影像医学：从阴影到高分辨率的透视革命

超声：用声音看身体

人类用光来"看"人体内部的梦想始于 X 射线，但光有它的局限——电离辐射有伤害风险，而且 X 光对软组织分辨力很差。另一种物理手段提供了互补的视角：声波。

超声成像的物理学基础可以追溯到 19 世纪。1842 年，奥地利物理学家克里斯蒂安·多普勒（Christian Doppler，1803-1853）描述了声波频率随运动变化的效应——多普勒效应。20 世纪初，声呐技术在两次世界大战中被用于探测潜艇，战后人们开始探索把同样的原理用于医学。1950 年代，苏格兰格拉斯哥的妇产科医生伊恩·唐纳德（Ian Donald，1910-1987）将工业超声探伤仪改造为产科检查工具，首次用超声区分了卵巢囊肿和实体肿瘤。到 1960 年代，超声已成为产科常规——孕妇第一次能在分娩前"看到"自己的胎儿。

超声的吸引力在于它完全无创、无辐射、成本低廉，而且可以实时成像。彩色多普勒超声能显示血流方向和速度，是心脏和血管疾病诊断的基本工具。但它也有明显局限：声波无法穿透骨骼和含气组织，图像分辨力远低于 CT 和 MRI，诊断准确性高度依赖操作者的经验。

CT：豪斯菲尔德的数学魔法

X 光片的最大问题是"透视重叠"——三维的解剖结构被压缩成二维影像，前后重叠的组织互相遮挡，大量信息丢失。解决这个问题需要一个数学工具和一台计算机。

1963 年，南非裔美国物理学家艾伦·科马克（Allan Cormack，1924-1998）发表了重建断层图像的数学理论——通过测量 X 射线从多个角度穿过物体后的衰减值，用数学方法反推出每个截面的密度分布。但科马克的论文几乎无人关注。真正把这个理论变成现实的是英国电气与音乐工业公司（EMI）的工程师戈弗雷·豪斯菲尔德（Godfrey Hounsfield，1919-2004）。EMI 当时靠披头士乐队的唱片收入支撑研发，豪斯菲尔德获得了相当的自由度。

1967 年起，豪斯菲尔德开始搭建实验装置。第一台原型机花了九天时间扫描一个保存在福尔马林里的人脑标本，计算机处理数据又花了两个半小时。1971 年 10 月 1 日，第一台临床 CT 在伦敦阿特金森·莫利医院投入使用，扫描了一位疑似脑瘤的患者——图像清晰地显示了一个额叶肿瘤。外科医生看到图像后说：“这就像看到了上帝的启示。“CT 的发明使脑部疾病的诊断发生了翻天覆地的变化：此前需要气脑造影（把空气注入脑室，患者极其痛苦）才能看到的病变，现在几分钟就能无创显示。1979 年，豪斯菲尔德与科马克共享诺贝尔奖——这是该奖项首次颁给没有医学学位的人。

MRI：磁场中的人体地图

CT 解决了断层成像的问题，但仍然依赖电离辐射，对软组织的对比度有限。另一条技术路线通向完全不同的物理原理：核磁共振。

1946 年，费利克斯·布洛赫（Felix Bloch，1905-1983）和爱德华·珀塞尔（Edward Purcell，1912-1997）各自独立发现了核磁共振现象，因此获得 1952 年诺贝尔物理学奖。此后三十年，核磁共振被广泛用于化学分析，但没有人想到可以用它来成像——直到 1973 年，美国化学家保罗·劳特伯（Paul Lauterbur，1929-2007）在《自然》杂志上发表了一篇开创性论文：他通过在主磁场上叠加梯度磁场，使不同空间位置的原子核产生不同频率的信号，从而可以用计算机重建出二维图像。劳特伯的第一张核磁共振图像是一支装着水的试管。

英国诺丁汉大学的彼得·曼斯菲尔德（Peter Mansfield，1933-2017）进一步发展了快速成像技术，使 MRI 的扫描时间从数小时缩短到几分钟，最终达到临床实用水平。1977 年 7 月 3 日，第一张人体 MRI 图像完成——那是劳特伯自己的胸部横断面。MRI 不使用任何电离辐射，对脑、脊髓、关节软组织的分辨力远超 CT。2003 年，劳特伯和曼斯菲尔德获得诺贝尔生理学或医学奖。

PET-CT：看见代谢的火光

CT 和 MRI 显示的是解剖结构，但疾病的本质往往是功能异常——癌细胞比正常细胞消耗更多葡萄糖，癫痫病灶的神经元放电异常，阿尔茨海默病患者脑部的淀粉样蛋白沉积。这些功能性改变在结构变化之前就已经发生。

正电子发射断层扫描（PET）通过向体内注射带有正电子放射性核素标记的示踪剂（最常用的是氟代脱氧葡萄糖 FDG），探测正电子湮灭产生的伽马射线，从而绘制出体内代谢活动的分布图。癌细胞是"糖老虎”，它们在 PET 图像上呈现为明亮的热点。2000 年前后，PET 与 CT 被整合到同一台设备中——PET-CT 把功能信息与解剖信息精确叠加，成为肿瘤分期、疗效评估和复发监测的标准工具。

AI 辅助诊断：下一个前沿

2010 年代，深度学习技术开始在医学影像领域崭露头角。2017 年，谷歌旗下 DeepMind 的 AI 系统在糖尿病视网膜病变筛查中达到了与眼科专家相当的准确率。此后，AI 辅助诊断在肺结节检测、乳腺钼靶、脑卒中超早期识别等领域不断取得进展。AI 不会取代放射科医生，但它正在改变诊断的速度和一致性——在影像科医生严重短缺的地区，AI 可能是唯一的筛查手段。

从 X 光的模糊阴影到 AI 的像素级分析，影像医学走过了一百三十年。每一代技术都让我们看得更深、更清、更早——而"更早"在医学中往往意味着"更好的结局”。