基于 AI 技術的醫療影像靠譜么？聽聽放射科的教授們怎么說

雷鋒網消息，2017年7月22日，北京大學醫學部影像醫學學系第二次學術年會在北京國二招酒店舉行，當天上午舉行了“醫學影像與人工智能論壇”。

雷鋒網了解到，北京大學醫學部影像醫學學系成立于2016年9月3日。北京大學醫學部醫學影像學學系是以北京大學第一醫院、人民醫院、第三醫院、腫瘤醫院放射科為主體，聯合其他北京大學所屬臨床醫學院及教學醫院相關教研室共同組成。

多位醫院影像科專家、科研院所和創業公司參加了此次論壇。作為傳統醫療行業的親歷者，他們如何看待  AI 在這個領域的前景以及發展方向，值得我們探究。

以下為幾位演講嘉賓的內容概要，雷鋒網在不改變原意基礎上做了摘要概述，供傳統醫療行業從這也以及  AI 醫療從業者進行參考：

北大人民醫院杜湘珂：AI進入醫療影像領域，一定是在單一、規律性強的領域

論壇中，北京大學人民醫院杜湘珂教授進行了“醫學影像中的人工智能技術”的主題演講。杜教授表示，醫學影像AI還處于“嬰兒期”，但AI和人類相比在智能篩查方面的速度和準確性上都有很大優勢，學術界和企業界已經出現了很多成果。

肺結節是早期肺癌的表現形式，在我國癌癥死亡原因中，肺癌死亡率占第一位，肺癌的早期發現和治療能極大提高病人的生活質量和存活率，對肺結節的篩查很重要。

杜教授認為，雖然AI在肺結節的檢出上比人工快，但是肺結節的檢出并不是那么簡單，5毫米以下的小結節，尤其是1-3毫米的結節，情況更為復雜，并且肺本身的疾病分類就多達200多種，數據量非常龐大?！?strong>所以 AI 進入醫療影像領域應用的方向和切入點一定是在單一且規律性強的領域。”

同時，杜教授表示，“ AI 并不能完全替代醫生。醫生看病不止于看圖這么簡單，AI完成的僅僅是診斷環節中的一部分工作。同時，AI的盈利與能源消耗也是一個巨大的現實問題。IBM沃森醫生與安德森癌癥中心的合作已經暫停，花費了6200萬美金?！?/p>

華中科技大學同濟醫學院艾濤：CT掃描是肺結節檢測的“金標準”

隨后，華中科技大學同濟醫學院附屬同濟醫院的艾濤教授進行題為“深度學習與肺結節的智能識別”的演講。

艾濤表示，CT掃描是肺結節檢測的“金標準”，但是檢測結節的難度也很大，在工作量巨大的情況下，大約39%的結節會被放射科的醫生遺漏，同時良惡性的分類也是個很大的挑戰。

他表示，深度學習算法是對人工神經網絡的發展。多數算法是半監督式學習算法，用來處理存在少量未標識數據的大數據集。常見的深度學習算法包括：受限波爾茲曼機（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷積網絡（Convolutional Network）。在這些算法的幫助之下，能夠在提升效率的前提下，減輕放射科醫生的工作量，但盡可能降低漏診的比例。

除了學術界人士之外，大會還邀請了企業代表分享了各自公司在醫學影像方面的應用。

推想科技CMO夏晨：如何讓醫療人工智能進行落地

推想科技CMO夏晨博士進行了主題為“醫療人工智能的落地與應用案例”的演講。夏晨博士從企業的角度分享了推想在技術研發和輔助診斷方面的應用情況。

雷鋒網此前也多次對推想科技進行過報道。推想科技總部位于北京，是一家人工智能公司，致力于應用深度學習技術為醫療影像輔助診斷提供解決方案，推出了智能X線輔助診斷產品（AI-DR）、智能CT輔助診斷產品（AI-CT），智能深度學習科研平臺（AI-Scholar），已在北京協和醫院，上海長征醫院、武漢同濟醫院、大連中山醫院投入試用。

在早期肺癌篩查中，推想的智能 CT 以其并行運算能力，能夠挖掘肺癌的核心特征點，判斷不同序列影像是否存在疑似癌癥的特征。通過與醫生診斷對比，智能 CT 輔助篩查產品能夠提升肺癌篩查的效率，同時人工智能對半實性與磨玻璃結節等早期肺癌征兆展現出了更好的敏感性，能夠幫助放射科醫生提升診斷的準確率。

此外，其智能 X 線輔助篩查產品能夠對心胸部位的20多種不同病灶進行判斷，既可以幫助體檢醫生迅速篩檢出存在病灶的影像，又可以在門診住院病例的診斷過程中迅速標識出病變位置。

飛利浦醫療臨床科學部郭寧：醫學影像的物理驅動——應用驅動——數據驅動

隨后，飛利浦醫療臨床科學部郭寧以“從醫學影像來看大數據在智慧醫療中的價值”為題，從“醫學引影像的發展歷程”、“醫學成像的挑戰”、“影像組學特征提取的方法”等方面發表了自己的見解。

他講到，在醫療影像100余年的歷史進程中，經歷了從物理驅動到應用驅動再到數據驅動的發展過程，推動這一過程的技術，已經讓人類對疾病有了不同層次的認知，這些不同的認知則組成了全面的“治療大數據”。在這樣的背景下，就對影像提出了新的要求，需要從影像中提取更多的特征、獲知更多的信息，并且實現從定性到定量的轉換。

面對這些挑戰，飛利浦在2016年推出了一個醫療影像處理平臺（IntelliSpace Discovery）， 該平臺采用了網絡式架構，不受時空的限制，可以進行圖像的后處理，也可以兼容其他圖像開發平臺。他表示，近年來飛利浦也收購了一些圖像后處理的公司，希望以此把基因測序的結果連接到飛利浦的基因組后處理平臺。此外，他還與聽眾分享了飛利浦公司在腫瘤基因組和數字化病理等方面的解決方案。

通用電器醫療戰略市場經理姚婉：行業場景和商業模式是 AI 技術應用的基礎

最后一位演講嘉賓是通用電器醫療戰略市場經理姚婉，她發表了“肺癌早篩早診解決方案及人工智能技術應用”的主題演講。

她表示，人工智能之所以會火是和產業結構相關的，包括核心技術、算法、硬件芯片等方面的成熟。同時，人工智能離不開大數據，海量數據為人工智能提供發展的土壤。近幾年人工智能有這么大發展是因為能夠和行業場景進行結合，而不僅僅停留在技術層面?！耙豁椇玫娜斯ぜ夹g一定是要解決實際臨床問題，同時要有好的商業模式?！?/span>

在演講中，她分享了人工智能深度學習技術原理：通過建立深度學習神經元數學模型，直接從海量醫療影像的原始像素出發，讓模型自己挖掘有效組學特征，學習和模仿醫生的診斷技術。

雷鋒網了解到，中國的肺癌疾病形勢嚴峻，近30年肺癌的死亡率上升了465%，肺癌患者中晚期發現比例達到了75%，而肺癌患者五年的生存率僅為17%，這就為肺癌疾病的早期篩查提出了要求。

她認為，基于這個背景，需要新的技術來輔助醫生提升診斷效率，從而提升整體的治療效果。人工智能是一個很好的技術，通過建立深度學習神經元數學模型，直接從海量醫療影像的原始像素出發，讓模型自己挖掘有效組學特征，學習和模仿醫生的診斷技術，由此達到目的。

演講嘉賓的分享結束后，還就“人工智能醫學影像在基層醫療有哪些應用前景”、“企業在人工智能醫學影像方面的研發和體驗”等話題進行了探討。

雷鋒網后續還將發布此次學術論壇演講嘉賓的精編內容，敬請期待。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。