醫學影像未來的發展趨勢分析

未來的醫學影像將是精準醫學的重要組成部分。美國國家醫學科學院(IOM)在2011年11月發出了一份報告，特別強調精準醫學是建立在了解個體基因、環境、生活方式的基礎上的新型的疾病治療和預防的方法。我們利用生命科學來研究這個領域，就是在蛋白、基因或者說在分子的水平上，探究有多大，是否能看見，究竟在蛋白和基因中起到什么作用。

精準醫學首先是針對個體化，要有標志物，同時還要有配對，同時需要循證醫學的支持，再就是大數據的處理。生物醫學的常用領域，在這里我們可以看到電子、原子、分子、DNA、細胞、蜜蜂、小鼠和人，PACS最好的分辨率在5毫米，CT和MRI大概在1600，或者說在0.1-0.2毫米，光學顯微鏡則更小一點，電子顯微鏡就更小。今天發展到基因、基因測序DNA這一塊，光學和電子可以觀測病毒。

顯然我們的PACS賦予我們圖像的存儲和傳輸，并不包括我們傳統醫學常用的生物成像技術和基因配型。也就是說基因和蛋白的數據是PACS的一個前提，醫學發展的前一段所做的是有沒有病，后一段做的是什么病，在什么地方;影像所要解決的是在什么地方，所以PACS在圖像的處理方面是值得重視的。我們對基因序列、基因測序、蛋白等給予一定的關注，可以在分子影像下觀察對比。

總的來講，醫學影像已經發展120年了，從70年代開始，40多年來，我們主要指數字影像，數字影像給PACS一個很好地機會，所以我們的傳輸才可以這么通暢。在醫學數字影像的角度上來講，解決的主要問題是空間分辨率、對比分辨率、時間分辨率和能量分辨率。PACS對于所圍繞的圖像來說，就是要解決這四個分辨率。

從臨床的角度上看，PACS主要解決三個方面的問題，第一個腫瘤，第二個心腦血管疾病，第三個老年癡呆。查詢美國的NIS以及國內的research fund基本都是以這三個為主，PACS也是隨著疾病的主流而演進的。這里給我們提出來最難的就是時間分辨率和能量分辨率，也即是說動態的。再有，隨著功能和代謝、波普、量化等過程對PACS提出了一個新的要求。至于大數據，主要就是看代謝的波普和量化，特別是量化。影像這120年的發展雖說要解決四個分辨率的問題，但是它是以形態學為主的間接性工具，還不可以在組織學和分子學層面進行確診。這個就是我們現在的醫學影像，知道病在什么地方，PACS解決的也是病在什么地方，而不是解決是什么病的問題。

在生物醫學時代的醫學影像來講，我們面臨著三個方向：第一點，是個體化。我們的高等級醫院可以調出基層醫院的片子，但是只是一條線，沒有形成網絡，不能互相調配，小醫院不能拿到三級甲等醫院的片子，所以這個是PACS的一個挑戰。我們要真正做到個體化，首先我們要改變我們的醫療模式，從家庭到醫院再到家庭，圈起來，診斷-治療-隨診，這兩頭都在家庭中，恰好PACS沒有分布在兩端，那么就沒有辦法喚起社會的參與和家庭的參與。同樣，我們很注重的網絡建設，但是我們實際上完成的是一條線，上面調下面的，下面調不了上面的，還不具備穿梭性，更別說整個網絡的調配，這個方面是存在壁壘的。還有我們的規范化還有待進一步建設。

第二點，PACS要注意影像診斷的整合，也就是intergrate，就是把化驗室、病理科、影像合成或者是分子實驗室整合，我們沒有這方面的能力，只能靠PACS或者TMT來解決這個問題。所以PACS和TMT在未來對于腫瘤來講是一個整合醫學影像的工具，過去我們是采取information center 來整合信息，現在我們把整合信息中心可以稱呼為intergrate information，我們把所有的東西都整合在一起，但是我們還是在傳統思路上建立一個center而已，所以這個方面是需要我們考慮的。

第三點，從精準醫學的角度來講，類比軍事在18、19世紀，一般通過決斗來解決，現在主要靠導彈，那么就需要GPS來定位，那么在醫學領域定位就由PACS來做，只有PACS能夠解決這個定位的問題，未來TMT的技術給了精準醫學一個很大的支撐，這個也就是我下面要介紹的。至于原因，我做一下解釋，大家都知道，這個是正常的基因，如果基因有變異，你可以說有疾病，一部分變異的基因通過自身的免疫系統恢復，另一部分無法恢復，我們把這一部分在癌癥之前叫作癌變期，或者說是細微的癌分子或者是癌細胞。之后突然間增殖，大家可以看到從癌癥到死亡是1-3年，我們看到的影像是從癌癥到死亡的階段，基因檢查和蛋白檢查的范圍是看不到的。舉好萊塢女明星安吉麗娜朱莉的例子，醫生告訴她的一對基因有80%的可能患乳腺癌，她選擇切除乳腺，這個是在乳腺上還比較好解決。但是如果是在神經科，一對基因有致病的可能，可能會導致膠質瘤，那么就不能像乳腺那么好解決，沒有辦法切除。在這種情況下，我們更大的一部分做的是在做基因和蛋白數據的積累和對比，這方面的工作以及數據的儲存都需要我們來做，我們要從單純的圖像中跳出來，要適應現在的需求。當然我們還是需要知道這個腫瘤是有多大，另外還要加強數據的處理。如果乳腺癌篩查當中，發現基因異常的，將異常的100人集合起來去檢查，可能會發現其中的20人患病，但是如果沒有基因的對比，只是簡單的把多少歲到多少歲的人集合起來去診查可能效果不會很理想。所以，信息的整合顯得非常重要。

以膠質瘤為例，對于膠質瘤的分類目前采用的是2003年WHO的分類，今年6月份，我們采用新的分子分型進行分類，我們就可以利用大數據把過去的圖像都調出來，然后我們觀察其特點以及這個特點與分子分型有沒有一定的關系。所以PACS能不能把所有的數據，所有的特點就像計算機早期輔助診斷一樣，能夠早期的調出來;能不能同時把MR或者CT的影像全都調出來，這個給PACS中做軟件的人員提出了一個要求。

對于今天來說，我們要發展藥物，要進行疾病治療，我們看不著病變在什么地方，但是我們知道它已經存在，所以我們能不能把這一部分的東西取出來，然后我們懷疑它是什么，我們再打進去，讓它去標記這些病變的地方。甚至于搭配著治療藥物打進去去診斷和治療，也就是進行靶向治療，這一部分沒有醫學影像，但是醫學影像告訴我們病在哪里，之后用藥物進行治療。這個過程同樣也需要大數據，還有就是規范。這是一種激情，這種激情架在實際上，就是形成對藥物、數據和規范的建設，這是未來PACS很重要的挑戰。