科学家们正在将X因素重新放进X射线中

就像最令人兴奋的发现常常发生的那样，一切都始于一次意外。

1895 年末，德国物理学家威廉·伦琴 (Wilhelm Rӧntgen) 在实验室里用黑色纸板测试设备。在对已知形式的光进行实验时，他目睹了一种荧光，其行为方式与以往从未见过的完全不同。它不仅穿过了纸板，还传播了 9 英尺。

这些新射线被伦琴命名为“X 射线”（“X”是数学家对所有未知事物的标准替代）实际上可以穿透大量常见物质，从纸板到软组织。但这些神秘的脉冲在击中骨头或金属时突然停止。

这一发现既让人感到恐惧，又让人充满希望。传说伦琴的妻子安娜·伯莎看到自己手的 X 光片复制品（全是骨头和金属结婚戒指）后说：“我看到了自己的死亡！”从此再也没有回到实验室。但医学界却看到了 X 光片无限的治疗潜力。

“事实是，伦琴和其他人很快就意识到 X 射线将有医疗用途，”英国放射学会前任会长、 《放射学史》一书的作者阿尔潘·班纳吉 (Arpan Banerjee) 说。“它不会是一篇被写出来然后被遗忘在档案中的物理学论文。”

尽管技术变得越来越精确，但利用 X 射线生成供人体分析的图像的基本原理基本保持不变。但专家表示，我们可能即将迎来一场新的医学成像革命，这场革命将重新将 X 因素引入 X 射线。

如今，全国的每位医生、牙医和牙齿矫正师都提供基本的成像服务，可以创建类似伦琴的可视化图像，让我们无需动手术刀就能看到皮肤下方。但自从安娜·伯莎惊叹于自己的手以来，在过去的 120 多年里，X 射线已经呈现出无数种新形式。技术人员很快就意识到，只要稍加努力，X 射线就能显示的不仅仅是骨头等坚硬的物质。例如，通过向患者体内注入化学元素钡，医生就能看到胃肠道的软组织。

到 20 世纪 50 年代，血管造影术已成为评估心血管系统堵塞情况的常用方法。与钡餐检查类似，医生可以向患者静脉注射碘染料等造影剂，然后进行 X 射线照射，从而生成患者血管的蜘蛛网状图像。钡餐照亮胃肠道，而血管造影术则可用于分析和治疗血栓和其他疾病。

也许最重要的发展发生在 20 世纪 70 年代，当时第一台 X 射线计算机断层扫描机（简称 CT 扫描机）问世。该机器使用传感器检测穿过患者身体的 X 射线输出，同时生成骨骼、器官和软组织的精细图像。由于身体中每种物质被射线穿透的程度不同，因此该机器可以成功区分手臂和脾脏，并仔细重现两者的印象。“这是 X 射线技术最现代的应用，”班纳吉说。

尽管 X 射线具有诸多潜力，但安娜·伯莎的恐惧并非毫无道理。据班纳吉称，早期的 X 射线强度很弱，仅生成手部图像就需要 15 到 20 分钟的曝光时间。因此，它们很容易造成灼伤，而灼伤的危害不止一种。托马斯·爱迪生的 X 射线研究助理克拉伦斯·达利经常接触辐射，导致他患上转移性皮肤癌，并在 39 岁时去世。“我不想再了解任何有关 X 射线的事情了，”爱迪生在达利去世时说道。

自 20 世纪初以来，研究人员一直在寻找抑制由此产生的辐射的方法。他们在许多方面取得了进展，从防护服（如牙医诊所穿的厚重金属围兜）到从传统 X 射线胶片到数字 X 射线的转变，后者需要更少的辐射来产生图像。但美国放射学院数据科学研究所首席医疗官比布·艾伦 (Bibb Allen) 表示，最大的进步（分别称为管电流调制和迭代重建）在过去十年左右才开始显现希望。

在 CT 扫描中，管电流调制是指辐射剂量根据接受检查的身体部位而变化。艾伦表示，在全身扫描中，发送到坚硬颅骨的辐射量会比发送到充满空气的肺部的辐射量大，从而控制总体辐射量。同时，迭代重建是 CT 扫描仪中的算法将高质量的身体图像拼凑在一起的过程。通过降低噪音和清晰图像，患者可以减少在环形 CT 机上接受 X 射线和由此产生的辐射的时间。

制作医学射线照片的过程与首次发现 X 射线的过程非常相似。X 射线生成后，产生的射线束指向人体目标；其他人将分析此过程生成的图像。但未来的 X 射线会怎样呢？

唐纳德·乌姆斯塔特是内布拉斯加大学极端光实验室的物理学教授。他领导着一个研究小组，该小组制造、维护和使用 Diocles 激光器，这是一种人造装置，可产生比太阳亮 1000 万倍的光束。乌姆斯塔特说：“我们已经发现了一些新东西，一些以前在实验室里从未见过的东西。”他补充说，它有可能改变射线成像。

当 Umstadter 的团队将 Diocles 激光器聚焦在电子束上时，他们能够产生所谓的多光子散射。“这不仅是光的一种新行为……而且也是制造 X 射线的一种新方法，因此本质上这是一种制造光的新方法，”Umstadter 说。该激光器仍会生成与伦琴在实验室中制造的 X 射线类似的 X 射线，只是通过不同的方式实现。“事实证明，我们生成的 X 射线的剂量实际上比传统 X 射线机低 100 倍，因此它们更安全，”他说。如果 Diocles 有一天能够按比例制造——适合医院，甚至是牙医办公室——那么它将对患者和医生的安全大有裨益。

班纳吉和艾伦都是经验丰富的放射科医生，他们将目光集中在人工智能利用机器学习解释 X 光检查结果的潜力上。人工智能已经在诊断任务中表现出色，至少在有限的环境中是如此。2017 年，斯坦福大学的一份新闻稿称，他们的算法可以通过胸部 X 光片诊断肺炎，“比 [人类] 放射科医生更好”。今年早些时候，FDA 批准了一种使用人工智能筛查患者眼睛是否患有糖尿病视网膜病变的设备。全科医生可能很快就能诊断出患者的这种疾病，而无需将他们送到眼科医生那里进行专家评估。

虽然这可能还有很长的路要走，但艾伦表示：“我很高兴有一天人工智能能在图像中看到我们人类无法看到的东西。”