<mark id="oztn4"></mark>
0
若要細數沈定剛的過往身份，那么堪可談論的絕不只有一種。
國內醫療AI龍頭企業聯影智能聯席CEO、上海科技大學生物醫學工程學院創始院長，兩大重要任職已將他置于醫學影像領域最中心。
然而，這僅是了解他過往二十多年工作經歷的冰山一角。
在2018年回國之前，他還是美國北卡羅來納大學教堂山分校的放射學系、計算機系、生物醫學工程系終身教授，以及該校醫學影像分析中心的主任。追溯至更久前，他還曾在賓夕法尼亞大學、約翰霍普金斯大學等高校擔任教職。
憑借在醫學影像的長期深耕，回饋給他的是“沈定剛”三個字形同一道公信力，確保科研項目和臨床工具不出差錯，沿著正軌持續演進，直至被推到極致。
當他被問到這其中有何訣竅，回答只有最簡單的一句話：一個人在多個領域做出重大貢獻是不可能的，因為時間和精力都是有限的。如果我有所貢獻，那可能是因為我對自己的研究領域非常專注。
“在美國工作期間，我曾負責不少由NIH資助的研究項目。一般情況下，研究人員可能只能主持最多3-4個R01項目，但我曾同時主持8個R01項目（作為PI）。”沈定剛回憶當時情形，“每拿一個新的R01項目，管理機構的主任們都會開會討論是否同意再資助。我向他們解釋，一般人每天可能工作8小時，而我經常工作14-15小時，同時覺得我的效率比一般人高很多。”
相對于沈定剛對項目密度的把控，他在研究方向上的態度則始終如一，“腦影像”三個字是貫穿其科研與從業生涯的一條主線。自1999年起，沈定剛便深耕于腦科學領域，專注于通過影像學技術探究大腦的奧秘。他的研究不僅覆蓋了老年人群體大腦老化的研究，還包括兒童早期大腦發育和個體化的大腦疾病診斷。
在迄今25年的腦影像研究歷程中，今年沈定剛及其聯影智能團隊再次取得突破，推出了「MR腦靜息態功能智能分析系統」和「MR腦纖維智能分析系統」兩大創新工具。
前者通過靜息態fMRI和T1序列數據，為神經疾病機制研究、神經和精神類疾病的診治、預后康復評估、術前腦功能區定位等多種應用場景提供輔助。
后者則利用DTI技術，實現了全腦纖維追蹤和分類的一鍵式智能分析，全流程壓縮進十分鐘內，主要用于研究大腦的結構連接、神經纖維損傷和疾病等。
至此，聯影智能在大腦影像AI領域的產品線，已形成從卒中、腫瘤到神經退行性疾病，從CT模態到MR模態的全景圖譜。這即是聯影智能所強調的“全棧全譜”的研發思路。
值得一提的是，在4月上海召開的CMEF（中國國際醫療器械博覽會）和5月新加坡召開的ISMRM（國際醫學磁共振協會暨展覽會），這兩大MR腦新品均有亮相。與此同時，沈定剛成為新一屆ISMRM Fellow，成為他繼IEEE Fellow, AIMBE Fellow, IAPR Fellow, MICCAI Fellow后的第五個頂尖學術榮譽。
借此契機，近日雷峰網(公眾號：雷峰網)對話聯影智能聯席CEO沈定剛，深入探討了他的科研經歷、對醫學影像AI領域的深刻洞察，以及聯影智能在MR腦新品背后的研發故事。以下為對話（經編輯）：
雷峰網：今年聯影智能推出的「MR腦靜息態功能智能分析系統」、「MR腦纖維智能分析系統」兩大工具，研發動因是什么，實際效用如何？
沈定剛：在回答之前需要做一個普及：針對MR神經影像分析，結構、功能、纖維，是三個非常重要的維度，這三者結合可以為臨床診療及神經生理機制的研究提供更全面的信息。針對腦結構和腦功能，學術界已經進行了長時間的研究，而且已經將諸多研究成果應用于臨床診療。
比如，評估兒童的發育過程和老年人大腦老化是否正常，以及在進行開顱手術時，功能影像技術能夠幫助醫生識別關鍵腦區，以保護重要的功能，如語言和運動能力。但問題在于，盡管臨床對于腦功能AI產品的需求很明確，但因為影像數據量大，傳統的后處理工具都比較分散，很難實現一站式的、多維度的特征提取和分析。
聯影智能 ‘MR腦靜息態功能智能分析系統’ 可基于靜息態fMRI和T1序列數據，提供全腦的功能連接矩陣、腦功能連接圖、圖論分析等多維分析結果。該AI系統將大幅縮短fMRI的數據處理時間，實現從原始圖像預處理、定量評估到結果可視化的全流程自動處理，為神經疾病機制研究、神經和精神類疾病的診治、預后康復評估、術前腦功能區定位等多種應用場景提供輔助。
腦纖維的臨床分析痛點和腦功能有共通之處。腦纖維利用了彌散張量成像（diffusion tensor imaging, DTI）技術。
DTI技術能夠幫助我們可視化大腦內部的微觀結構，即腦區之間的物理連接，類似于地球上城市之間的高速公路網絡（或者航線）。這些高速公路（或航線）代表了大腦中的纖維連接，將不同的腦區緊密相連。DTI技術所提供的圖像數據同樣高度復雜，涉及到掃描時人體內水分子在不同方向上受到梯度場影響時的擴散信息等。AI系統需要從這些復雜的圖像數據中準確提取腦纖維的走向、連接，并進行定量分析，快速精準地實現個體數據全腦纖維追蹤和分類以及后續的腦結構連接分析、ALPS科研指標計算等等。
聯影智能 ‘MR腦纖維智能分析系統’，可一鍵實現DTI全流程智能分析。在10分鐘內，全自動完成預處理、彌散張量計算、纖維束追蹤、結構連接網絡構建、相關圖論指標計算，無需任何手動操作。該AI系統不僅能夠顯著降低DTI的科研門檻，還將為醫生帶來便捷高效的全腦纖維分析，讓醫生更加專注于醫學研究本身，同時為醫生的臨床診療提供關鍵支持。
雷峰網：能否詳細介紹這兩款產品的技術實現形式，相較于其他解決方案的優勢？
沈定剛：在技術實現上，我可以分享兩點：
一、我們的腦功能、腦纖維兩大新品都做到了全自動的數據處理，進而大幅度加速了工作流。我們運用了一系列的專業技術，包括跨模態配準、信號質控、去噪、頭動矯正、渦流矯正等等，這一系列的技術幫助我們實現了數據的全自動處理，也就意味著醫生不需要任何操作，等待幾分鐘就可以得到一系列對應的參數。而傳統的分析時長，可能會在幾小時左右，相對來說是很耗時的。
二、我們在產品布局上都采用的是模塊化的布局，所以這兩個新品，聯合我們的腦結構、腦小血管病的AI產品，我們把它們智能集成為一個平臺--「uAI腦科學前沿科創平臺」。平臺搭載了上述各個產品，可以幫助醫生從腦結構、腦功能、腦纖維、腦病變等各個角度全面開展腦科學研究，幫助醫生去做自己個性化的科研項目。特別是一些比較長周期的、重大的腦項目，通常會涉及到多個節點或者是子課題，攻堅的腦科研方向也有所區分，這種場景下，我們的這個平臺可以很好地滿足這些需求。
兩大MR腦新品的優勢有兩部分：
一、它們都實現“跨越全年齡段”的突破，也就是可以做到全面覆蓋醫生對于0~90歲人腦的科研需求。這也源自于我們覆蓋全年齡段的數據積累，以及對應的技術積累。因為過去我們參與了多個在腦方向的國家級科研項目，這些項目的攻堅方向都涉及到了腦功能、腦纖維的維度，它們為我們打下了必要的基礎。例如我們聯合澳門鏡湖醫院、華山醫院做的阿爾茲海默病的早期檢測和評估項目，以及由上科大牽頭的0~18歲嬰幼兒、兒童青少年腦發育研究項目等等，我們的這兩個產品也在項目合作的基礎上進一步開發出來，并在華山醫院等醫院中繼續打磨。
二、它們都實現了全自動的數據處理。這個優勢讓醫生的分析時間從傳統的小時級，壓縮到了分鐘級，甚至是十分鐘、五分鐘。而且全自動的另一個好處是，即使是專業并不聚焦在腦領域的醫生，只要經過培訓，也可以很容易上手，進行一系列感興趣的腦科學研究，對于醫生來說，其實學習成本是大大降低的。
雷峰網：在今年兩大MR腦新品之前，公司在腦影像AI領域有哪些技術積累和產品創新？
沈定剛：在技術、數據、人才等方面都有相應的積累，擁有領先的分割技術。
首先，在技術方面，我們有獨創，且領先的分割技術。我們都知道，大腦影像非常復雜性，對于精確的圖像分析和解讀提出了巨大的挑戰。而準確的對影像進行分割是精確分析圖像的前置條件。在這方面，我們有獨創的影像分割技術，這項技術曾在世界級的分割比賽 SegTHOR Challenge 2019 中獲得過冠軍。
其次，在數據方面，我們在腦領域積累了多個重大項目。
這些項目涵蓋了“一老一小”兩大方向（后文詳細提到），幫助我們實現了覆蓋0~90歲的全年齡段人群的豐厚的數據積累。
最后，在人才方面，我們擁有一批長期深耕腦領域的優秀科學家。就我個人而言，我長期研究方向比較聚焦大腦方向。另外，比如還有我們的研究院院長石峰博士，也是長期深耕腦領域的科學家。我們公司類似這樣的腦科學人才有很多，所以也推動了很多研究、產品的出現和落地。都說“得大腦者得天下”，所以我們也有自信地說，在腦影像AI領域的一系列成果是我們的核心競爭力，未來我們會繼續走在前沿。
當然，新品之前，我們在MR模態已有產品基礎，且都具備標桿意義。聯影智能在大腦影像AI領域的產品成果豐富，布局全面，在CT、MR多模態，以及卒中、腫瘤、神經退行性疾病等多疾病都實現了覆蓋，這在業內是非常領先的。這次兩大新品屬于我們在MR模態上的進一步拓展。但是在這兩個新品出現之前，我們針對MR模態也布局了腦小血管病AI、腦結構AI，這些產品都具備突破性的標桿意義，腦轉移瘤AI更是全球鮮有的臨床-科研轉化成果。它們都為我們在MR模態上的新品推出提供了很好的基礎。
雷峰網：在開發這兩大MR腦新品過程中，存在哪些技術挑戰？從項目啟動到產品問世周期多久？
沈定剛：對于我們開發AI臨床工具來說，困難遠不止技術難度，還有工程難度。
因為工程開發，不像重大項目的科學研究，往往數據量有限且來源固定，但我們需要確保基于這些數據訓練出魯棒性非常強的算法，才可以適用不同的廠家、不同的機器。本身就是一件有技術難度的事情。
比如腦功能，因為fMRI影像涵蓋了腦活動的多維信息，每個腦區的信號又可能會受到多種因素的影響，如血流動力學響應、噪聲干擾等，AI需要準確提取有關大腦功能的信息，并對大量的數據點進行信號質控和數據處理，以及后續腦功能網絡的構建和腦功能連接分析等，這都需要非常強大的算法支持。
其次，在我們實際開發過程中，我們還需要兼顧各個廠家不同的掃描數據，并考慮到如何降低耗時，實現高效的數據處理工作流的過程等等問題。考慮到可以最大程度提升我們產品的可用性，我們這兩個產品是在我們的兩個平臺（診療平臺、科研平臺）同步上線的，但這對應用本身來說，因為使用場景并不是完全一樣的，會存在很多需要兼顧和調試的地方，尤其是交互設計方面，主要的目的也是讓醫生使用起來更方便，我們也花了一部分的精力在這里。
從產品啟動開發到初步版本完成來算的話，這兩個產品我們開發的時間都在三個月左右（總共半年），都屬于比較正常的范疇。在開發過程中，與醫生的溝通也非常重要，因為我們需要了解他們的實際需求和使用體驗。這些反饋對于我們改進產品至關重要。
因此，產品開發過程中的打磨和迭代是必不可少的。這也得益于我們之前在嬰幼兒腦發育的腦科學重大項目、阿爾茲海默病的科技部重大項目等等積累，讓我們可以學習到優秀醫生的經驗，準確理解臨床場景和需求。
雷峰網：與你們之前開發其他產品工具的周期相比，半年的時間算長嗎？
沈定剛：對于我們而言，半年的時間既不過長，也不是過短，實際上是腦科學領域的深入研究和產品開發的復雜性使然。這次的兩個新產品，對我們來說都是相當于是在開發全新的模塊。
盡管我們公司倡導敏捷開發的理念，希望能夠迅速推出新產品，但腦功能連接和結構鏈接的應用領域相對專業和小眾，特定模塊相對較新，需要我們投入更多的時間和資源來開發。我們需要從基礎做起，逐步構建每個工具，然后將它們整合成具有實用功能的完整產品。這個過程需要很長的時間，但是，一旦這些基礎組件或模塊開發完成，未來開發與功能連接和結構連接相關的應用時，我們將能夠更加迅速地進行。
在這一過程中，盡管主要由我們公司內部團隊負責，但我們非常重視與應用端的專家，這包括醫院和科研院所的專業人士，尤其是在上海地區。這些交流對于我們開發的產品至關重要，因為它們直接影響到工具的最終使用要求。除了臨床使用，這些工具也廣泛應用于臨床研究。在臨床研究中，我們不僅需要關注腦結構和功能連接的分析結果，還需要考慮如何將這些研究成果轉化為學術論文，包括數據的呈現方式、圖表的設計等。
為了達到學術發表的標準，我們需要進行大量的調研，了解當前領域內的研究者是如何展示他們的研究成果的。這包括對現有文獻的研究，以及對圖表和數據展示方法的深入分析。我們的目標是確保我們的產品不僅在技術上是先進的，而且在學術呈現上也能符合最高標準，以便能夠為臨床和科研工作帶來真正的價值。
雷峰網：目前產品還有哪些方面有待完善，未來如何升級？
沈定剛：這兩個產品我們都會持續迭代，持續和醫生溝通，目標是讓產品真正符合醫生的臨床需求。
比如在腦功能方向的產品上，我們會持續調研醫生的科研需求，進一步讓我們的產品可以更兼容醫生的個性化需求；在腦纖維方面，我們會陸續增加一些編輯工具和交互功能，讓我們的產品整體越來越適應臨床的工作流等。
雷峰網：總體來說，聯影智能在腦方面的影像AI的整體布局是怎樣的？
沈定剛：針對腦部的影像AI研究難度極大。聯影智能在大腦影像AI領域的產品成果豐富，已實現卒中、腫瘤、神經退行性疾病等多疾病覆蓋，CT、MR多模態覆蓋。
以基層重大疾病腦卒中為例，公司已先后開發出5大智能輔診系統+智能危急預警平臺，構建「一站式腦卒中智能解決方案」，全方位覆蓋卒中患者一站式CT檢查流程。該解決方案具體包括：
1. CT顱內出血智能分析系統
2. CT腦缺血智能分析系統
3. CTA頭頸血管智能分析系統
4. CTP腦灌注智能分析系統
5. CTP/CTA腦側支循環智能分析系統
6. 智能危急預警平臺
我們在CT模態的布局是比較完善的，作為全國首個數智一體化卒中診療方案，該系列產品已深入賦能湖北枝江縣域腦卒中診療，6個鄉鎮均具備基本的缺血性腦卒中的診療能力，落地短短數月內已拯救超50余個家庭危機，為當地60萬人提供幸福保障。
總的來說，我們的腦影像AI產品線集中在兩大塊：
一是MR成像，包括對腦小血管病、腦轉移腫瘤的研究，以及對腦科學的前瞻研究；
二是CT成像，針對腦卒中后腦組織變化的自動測量和診斷信息提供。
雷峰網：CT和MR這兩種成像模式，在針對不同病種時各自有哪些特點。為什么我們這次主要選擇MR來進行腦部相關產品的研發？
沈定剛：磁共振成像（MRI）的優勢在于它對人體沒有任何損害，因此可以用于年度體檢或日常檢查。而CT掃描雖然速度快，可能幾秒鐘就能完成，但存在輻射劑量問題。
CT在緊急情況下非常有用，因為它能迅速提供結果，MR通常需要更長的掃描時間。
但CT主要觀察骨骼結構，對于軟組織的對比度表現則相對有限。在細節的呈現上，MR更為精細。MR能夠清晰地展示腦部微小的變化，包括白質和灰質的對比度。
例如，在腦卒中發生后，如果需要進一步明確卒中導致的腦組織變化，MR能夠區分腦組織中哪些部分已經壞死，哪些部分仍有可能被挽救，這對后續的治療計劃和預后評估非常重要。此外，MR還能檢測到微小的出血點，這對于早期診斷腦小血管病等病癥至關重要。我們還開發了能夠自動識別并標記出腦部出血點的工具。在癌癥轉移方面，MR也能發現腦部的小轉移瘤，這些在CT上可能難以辨認。我們的工具能夠幫助醫生節省時間，提高診斷的準確性。
總的來說，CT和MR各有優勢，我們在這兩個領域都進行了大量的研究和開發工作。我們的產品體現了這些技術各自的應用價值，它們在醫學診斷中是互補的，而不是相互替代的。
雷峰網：在聯影智能的腦影像AI技術和產品版圖中，哪些領域已取得顯著進展，哪些仍處于研發階段？在臨床和科研兩塊的服務上，公司策略是怎樣的？
沈定剛：取得顯著進展的正是剛才提到的--腦卒中AI的“枝江模式”。而腦影像AI的一些細分方向則處在研發階段，包括任務態腦功能、兒童腦損傷、核醫學 MI 腦、腦腫瘤等。
所以說，我們的腦影像AI產品的定位，可以用“頂天立地”來形容，既著眼于高端的科研領域，也瞄準了基層的危重疾病應用，這樣可以使得我們能夠適應各種實際需求和應用場景。
對于“頂天”的高端科研產品，恰恰是最優秀的一批三甲醫院、國家醫學中心等醫院，才有能力對極復雜、具備挑戰的腦部疑難雜癥進行深入的探索。我們的高端腦科研產品針對大腦疑難雜癥的研究和探索提供了強大的工具。
而有力地支持和推動專家們的研究工作，進而滿足腦科學調研課題時挑戰性的、多樣化的需求。對于像腦卒中等基層危重疾病所延伸出的“立地”的產品，恰恰對可以滿足基層醫療機構的需求，因為這類基層重大疾病有著廣泛性和嚴重性。因此，我們正持續推動將AI技術這一高質量的資源持續推向基層醫療機構，幫助他們提升對這類疾病的診斷和處理能力，從而惠及更廣泛的病患群體。
在科研服務這塊，我們的策略主要也可分為兩個：
一方面，我們強調“授人以魚不如授人以漁”。腦科學研究非常復雜，但也是醫生們都非常感興趣、想嘗試的方向。所以我們的策略，就是以臨床易用為導向，提供好用的科研工具，去降低腦研究的門檻，讓醫生不需要很高的學習成本，就可以學會用人工智能技術進行腦科學的探索，滿足自己的個性化科研需求。
另一方面，我們堅持產學研醫，針對之前提到的重大腦科研項目，我們和領域內的專家、醫院都建立了聯盟組織，比如兒童腦智發育聯盟、中國精神影像聯盟、孤獨癥腦影像聯盟等，了解專家們認為重要的探索方向，緊密的協作創新，針對性地開展一系列的重大研究。總的來說，目前我們討論的大多數產品都已經得到了廣泛的使用。以腦轉移瘤檢測為例，由于癌癥轉移到大腦的患者本身就相對較少，因此這項技術的應用范圍有限。
即便如此，我們與中山大學腫瘤醫院等國內頂尖的腫瘤醫院合作開發的腦轉移瘤檢測工具，在目標醫院中的占有率卻非常高。
雷峰網：聯影智能在腦影像AI領域的布局，對學術界和業界也有著積極的教育和引導作用。您親身感受的經歷有哪些？
沈定剛：臨床上，我們已經收到了醫院的合作意向，例如與杭州的兒童醫院、廣州的婦女兒童醫療中心進行的新生兒和兒童的腦部研究與應用。
我們的工作不僅限于提供醫生使用的工具，而且還引領了新的研究方向。特別是在兒童和老年人腦健康方面，我們主持和參與了國家級的重大項目。我們稱之為“一老一小”腦研究，包括中國腦計劃的0～6歲兒童的早期腦發育研究、6～18歲青少年的大腦發育研究，以及科技部重大項目中針對阿爾茲海默病的早期診斷研究。
另外，我們探索了“腦心腸軸”（腦部疾病與心臟及腸道健康之間聯系）的概念，開發了基于影像的診斷工具，這些工具能夠幫助識別大腦萎縮區域，從而預測和診斷老年性疾病。這些工作不僅包括產品開發，還涉及新概念、新方法和新工具的研發，旨在引領學術研究方向。這是一種雙向奔赴，我們不僅提供了工具供醫生和研究人員使用，如通過腦形態分析來識別萎縮區域，最終轉化為實用的工具和產品，而且讓我們在未來的產品開發和市場推廣中更有信心。
雷峰網：目前，國內還有哪些團隊在腦影像AI領域取得了顯著成果？他們的工作對整個領域的發展有哪些積極貢獻？
沈定剛：在國內，腦科學研究的團隊規模正在不斷擴大。與10年前相比，如今除了有研究人類大腦的團隊，還有團隊專注于動物模型，比如老鼠、猴子來研究大腦的精細結構。
相比而言，通過創建自閉癥猴模型，研究人員可以觀察腦結構和功能的變化，并研究治療后的效果。這些動物模型允許進行一系列腦部操作，如手術切斷特定連接，來觀察大腦的變化。針對人類大腦的研究則更為被動。我們不能像對待動物模型那樣干預人腦，因此，研究通常依賴于使用影像學工具進行非侵入性的觀察。因此，這些研究主要集中在大腦圖譜的繪制和腦網絡研究上，尤其是功能網絡的研究，而結構網絡的研究相對較少。
雷峰網：腦科學作為一門基礎科學，其核心在于深入理解大腦的生物學特性；而腦影像AI則更側重于技術應用，解決醫學和科研中的具體問題。您如何看待這一分野？您個人的研究方向是后者嗎，成果有哪些？
沈定剛：我的研究主要集中在宏觀層面，即通過影像學方法來探究大腦的工作原理。
在腦科學研究中，我們關注的尺度可以從微觀的分子和神經元連接到宏觀的腦組織結構。影像學作為一種宏觀層面的研究工具，能夠讓我們觀察到大腦中每個點的亮暗變化，而這些變化背后實際上包含了大量的腦組織信息。
我的工作涉及使用磁共振成像（MRI）等技術，包括結構連接、功能連接和形態學分析，以及通過注射造影劑進行的正電子發射斷層掃描（PET），來研究大腦的功能和代謝活動。
通過綜合這些宏觀層面的信息，我們可以更好地理解大腦的工作機制，以及在不同年齡階段什么樣的大腦活動是正常的，什么樣的變化可能指示疾病的存在。
比如，自1999年以來，我和團隊一直在進行縱向的大腦老化研究，從55歲開始跟蹤18年。我們的目標是深入了解大腦在正常老化過程中的變化，以及在出現認知衰退時大腦的狀態。通過這些研究，我們積累了大量的數據，為理解大腦的老化過程和相關疾病提供了寶貴的信息。
在這個領域，我們已經取得了一些成果，將宏觀層面的腦影像數據轉化為對疾病診斷和治療有用的信息。在這一工作上的貢獻，我可以說在腦科學領域中，使用計算機和機器學習技術輔助個體疾病的診斷，我是全球首批進行這樣嘗試的研究者之一。這項工作始于20多年前，那時機器學習還未被廣泛認知，而今天它已發展成為深度學習和人工智能的基石。
在兒童早期發展方面，自2008年起，我將研究方向從成人擴展到兒童，特別是對一歲前的兒童進行研究。由于兒童的大腦結構和功能與成人有顯著不同，許多成人研究中使用的工具在兒童研究中并不適用，因此需要開發新的工具。
我在美國北卡羅來納大學（UNC）的團隊開發了許多新的工具，這也是我們能夠獲得美國兒童腦計劃資助的原因。我們的工作對兒童早期大腦發育的研究具有重要意義。我們創建了首個兒童腦圖譜，稱為“UNC Infant Brain Atlas”，為神經科學研究提供了新的視角。我們的研究不僅提高了分析工具的精度，還解答了關于兒童大腦如何發育的許多神經科學問題。
總的來說，在美國期間，我將超過75%的時間投入到腦科學研究中，主要集中在老年和兒童兩個領域。從1999年到2008年的九年多時間里，我主要研究大腦老化。
2008年以后，我的研究擴展到兒童早期發展，特別是0～5歲兒童的大腦發育。我們的工作在國際上首次實現了多項成果，包括開發的工具、制定的圖譜以及對兒童大腦發育規律的研究，這些都是我們團隊的原創性貢獻。近些年來，我和團隊的工作還包括從傳統的群體研究轉向個體化研究。傳統群體研究關注的是一群人的大腦特征，例如比較健康人群與患病人群的大腦差異。
然而，這種方法對個體患者的診斷幫助有限。因為每個人的大腦都像我們的面孔一樣獨一無二，如果我們觀察大腦的褶皺和形態，就會發現每個人的大腦都有所不同，形態各異。因此，我們利用計算機和機器學習技術，對個體的大腦進行分析，只需通過一次掃描，就能判斷其大腦是否正常或是否患有老年性癡呆癥。
這種個體化診斷的方法在當時是非常創新的，也是我在該領域做出的主要貢獻之一。值得一提的是，在腦影像學中，我們需要將這些各不相同的大腦結構進行標準化，使之在圖像上盡可能相似。這個過程稱為“圖像配準”。因此我將機器學習技術引入腦圖像配準，推出了我在該領域中一個非常著名的貢獻--大腦彈性配準算法HAMMER。
雷峰網：對于個人未來的研究工作，您有何展望？
沈定剛：我還是會繼續堅持我目前的研究方向。正如剛才提到的，自從1999年開始，我們一直致力于老年性癡呆癥的研究，這項工作我們至今還在持續進行。2008年，我加入了北卡羅來納大學（UNC），那里的團隊對兒童早期腦發育非常感興趣。盡管已經收集了大量影像數據，但缺乏處理這些數據的專家。我加入后，成功整合了這些資源。
現在，盡管我們回到了中國，我們仍將繼續這一研究工作。我未來的研究軌跡是連貫且可預測的，不會隨波逐流或追逐短期熱點。
這種一貫性也是為什么我雖然不是0～6歲和6～18歲這兩個國家項目的PI，但專家們仍然支持我們這所年輕的學校。當時，我們項目的PI還只是副教授，但我們的聲譽是我們在這個領域深耕多年積累的結果，而不是一時興起或僅僅為了追求研究資金。專家們知道我們是真正熱愛并致力于這項研究的。
因此，經過25年的老年人腦的研究歷程，包括16年的兒童腦發育研究，我打算繼續沿著這個方向深入研究。
雷峰網：聯影智能在醫學影像AI領域，而不僅僅是腦影像領域，都有著深入的研究和布局。面對如此廣泛的研究領域，您是如何分配自己的精力的呢？
沈定剛：首先，每個研究領域都需要投入時間，但并不意味著每個領域投入的時間都是均等的。只有合理分配時間，才能提高工作效率。在美國工作期間，我曾負責不少由NIH資助的研究項目。一般情況下，研究人員可能只能承擔至多3-4個R01項目，但我曾同時主持8個R01項目。每拿一個新的項目，管理機構的主任們都會開會討論是否同意再資助。
我向他們解釋，一般人每天工作8小時，而我經常工作14-15小時，因此在時間上我已經占有優勢。
其次，我的工作效率也比大多數人高，這使得我能夠承擔更多的工作量。
從結果來看，無論是每年還是前幾年的成果，包括發表的文章數量，都證明了我的工作量和效率。項目的數量與發表的文章數量是成正比的，這證明了我在時間投入、工作效率以及成果產出方面的努力都是合理的。
當然，我不可能在每個項目上都花費相同的時間。對于剛開始的項目，我會投入更多的時間來引導它們走上正軌。隨后，我可能會每周進行一次審查和討論，以確保問題能夠得到及時解決，從而提高整個團隊的工作效率。
隨著時間的推移，我能夠處理越來越多的事務。我本人在多個領域擁有深厚的經驗，而我的團隊成員們，他們中的許多人是從海外歸來的專家，每個人都在自己擅長的領域中有著深入的專業知識和多年的深耕經驗。因此，當我們將這些人才的力量匯聚在一起時，我們能夠覆蓋廣泛的研究領域和疾病類型。
自從2017年底加入聯影智能以來，這六年里聯影智能打造了十幾種平臺和超過100款應用。這些成果的取得，可以歸功于我們所倡導的敏捷開發方法。我們開發了許多基礎工具和組件，這使得我們能夠快速地將它們應用于新的研究領域，通過簡單的調整和數據訓練，迅速形成新的產品。
如果我們不是采用這種組件化的開發方式，而是逐一從0開始開發每個產品，那么我們肯定無法達到目前的成就。目前在醫學影像AI領域，我們可以說提供了全方位的服務，覆蓋了從疾病的基礎研究到臨床應用的整個鏈條。
雷峰網：在本屆ISMRM會議上，這兩大MR腦新品重點展示。選擇在這一國際平臺上展出MR腦產品的策略考量是什么？
沈定剛：考量有三。
首先是將我們在大腦磁共振領域的最新AI產品和技術分享給大家。
ISMRM是磁共振領域的頂級國際舞臺，匯聚了來自全球的專家領袖。而磁共振，恰恰也是研究人腦最常用的成像技術之一。大腦磁共振影像AI技術，是腦科學研究中很好的切入點，但因為大腦磁共振影像很復雜，研究難度也同樣非常大。所以我相信，業界會對大腦磁共振領域的最新進展都有著比較高的關注和期待。我們在大腦影像AI領域一直處在比較前沿的位置。
在這次ISMRM會議上，我們展出了我們在MR腦方面的很多產品，其中就包括了兩個今年最新推出的新品--MR腦靜息態功能智能分析系統、MR腦纖維智能分析系統，都很有標桿意義。這次展會期間，有神經領域的專家也有提到，我們的這些AI工具會對自己的研究產生幫助。
第二個重要考量是向學術界傳遞關鍵信息：以臨床導向做學術。
以臨床為導向進行科學研究，是我在學術研究過程中一直持有的想法。過去學術界許多研究成果往往僅僅停留在理論方法和發表的論文上，真正能夠轉化為實際應用，為臨床實踐帶來幫助的方法卻并不多見。但臨床導向意味著我們的學術研究目標是以尋求解決實際臨床問題、滿足臨床需求為主的。它能夠確保我們的研究工作不僅停留在理論層面，而是能夠轉化為具有實際應用價值的技術和產品，從而產生真切的社會效益。
舉一個我們腦產品的一個例子，是我們這次同步展出的“MR腦轉移瘤智能分析系統”。腦轉移瘤屬于分布不定、多發常見的很微小的轉移灶，對醫生來說非常容易漏診。
針對這個痛點，我們與中山大學腫瘤防治中心影像科合作來開發了這套系統。這套系統臨床價值很高，相關的科研成果也非常好，在一年內就有兩次在神經腫瘤的頂級雜志中做了發表，這個轉化案例是非常成功。這也證明了具備顯著臨床價值的學術研究，它的價值也會非常之高。
第三個重要考量是向產業界傳遞關鍵信息：以全棧全譜為導向做產品。
全棧全譜，就是從全流程、全模態的角度來研究和開發醫學影像 AI，因為只有這樣全面的AI融入，才可以給臨床和科研帶來更多價值。我相信這目前也是我們這個行業的大趨勢。正是基于這樣的思考，我們針對腦科學研究領域的產品，在腦結構、腦功能、腦纖維上都已經做了覆蓋。因為結構、功能、纖維是腦科學研究最全面的維度，通過這樣全面的布局，我們可以支持醫生對像腦發育、神經退行性疾病、神經血管性病變等等的各領域研究。
雷峰網：您作為獲得ISMRM FELLOW榮譽的專家，能否分享此次獲選的理由？
沈定剛：ISMRM是一個全球性的學術組織，專注于醫學磁共振成像（MRI）。今年大約有6000多人參加其年會，有不少中國區的參與者。ISMRM是一個非常大的國際學會，其成員主要是從事MRI相關工作的專業人士。我的研究領域，特別是在圖像分析方面，比如MRI圖像分析，在該學會中屬于少數派，并不是主流。
在這樣的背景下，獲得Fellow榮譽的難度自然更大。盡管我不是主流領域的研究者，但ISMRM的成員對我的工作非常了解，尤其是我在腦科學研究方面的貢獻，以及我如何將機器學習、深度學習以及人工智能技術應用于MRI圖像分析。我的工作在學術界得到了廣泛認可，特別是在MRI圖像快速重建方面，以及MRI在老年性癡呆癥和兒童早期發展等應用領域的研究。
在2014至2015年期間，當深度學習剛開始興起時，我被ISMRM邀請去講解這一領域的知識。那時，深度學習在磁共振成像中的應用還鮮為人知，但我的講解為聽眾們介紹了這一最新技術，并展示了如何利用深度學習加速MRI圖像的重建。
在隨后的十年中，我持續推動了深度學習在MRI領域的應用，不僅獲得了學術界的認可，也使得整個領域開始重視深度學習和人工智能的應用。
雷峰網：今年的ISMRM會議，有哪些報告或產品給您留下了深刻印象，透露出接下來醫學影像AI的發展趨勢？
沈定剛：在ISMRM會議上，無論是大會報告還是特別主題報告，一個特別強調的議題是“低場磁共振成像技術”。之前的趨勢是向越來越高的磁場發展，如從1.5T到3T，甚至5T和7T。
然而，這種向高場發展的趨勢意味著能夠負擔得起的機構越來越少。此外，維持這些高場系統的運營成本非常高，并且需要穩定的電力供應和良好的維護條件。在非洲等邊緣地區，由于電力供應不穩定，經濟預算有限，因此很難普及這些昂貴且維護費用高昂的設備。
因此，低場磁共振成像技術正成為一個新興的方向。
例如，最近香港大學的研究團隊發表了一篇關于0.05T磁共振成像的論文。這種設備只需簡單的電源連接即可使用，就像家用吹風機一樣方便。雖然初始成像質量可能不如高場設備，但其易于獲取和使用的特點，意味著它將來可能在貧困地區和邊遠地區得到廣泛應用。
我一直認為低場磁共振成像技術是一個極其重要的研究方向。這也與上海科技大學生物醫學工程學院的研究方向相契合。學院建立時，我們就將其作為一個重要研究領域，后來我們從美國引進了一位教授來專注于這一領域的研究。
我相信，這種易于獲取和使用的磁共振成像技術--低場磁共振技術--將成為未來醫學成像的重要方向。就像我們使用工具一樣，有時候需要大錘來破碎大石頭，而有時候則需要小錘或精細的雕刻工具來進行細致的工作。磁共振成像技術也是如此，不同的應用場景需要不同的成像工具。
可以想象，低場磁共振成像設備將來可以放置在社區中心或大型商場內，方便公眾使用。尤其在商場里，你就像準備理發一樣坐下，很快就通過磁共振成像技術，結合人工智能分析，為顧客提供腦部健康狀況的快速檢測。
這樣的技術不僅可以告訴我們當前的健康狀況，還能與之前的掃描結果比較，展示出腦部的變化。雖然大規模普及可能還需要一段時間，但我堅信這是正確的方向。這也是我們學院在人才引進和研究方向選擇上的一個重要決策。
雷峰網：作為公司的CEO，您如何看待聯影智能在醫學影像AI領域的整體布局？對于公司的未來發展，您有何愿景和規劃？
沈定剛：首先，技術的發展日新月異，我們必須緊跟時代的步伐。GPT等大型模型技術正在引領新的技術革命，但我們不僅僅接受新技術，更重要的是理解它們內在的規律，并將這些理解深入地應用到我們的產品開發和應用中。
比如在大型模型技術出現之前，我們在學校里就已經進行了大量的研究，這些研究成果隨后也被整合到我們的產品中。
在公司中，我提出了“快速迭代”的理念，并且倡導利用大型模型的概念來推動產品開發。大型模型的能力在于它可以同時學習多個任務，這將改變我們以往的產品開發模式。這意味著我們將從過去逐個開發AI產品的方式，轉變為利用大型模型批量開發應用，大大提高我們的開發效率。
聯影智能強調的是開發自己的組件化工具，深入理解大型模型中的關鍵技術，如transformer，并探索如何將這些技術融入我們現有的代碼和產品中。我們的研發方向始終保持聚焦和深入，通過不斷的技術創新和產品迭代，將聯影智能打造成醫學影像AI領域的領導者，為醫療行業帶來更多的價值和可能性。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
