi)来(lái)医(yī)疗(liáo)影(yǐng)像(xiàng)分(fēn)析(xī)或(huò)将(jiāng)从(cóng)“人(rén)类(lèi)视(shì)觉(jué)优(yōu)先(xiān)”转(zhuǎn)向(xiàng)“数(shù)据(jù)本(běn)质(zhì)优(yōu)先(xiān)”，为(wèi)精(jīng)准(zhǔn)医(yī)疗(liáo)开(kāi)辟(pì)更(gèng)高(gāo)效(xiào)、更(gèng)可(kě)靠(kào)的(de)新(xīn)途(tú)径。

正(zhèng)如(rú)论(lùn)文通(tōng)讯(xùn)作(zuò)者(zhě)总(zǒng)结(jié)：“我(wǒ)们(men)不(bù)需(xū)要(yào)让AI模仿人类看图像的方式，而是让它以更适合数据本质的方式工作——这可能才是医疗AI真正的进化方向。”

（注：文中AUC为评估模型(xíng)性能的指标，数值越接近1表示准确性越高。）