影像研究与医学应用投稿

2018 全球人工智能与机器人峰会（CCF-GAIR）于6月29日在深圳召开。本次大会共吸引超过2500余位 AI 业界人士参会，其中包含来自全球的 140 位在人工智能领域享有盛誉的演讲与圆桌嘉宾。在大会第二天的 【计算机视觉专场】中，上午计算机视觉前沿与智能视频环节的演讲嘉宾有：ICCV 2011和CVPR 2022大会主席权龙教授、旷视科技首席科学家孙剑等人。下午环节为计算机视觉与医学影像分析，出席的嘉宾分别是包揽7大模式识别与医学影像Fellow的田捷教授，国际顶级医学影像分析大会MICCAI 2019 联合主席沈定刚教授，微软亚洲研究院副院长张益肇博士，飞利浦中国首席技术官王熙博士等。作为计算机视觉与医学影像分析环节的重量级嘉宾，本次大会，田捷教授向与会观众分享了题为“基于人工智能和医疗大数据的影像组学研究及其临床应用”的精彩专题报告。田捷教授现任中国科学院自动化所研究员、分子影像重点实验室主任。自2010年起，田捷教授连续获得计算机视觉与医学影像分析领域的7大Fellow：IEEE Fellow、IAMBE Fellow、SPIE Fellow、AIMBE Fellow、IAPR Fellow、OSA Fellow、ISMRM Fellow。同时也是两项国家重点基础研究发展计划（973计划）首席科学家。田捷教授认为，人工智能等技术给医学领域带来的改变是毋庸置疑的，并列举了几个医学常见案例进行辅证。在他看来，医疗大数据里最常见的是影像数据，而且影像数据格式标准，容易获取、容易使用。但是医疗大数据不仅限于影像，还包括病理、临床治疗信息等，只有这些信息融合在一起，我们才能建模，才能解决人工智能真正在医学上的应用。田捷教授在研究学术的同时，也在积极探索AI技术的应用前景。他认为，AI技术只有跟临床挂钩才有价值，经过企业家的转化才能变成生产力。现在我们需要更多人工智能和大数据在医疗问题上的典型应用，来拉动产业，拉动人工智能进一步深度应用。这是相辅相成的，空喊方法，不形成规模化、典型应用，是解决不了问题的。只有得到外科、内科大夫承认的技术和临床应用，才能更加有意义。与此同时，他还表示，人工智能在医学上应用一定要“医工交叉”，工科的人要穿上医学的马甲，了解医学的问题，参加医学的会，了解医生的需求；作为医生也要对工科的方法知其然，这样才能源于临床，高于临床，又回归临床。以下为田捷教授的现场演讲内容，雷锋网作了不改变原意的编辑及整理： 我下面汇报的是人工智能和医疗大数据在医学上的应用，这是大家比较关注的热门话题，我想从“临床”和“商业”两个方面来做一下简要的归纳。人工智能在医学上的应用和传统中医非常相像。我国中医几千年以来，通过“望闻问切”的方式积累了几百万人甚至几千万人的医疗大数据，后期主要通过人脑来“加工”这些数据；现代社会与此前不同的是，我们使用电脑加人脑，利用此前积累的经验以及大数据与人工智能技术，实现了现在所说的智能医疗。人工智能目前是国家战略，健康中国2030也是国家战略。从这两个角度来说，通过人工智能技术和医疗大数据，提高人们的健康水平是国家下一步的重点发展战略；与此同时，国家也有计划要将我们的医疗和健康占GDP的比重从3%提升到30%。从商业角度出发，人工智能在医学上的应用机会很多，包括通过计算能力驱动肺癌、糖网、乳腺癌等疾病的筛查。今天，我想重点与大家分享的是人工智能对于临床医疗的重要性，它能提高我们的临床医疗水平，实现精准医疗，具体涉及到术前、术中、术后三个方面。从目前医学发展背景来看，人工智能、大数据等技术在医学上的应用是众势所趋。去年北美放射医学大会上给出描述：未来的影像中心就像飞机驾驶舱一样，是各种各样信息的综合体；而未来的医生则相当于飞行员，要处理各种各样的信息。这里还需重点阐述一个观点：如今很多声音表示，AI未来将要替代医生。在我看来，AI不会替代医生，只会更有效地辅助医生。而医生也不应惧怕新兴技术，而是积极地去利用它，使用它。当今，我们处于信息变革的时代，医学大数据也在不断的增长和积累，平均每73天，医学数据就会增长一倍。因此，基于医疗大数据的人工智能医疗必将辅助甚至改变传统的临床诊疗流程。国际影像战略策略研讨会副主席Donoso说了一句很经典的话，人工智能是否会完全替代影像科医生无法下定论，但我们肯定的是，那些使用人工智能技术的影像科医生，势必会代替那些不使用人工智能技术的医生。不跟随时代的发展，面临的就是残酷的淘汰，无论是北美放射年会，还是欧洲放射年会，都不断的在突出人工智能在影像学中的异军突起的作用。所以，未来的影像科医生，不仅仅要会看片子，还要从影像大数据中挖掘大量的潜在知识，学会利用人工智能技术，站在科技潮流的前端，不是惧怕新兴的人工智能技术，而是利用它，使用它，成为新时代下的影像信息学专家。上个月刚刚结束的美国临床肿瘤年会ASCO2018，该年会的参与者大多为内科大夫、肿瘤大夫，他们也提出，要将人工智能技术作为辅助新一代无创诊疗技术发展的重要工具。Dana-Farber癌症研究所首席研究员Geoffrey指出，无创的液体活检技术可以更加便捷的实现肺癌的早期检测和筛查，血液中游离DNA可以成功检测出早期肺癌。而随着这种无创检测手段的进步，医学数据不断积累，机器学习方法将有效提高检测精度、提高测试性能。此外，南加州大学生物科学学院院长在大会指出，在肿瘤疗效评估中，结合基于液体活检技术的基因蛋白组学和基于深度学习方法的智能影像评估可有效预测患者的预后生存。由此可见，无论是在癌症诊断还是治疗中，人工智能技术都是辅助新一代无创诊疗技术发展的重要工具。一、影像组学的本质那么，人工智能在医学领域到底如何应用，接下来我会举一些例子说明。举例之前，我们首先必须了解影像组学概念，其2012年就被提出，是由英文“组学+放射”组合出来的新词：“radiomics”，我们当年认为把它翻译成“放射组学”比较准确。当年为什么用了放射这样一个词汇？它是基于CT进行扫描的数据，然后在PET和超声上得到应用，所以我们认为将“radiomics”翻译成影像组学可能更为精准，它不仅仅融合了医学影像、基因、临床大数据，它也把组学的概念和组学的方法融合在一起。它的工作流程与医生日常读片完全是一模一样的方法，针对影像数据，提取特征，人工智能建模，然后再进行临床应用、辅助决策。这个流程也是一个标准的计算机视觉流程，也是标准的模式识别流程。但它相比医生的高能之处在于计算机看到了高维信息，可能看到了蛋白基因在宏观影像上的变化，这样的宝贵数据可以辅助医生提升临床诊断的正确性和准确性。需要注意的是，人工智能技术在医学上的研究、应用，不是写文章、不是谈概念、也不是纸上谈兵、更不仅仅是做筛查，而是要将技术与临床紧密结合，解决实际临床问题。二、典型临床应用下面我就从临床和技术两个方面谈一下人工智能在医学上的具体应用。首先我想谈谈人工智能在临床上的应用，在座各位很多都是技术人员，对于技术方法比较了解。其实我们在了解技术本身的同时，更需要了解技术到底能够解决什么问题，或者说目前医学需要解决什么问题。所以我先从问题为导向，观察临床上有何需求。在这里，我想举一个细分例子，围绕着临床应用的术前、术中、术后，来说明人工智能如何使得医学治疗更加精准。第一个例子是结直肠癌。外科大夫在为病患做手术之前都会为患者做一个辅助化疗，以控制癌症的发展，之后再为他进行手术。在这个过程中，一部分病患非常不幸，经过辅助化疗之后，他们病理上完全缓解，体内也没有癌细胞存在，但外科大夫无法凭借他的经验来肯定判断他们体内是否还有癌细胞潜藏，所以不得不还为这些病人开刀（实际上病患身上已经没有癌细胞存在）。从这来看，我们能否通过其他方式来准确判别病人的实际数据，让他们在外科大夫的经验无法准确判定、常规的影像磁共振无法精确判别时，能够非常肯定地判定病人的数据。通过人工智能分析，目前我们有90%的把握能把这些PCR缓解的病人挑选出来。换句话说，系统能够将经过辅助化疗以后，体内没有癌细胞的病人找出来。后期，这部分病人就可以免受开刀，只需密切观察随访即可。所以，它的临床意义非常大，人工智能未来不仅仅能够做筛查，更重要是，它能针对临床问题来开展工作。这是我们配合北京大学肿瘤医院放射科专家做的工作，这个结果已经发表在临床肿瘤研究的顶级杂志上。第二个例子还是结直肠癌。如果病患经过化疗之后并没有PCR缓解（占比70%左右），那么他们是需要进行手术的。开刀之后，医生需要对他们做淋巴清扫，以防止癌细胞转移。问题是：清扫完之后显示，70%的淋巴是假阳性。这里需要说明的是，假阳性结果与中国医生的开刀技术没有直接关系，美国大夫开刀假阳性也有70%左右。而这个问题也可以用人工智能技术解决。我们用人工智能技术处理500例临床病理、影像数据完整的结直肠癌患者数据，经过病理、影像，提取特征以后，在实测中，能把70%的淋巴假阳性降到30%，这是医学上非常巨大的进步。目前这项研究也发表在临床肿瘤的顶级杂志JCO上。需要指出的是，其第一作者只是一个硕士二年级的小女孩，所以我们在医学领域的研究并不需要多少临床经验，关键是先要找到临床问题，以问题为导向来解决它，并不是一味的低头专耕技术。第三个例子依旧是结直肠癌。刚才我已经讲了术前及术中，术前有没有病理学的缓解，术中要不要进行淋巴清扫。我们再来看术后，结直肠癌患者做了手术之后，外科大夫还可以给他做一个放化疗控制远端转移。这里又出现了一个问题，经过手术后的结直肠癌患者远端转移的概率只有20%，换句话说，有80%的患者花了钱，忍受了放化疗的痛苦，而去做在他身上也许不可能发生或者概率非常小的远端转移。就此，我们能否用人工智能技术把这些概率大的人挑选出来，再去做放化疗，控制他远端转移；而概率不大的人也就没必要做远端转移，后期观察即可。目前我们正在做相关的人工智能技术落地实验，希望这个概率可以提升更高，预测得更为精准。综上，我举了一个非常完整的例子，从术前、术中、术后来说明人工智能、影像组学、医疗大数据到底怎么改变我们的医学，改变我们的精准诊疗。刚才我所提到的都是手术方面的内容。那么，人工智能能否解决不用开刀也能解决的问题呢？也就是说，其能否既可以辅助外科大夫，也可以辅助内科大夫。我们知道，即使是美国著名医院的外科大夫得了肺癌，他也不知道该用什么样的靶向药，怎么预测他的生存期。而这个工作可以用人工智能、大数据来解决，我们针对500余例晚期EGFR突变靶向治疗患者多中心CT数据，利用LASSO-COX构建反映靶向治疗无进展生存期预测模型，实现对EGFR突变的晚期肺癌患者靶向治疗无进展生存期进行个性化的精准预测。如果后期发现他无进展，这时候我们就提醒他不要再用这个靶向药，价格昂贵不说，效果也不大。目前这项研究发表在CCR上，也是国内学者解决的重点医学工作。举例来说，系统可以对病患的鼻烟癌给出判断及生存期预测。针对临床指标对晚期鼻咽癌的放疗后预测精度低的现状，我们对118例晚期鼻咽癌T1和DCE MR图像做了超过3年时间的随访，并结合970个影像组学特征，和临床病理信息进行分析，在此有效预测该类患者的预后，准确度超临床指标的10%。再举一个例子，我国是肝癌大国，肝纤维化、肝硬化、肝癌是肝癌患者的病变三步曲。所以，对于肝癌患者的治疗，准确判断他们的肝纤维化非常重要。过去医生一般用超声诊断，但是超声的判断准确率只有百分之六七十左右。想要准确判断还需要做一个痛苦的工作：肝穿。用一根穿刺针穿到病患肝里面用病理学组织来确定到底有没有纤维化，从而决定用不用抗病毒的治疗方法。问题来了：能不能用人工智能技术来处理这些数据，不做肝穿也能达到跟它一样的病理学效果。针对这个问题，我们走访了12家医院，采取了600多份数据样本，用深度学习来提取它的特征，实测表明，在使用过程中，人工智能的预测结果与肝穿方法非常一致。换句话说，它能够代替以往的肝穿治疗方式，让病患不需忍受痛苦，用几张图片就能达到绝佳效果。三、影像组学新模态应用在后来的研究过程中，有相关医生提出，炎症会不会对结果产生影响。可以肯定地说，人工智能在对轻度炎症困扰上没有差别；对于重度炎症有一些差别，但是影响不大，准确率还是会远远高于人工判断。后来又有人提出，能否将该技术转化为一个软件，做商业化应用。后期验证过程中，我们发现无论是轻度肝硬化还是重度肝硬化，效果都比较鲁棒，适合医院临床应用。在这里我必须强调一点，人工智能在医学上的应用最好是以问题导向，有了问题再找方法，再去解决。我们可以源于临床，高于临床，这时候我们再商业化应用，医生们就不会抵触，他会主动来使用，因为可以很好地帮助他们辅助诊断。以上是从临床角度讲了人工智能在医学上的应用。接下来我再从技术角度来讲人工智能、模式识别、大数据在医学上应用的进展。四、影像组学的关键技术以肿瘤治疗为例来说。首先是肿瘤分割，一般可能需要医生先进行勾画，然后可以用机器学习的方法进行半自动或者全自动的分工，这些分割都可以提取相关的影像组学的特征，使得我们用人工智能的方法来建模分析。这一块的技术方法有很多，但是坦率说，哪种方法好，还得针对你遇到的问题。第二方面是特征描述，影像组学、人工智能并不是比人更加聪明，只不过医生读片时，人眼提取的信息永远是以形状为主的，以结构为主的。而从影像组学提取的特征，是强度、纹理、小波，最大值、标准方差、灰度矩阵这些特征，人眼是没法看的，同时人脑也难以加工。对于计算机来说，恰恰是它最为擅长的。所以在特征选择上，计算机选择的特征和人眼识别的特征形成了互补关系。如果我们能用计算机提取高维特征，包括毛刺、分叶等信息，再融合年龄、性别、家族史等信息，肯定是1+N>N，我们就能实现人机交互、计算机和人协同工作，从而使得我们的医学更为精准。选择特征的时候切记要多多益善，特别是把这些高维特征提取得越多越好。还有一个非常重要的点，为什么现在影像组学、人工智能热，就是这些高维特征含有基因蛋白这些微观信息，在这些宏观的影像上的体现，只不过过去人眼提取不了，但现在计算机提取了，把这些信息来进行系统加工，使得我们的预测更加精准提取特征之后，还有一项非常重要的工作是降维。共有四类主要特征降维方法：稀疏选择、空间映射、神经网络、递归排除。针对具体临床问题，业界还采用建立计算机定量影像特征与所研究临床研究问题标签之间的分类模型。主要运用了两类模型：SVM模型：从影像大数据原始像素出发，提取高维手工设计特征并进行特征选择，构建影像特征与临床问题的分类模型。CNN模型：在影像大数据的原始像素的基础上，该模型可自主挖掘与临床问题相关的影像组学特征，构建影像特征与临床问题的分类模型。至于建模部分，前面很多讲者也讲了很多模型，人工智能、深度学习有一系列的模型，无所谓哪种模型好，关键是针对你的问题，你是要做生存期预测，还是要做疗效评估，针对我们在医学上不同的使用的对象和问题，我们应该选择不同的方法。有了方法之后，我们构建的模型可以提高分类精度，甚至能达到主治医生的水平，大家已经看到了很多例子，我就不展开细说。但是这里面还有一个非常重要的环节，是我们做计算机、做工科最容易忽视的：我们往往把模型建出来，就直接把这些结果拿给医生去看，希望医生可以去使用。这时候，你一定会吃闭门羹，因为医生肯定会说这不是我需要的东西，你这些模型我看不懂，我根本没法用。所以后期非常重要的步骤就是：要让他们看图识字，要把这些数据可视化。你给医生们一大堆模型，他会觉得很难懂，换成图片之后，他就觉得非常好用，我们要从医生的角度看问题，把模型可视化。另外，计算机处理离不开数据，这些数据质量到底怎么样，我们也要从医生的观点来看待它。去年临床肿瘤学杂志上发表了一篇文章，是以荷兰大夫为主发表的，他在谈数据质量标准的评价，给出了16个评价标准，36分是满分，进行数据质量打分，而且他也会编程序，编一些简单的程序，把它放到网上，你直接填表打分，最后告诉你数据质量是怎么样的，我觉得目前也是对医学用人工智能判断，用影像组学第一个比较公开的数据标准，值得大家借鉴、参考。五、人工智能+医学影像的未来展望刚才我从技术方面谈了人工智能怎么针对医疗问题，用什么样的方法解决。涉及分割、特征提取、模型构建、模型可视化、质量控制5个环节。最后我想提一下人工智能在医学影像应用未来的发展方向，主要涉及到人工智能的方法、数据、软件、共享平台。我们现在不缺方法，也有很多数据，也有各种各样的软件，但是我缺乏交流共享的平台，我们这个会议也是一个交流共享的平台，我也建议我们相关企业在会后把相关的资源共享出来，这样可以更好地促进人工智能在医学领域的应用。我先从模型讲起，这几年人工智能的模型有很多，有卷积神经网络、迁移学习、博弈进化模型，数据也在不断地增多，智能程度也在不断地提高，所以我做了一个二维的方阵来说明这个问题。迁移学习经过大数据训练，我们可以在医学的小数据上提取到复杂的影像特征，而且这些特征还有很好的解释性。与此同时，我们所提取的高维特征又会带来一个挑战，临床医生表示看不懂且不知道有何意义。此时，我们无法对于医生的困惑做出解释，因为这是计算机分析出的结果，我们不能说它跟肝的哪个血管对应，跟肾的哪个细胞对应。但是我们也可以把这些特征，用强特征分布的热点图表达出来，它有一定的可视化，对这样的强特征的热点图，你去做穿刺或者靶向治疗的时候，穿刺效果就会非常好。与此同时，我们还可以用迁移学习的深度学习方法来提高肺癌基因突变预测的精度。迁移学习模型是经过128万张图片训练出来的，我们做肺癌的时候可能没有这么多图像，但是如果我们想要提高它的预测精度，我们用前面图像训练过的模型可能也会得到比较好的效果。另外，大家知道现在博弈进化模型比较热，它可以让机器学习提高智能程度，这在医学上的应用也非常重要。需要指出的是，我们用人工智能做组学分析，我们需要多病种、多模态、多中心、多参数的数据融合，在这一块，还有非常重要的点是数据标准，虽然我们国家这一块现在已经非常重视，做了一系列的筹备，但是目前为止还没有出来一个影像大数据的数据标准，或者数据规范化的行业标准，所以依然是一个挑战。目前，我们医院有大量的数据，大量的数据不代表就是大数据，我们需要经过数据清洗，影像的数据相对来说还比较规范一些，但是病理的信息、治疗的信息、预后的信息我们都需要有，才能使得人工智能做更准确的预测。所以在这里我也想说，前面我举的那些例子，淋巴清扫的工作，原来我们是想做生存期预测的，但生存期预测我们需要两年以上的病人随访，因此很多信息的提取还需要医疗从业人员去科普，需要让患者知道，我们做临床研究需要大量的信息才能做综合。幸运的是，我们国家人口多，病人多，所以数据也是我们的天然优势，这几年我们配合不同的医院采取的数据，包括儿童水果细胞瘤这样一种眼底的肿瘤，我们都能收集相关数据；肺癌、乳腺癌的数据量更大。这些数据不太牵涉到隐私，我们提取的都是高维信息，我们也不需要存原始图象，所以从某种意义上说这些数据的隐私性是比较好解决的。有了数据，我们还需要软件，我们可以开发各种各样的软件，特别是医学图象处理的软件，我们实验室有三个软件，第一个是MITK，是医学软件的集成平台，包含重建、分割可视化；还有一个是3D软件；另外我们还有一个影像组学的软件，全部是开源的，在我们的网站上可以下载。人工智能在医学上的应用一定要医工交叉，我们工科的人要穿上医学的马甲，了解医学的问题，参加医学的会，了解医生的需求，作为医生也要对工科的方法知其然，你也许不知其所以然，但是你要知其然，这样我们才能源于临床，高于临床，又回归临床，不只是看一个病，不只是一个软件。我就汇报到这里，敬请各位批评指正，谢谢大家。（完）观众提问：刚才您说了要从影像里面提取高维信息，并且说了要源于临床，最后还要回归临床，这些高维信息是由谁来提？是医生来提，还是我们工科的人来提？我还听说您那里面有的有400个高维信息，我看到有的文章好像更多，这些信息是怎么提出来的？田捷教授：这个问题提得非常好，也非常关键。如果用计算机去做，还是停留在结构特征上，我们能弥补一些医生的错误，但是不能辅助诊断。刚才举例子讲的这些高维信息，它到底有没有用，医生也不知道，我们也不知道，但是用计算机、深度学习把它提取之后，我们只能尝试，有些问题可能能很好地解决，有些问题现在还解决不了，我们只是提取这几百个甚至上千个特征，跟那些特征、病理信息融合在一起，我们再去筛选，把关键的信息提取出来，这是降维，最后再建模，然后取得一个好的结果。跟医生在交互的过程中，这些特征是人眼看不了的，医生也搞不清楚，我们拿这些特征去投稿的时候，大部分医生是看不懂的，我们投到医疗杂志上，他会问你这到底有什么效果，我们说不清楚，所以我们把那些东西变来变去，终于变成热力图的模式，最后说明这可能是肿瘤的中心地带，它能反映这样的问题，他能看懂了，知道这是有问题的，然后就接受了我们的论文。我们这些特征不仅仅说明它有用，还要想办法跟医生沟通，把这些特征变成可视化的，让医生能接受，说明它的临床意义。这也是一个痛苦的交互过程。观众提问：刚才我看到您的迁移学习的工作，把上百万张自然图像迁移到肝脏的医学图像上，但是我看到有文章说迁移学习必须要有医学的意义，如果您这样做的话，让自然图象迁移到医学图像上，它的临床意义在哪儿？医生会接受这样做吗？田捷教授：医生能不能接受，关键看临床效果，关键看你能不能针对临床解决问题。我没有去计算机视觉的会议，我现在反而是跑到美国临床肿瘤学会、美国肿瘤学会的会议上，你要到临床医生那里，让他们“折磨”你，找出他们能接受的临床效果和临床意义，这时候你的模型才真正起作用，我们老在计算机视觉会议上谈我的方法和参数好，我觉得意义不大，当然能写文章，只是把纸变成钱。所以我说我们技术人员要穿上医生的马甲，到医学的会议上交流。我是工科生，但近些年我没有发表一篇计算机方面的文章，都是医学的文章。这一点我非常自豪，我能在医学的杂志上发文章，就非常具有临床意义，因为审稿人都是医生，说明我已经穿上医生的马甲了。我认为，这是所有想在医学领域深耕的工科生都需要做出的转变，必须站在医生的角度去思考问题，让他们来当裁判，让他们来鉴别。雷锋网雷锋网

编者按3月16日出版的第6期《求是》杂志发表习近平总书记的重要文章《为打赢疫情防控阻击战提供强大科技支撑》。文章强调，战胜疫情离不开科技支撑，要综合多学科力量加快科研攻关，在坚持科学性、确保安全性的基础上加快研发进度，力争早日取得突破，尽快拿出切实管用的研究成果。新冠肺炎疫情发生以来，各高校迅速集结科研力量，展开技术攻关，推出一系列硬核产品，为疫情防控作出了重要贡献。本期光明视野邀请上海交通大学、四川大学、北京理工大学三所“双一流”大学的校长，继续讲述科技战疫、国际合作战疫中的高校担当。自新冠肺炎疫情发生以来，四川大学迅速反应、广泛动员、积极行动，充分聚合文理工医多学科力量，发挥华西医学科研优势，以学科交叉、医工融合为抓手，以产学研结合为路径，启动了多批次的抗击新冠肺炎疫情的应急攻关科研项目。迄今，我校已承担抗击新冠肺炎疫情应急科研攻关项目共56项，涉及临床救治和药物、疫苗研发、流行病学、检验检测、临床防护、病毒病原学、社区管理、心理干预、决策咨询等多学科领域。我校先后派出五批援鄂医疗队共计222名医护人员支援湖北武汉，3月11日派出医疗专家赴意大利援助新冠肺炎疫情防控工作，3月12日向格鲁吉亚捐赠恒温扩增核酸分析仪和检测试剂盒，为抗击疫情积极贡献力量。在临床救治及疫苗研发方面，我校生物治疗国家重点实验室充分发挥自身的技术优势，联合科研院所和相关企业进行协同攻关，研发的新冠病毒重组蛋白疫苗已开展动物实验。我校华西医院在全国首创、国际首次研发出的“5G＋远程CT扫描操作系统”，标志着远程医疗由传统的“会诊”模式逐渐过渡到“实操”模式。运用该技术，华西医院李真林教授团队已为四川甘孜州人民医院、湖北黄冈黄州总院方舱医院以及重庆三峡医院等远程诊疗新冠肺炎病例100余例。华西医院还与相关科技企业基于人工智能深度学习技术联合研发出“肺部多病变AI筛查系统”，迅速、高效地对患者胸部CT影像做出分析，实现秒级筛查新冠肺炎，并对新冠肺炎患者不同时期的胸部CT特征做出定量分析和对比，帮助医生进行疾病进展预测。在检测技术及产品方面，我校华西医院应斌武教授、柯博文教授和耿佳教授攻关团队，联合相关科技企业共同研发了基于免疫胶体金层析技术的“新型冠状病毒IgG／IgM抗体联合检测试剂”。该试剂盒无需对样本进行特殊处理，无须仪器，使用1滴血清／血浆可在10分钟内完成全部检测。该产品已获国家药监局应急医疗器械审批批准和欧盟CE认证，取得了进入欧盟市场的资质。该试剂盒实现每日量产超过20万人份，能将投放到全球疫情防控第一线。同时，在国家卫健委高级别专家组组长钟南山院士、国家卫健委高级别专家李兰娟院士指导下，华西医院还联合清华大学和相关企业共同研发了包括新冠肺炎病毒在内的“呼吸道病毒（6种）核酸检测试剂盒（恒温扩增芯片法）”，1．5小时内便可一次性检测包括新冠病毒在内的6种呼吸道常见病毒，获得了国家药监局第2批新型冠状病毒应急医疗器械审批批准。目前已经实现每日量产超过20万人份，应用到了国内和国际抗疫一线。我校张林教授、吴刚教授团队成功研发“新型冠状病毒生物监测与智能筛查系统”。该系统可为疾控监管机构提供疫情排查和疫情监控预警的公共卫生管理平台，可实现自我检测、检测结果自动上传、自动识别疑似病人、疑似病人自我定位、疑似病人持续追踪等功能，利于早发现、早治疗、早预防、早隔离，最大限度地降低医疗救治成本和社会经济损失。我校科研团队与四川川大智胜软件股份有限公司联合研发了“防疫精准管控”系统。该系统搭载“三维人脸识别”技术，以立体建模的方式进行动态分析，不仅能识别出面部戴口罩人员，还能同步采集被识别对象的人脸体温数据，可以根据复杂需求设定管理控制权限，有效减少人员聚集和接触。目前该项技术已在多个单位投入一线防控应用，解决了登记出入信息效率低、指纹打卡触摸多、戴着口罩无法识别身份、近距离测温接触风险大等方面的问题。新冠肺炎疫情的防控及医疗救治是一次对中国医学领域科研攻关工作的全面检验，科技抗疫的实践证明，要想大力推动我国医学领域的科研攻关，必须注重多学科的交叉融合尤其医工结合，必须注重基础研究和临床转化的并重，必须注重预防医学和中医药科研及技术储备水平的提升。同时，要加强培养更多潜心在医学领域做真科研、真学术、真贡献的年轻科学家，着力推进医学领域“从0到1”基础研究，不断完善医学领域科研评价体系，让医学领域科研人员真正回归医学科研本质。为大力推进医工融合发展，着力提升医学科研水平，我校已启动了医工融合“一平台三中心”建设，即着力建设“5G医学转化服务平台”和“医学＋信息”“医学＋制造”以及“医学＋材料”三个交叉研究中心。下一步，我校将不断探索完善科学研究和技术攻关的激励机制，继续发挥多学科优势和交叉创新团队优势，通过实施“医学＋”“信息＋”双引擎交叉行动计划，加快科技创新和成果转化，为提升我国应对重大突发公共卫生事件的能力和水平，贡献川大智慧和力量。（作者：李言荣，系中国工程院院士、四川大学校长）来源：光明网

在科研创新能力上，深睿研究院(Deepwise AI Lab)一直处于行业领先地位，是目前行业内规模最大的专注于人工智能医疗领域的研究机构之一，从成立以来一直致力于医疗前沿科技的探索，通过科技与临床的结合，产生了众多兼具临床价值和科技创新性的科研成果，陆续被国际顶级期刊和会议收录。截止到目前为止，深睿研究院在人工智能与机器学习顶级期刊及会议(如TPAMI、TCyb、ICML、CVPR、ICCV、ECCV、AAAI等)上发表论文三十余篇，其中涵盖了计算机视觉和模式识别领域三大顶级国际会议，尤其是连续两年在备受瞩目的顶级会议CVPR(谷歌2019学术榜Top 10)上均有学术成果发表，在国内人工智能领域的科技公司中处于前列;同时，在医学影像计算与分析领域，如IPMI、MICCAI、ISBI、RSNA、ECR等顶级会议上，发表论文近二十篇。 近期，深睿研究院又有两篇科研成果被刊登在国际顶级学术期刊上，体现了深睿研究院的持续创新能力。其中与中国医学科学院肿瘤医院共同完成的“Long-term follow-up of persistent pulmonary pure ground-glass noles with deep learning”(https://doi.org/10.1007/s00330-019-06344-z)被国际顶级放射学杂志European Radiology收录并发表。European Radiology是欧洲放射学会的会刊，创刊于1991年，在行业具有广泛影响力和不可或缺的学术地位，是放射学领域专家学者们不可或缺的信息来源，代表了最前沿的放射学科学，在综合类影像期刊中居第2位。当前，肺癌已经成为中国发病率和致死率第一的癌症，而在国内通过人工智能技术辅助肺癌筛查已经得到了广泛的应用，但目前普遍停留在利用深度学习进行肺结节检测研究上。然而，对于肺结节的生长评估鲜有研究，尤其是对亚实性结节(纯磨玻璃结节和部分实性结节)的长期管理在临床上具有重要意义。其中管理长期存在的纯磨玻璃结节pGGN(Pure Ground Glass Nole)存在着更多的争议。为了解决这些争议，有必要研究长期存在的pGGN的生长进展，精确测量其生长速度，并识别出影响其进展的风险因素。这篇论文的研究工作正是利用深度学习技术对肺部pGGN进行自动分割，并基于随访数据开展上述研究，为临床上量化评估肺结节提供给更为精准的依据。本研究中，pGGN的自动检出和分割由来自深睿医疗的Dr. Wise AI肺结节辅助诊断系统实现，综合利用递归神经网络(Recurrent Neural Network, RNN)和卷积神经网络(Convolution Neural Network, CNN)，超过目前任何单一分割方法的效果。基于Dr. Wise AI肺结节辅助诊断系统对基线以及所有随访的胸部CT影像数据进行肺结节自动检出和分割，自动计算出pGGN的直径、密度、体积、质量、VDT(体积倍增时间)和MDT(质量倍增时间)，并通过以上量化指标探究肺pGGN的自然生长规律，准确测量pGGN的生长速度，并评估影响pGGN生长的危险因素，为临床上管理pGGN提供了重要的参考。本研究的结果表明，深度学习技术可辅助揭示pGGN的自然生长规律;其中长期存在的pGGN表现为惰性生长;有分叶征和较大基线直径、体积和质量的pGGN随访过程中更容易出现生长。图1. 分叶状征、初始平均直径、初始体积和初始质量是预测pGGN是否进展的关键指标同时，深睿研究院与北京理工大学合作完成的论文“A deep network for tissue microstructure estimation using modified LSTM units”(https://doi.org/10.1016/j.media.2019.04.006)被刊登在Medical Image Analysis(MIA)。MIA是国际医学图像计算和计算机辅助干预会议MICCAI的官方期刊，创刊于1996年，关注将计算机视觉、虚拟现实和机器人技术应用于医学影像领域的科研成果，其影响因子逐年上升，2018年达8.88，行业内知名专家学者关注度极高，被誉为高质量论文的衡量标尺。本论文基于改进的长短时记忆(Long-Short Term Memory，LSTM)单元提出了一种用于估计组织微观结构的通用深度网络MESC-Net，提升了弥散磁共振成像 (Diffusion Magnetic Resonance Imaging，dMRI)质量。dMRI为非侵入式评估组织的微观结构提供了一种独特的工具，但由于模型较为复杂，通常需要带有大量弥散梯度的扫描序列来提升图像质量，而这导致了扫描时间的延长。在使用较少的弥散梯度时，用复杂信号模型来精确描述组织的微观结构具有一定的挑战性。所以，如何基于较少的弥散梯度得到较好的dMRI图像质量是科研上持续探索的一个难题。本文提出的MESC-Net网络在弥散梯度减少的情况下可以提升图像质量，对于临床扫描上的价值则是可以缩短扫描时间，提升临床效率。另外，本研究提出的网络结构是一种通用的估计微观组织结构的网络，而不只是局限于某一种模型，为了验证该算法的通用性，实验还评估了基于三种信号模型NODDI(neurite orientation dispersion and density imaging)、 SMT(spherical mean technique)、 EAP(ensemble average propagator)估计得到的组织微观结构结果。实验结果表明MESC-Net可成功地应用于三种不同的模型，该方法可以作为组织微观结构估计的通用方法，拥有广泛的临床应用前景。图2. 基于NODDI模型用MESC-Net计算得到的vic/viso/OD的横截面示意图，AMICO/MLP/MEDN/MEDN+/m-MEDN+均为对比方法深睿医疗是一家注重前沿科技探索的公司，作为AI医疗领域的引领者，始终坚持将最先进的人工智能技术应用到医疗领域，以俞益洲教授(ACM 杰出科学家/IEEE Fellow)为核心的深睿研究院，一直致力于探索前沿的人工智能科技在医学领域的应用，通过Dr.Wise 多模态科研平台的助力，不断深化与医院、高校在临床问题上的科研合作，提升科研效率，产出高质量的科研论文，并促进成果转化，让前沿人工智能技术和研究更加贴近临床需求，让AI真正落地到实际临床场景，助力国家智慧医疗建设。进入2019年，深睿研究院有8篇论文入选人工智能顶级会议CVPR2019，实现了图像识别与医学影像分析等技术的创新性突破，跻身中国论文发布数量排名前列的科技公司之一。在今年10月召开的医学影像分析顶级国际会议MICCAI和11月召开的国际计算机视觉顶级会议ICCV上，深睿研究院又有10篇关于医疗人工智能领域的科研论文被收录。截止到目前为止，深睿研究院已发表50余篇顶级学术论文，累积影响因子超过80，论文接收率超过50%，彰显出深睿研究院强大的科研能力。来源：消费日报网

大小新闻客户端12月6日讯（YMG全媒体记者 唐寿锐 通讯员 栾秀玲 潘晶）10月10日，烟台山医院东院区第二台CT投入临床使用。这台CT为飞利浦的Incisive 128层CT，它是飞利浦公司在2019年推出的同级别中最高端的智能化产品——一直在领先，始终求卓越。烟台市烟台山医院于二十世纪30年代，拥有了烟台境内第一台X光机。1952年，烟台山医院放射科正式成立。“目前，三个院区的影像科、核医学科（在建）实行大科室统一管理，医学影像科已发展成集医疗、教学、科研于一体，设备先进、人才梯队合理的现代化医学影像体系。” 烟台市烟台山医院CT.MR室主任兼影像科大科主任张国伟表示，该科室是省级临床重点专科建设单位、烟台市医疗卫生重点学科。从科室成立之初至今，烟台山医院医学影像科始终瞄准国际前沿最先进的器材，造福港城市民。“刚刚引进到东院区的飞利浦的Incisive 128层CT，与已在东院区投入临床使用的GE超高端Revolution 256排CT各有所长、优势互补，将有效减少患者的预约等候和检查时间。”张国伟说。烟台山医院医学影像科现有医师、技师、护理人员共120余人，其中医师60余人，技师40余人，护理20余人；高级职称20余人，住培指导医师40人；拥有博士和硕士学位人员40余人、硕士研究生导师2人。医学影像科的医师按专业组划分为：神经头颈组、呼吸循环组、消化组、泌尿生殖组、骨肌组、核医学组，激发了医师们自身学习的主动性，使得每位中级医师都有自己的发展方向和研究课题。科室现拥有高端CT设备5台，“2019年底投入使用的GE超高端Revolution 256排螺旋CT，系烟威地区首台。”张国伟说，此外还有高端磁共振设备5台，推想人工智能辅助诊断系统、一体化智能影像中心、并开设了影像科门诊。为了紧跟国际国内医学进展，近几年，烟台山医院医学影像科先后外派20余人次分别到国内外等地医院进修学习。利用“烟台中西医结合影像专业委员会主任委员单位”、“上海市肺科医院专科联盟成员”的平台优势，连续多年召开学术会议，开展继续教育项目培训，增强了与国内外学者的交流合作，形成了较高的品牌学术影响力。“除常规检查外，医学影像科还开展了诸多特色检查，主要包括：双肺低剂量CT扫描、肺结节高分辨CT技术、前列腺癌MR筛查技术、胎儿和胎盘MR检查、膝关节软骨MR延迟增强扫描技术、脑ASL扫描等。”张国伟表示，医学影像科承担着山东第一医科大学、滨州医学院等医学院校的影像专业实习教学任务以及各级医院进修医师培训、住培医师培训等工作。烟台山医院医学影像科致力于临床影像工作，每天都常规进行疑难病例会诊、教学工作，起到了很好的传帮带效果，培养了一大批年青骨干医师。在科研创新方面，他们根据医学实践，不断拓展新技术新项目在临床的应用。据了解，医学影像科共获批省市级科研项目10余项，获得烟台市科技进步二等奖和三等奖10余项，其中多项技术达到国际先进水平；发表论文100余篇，其中SCI收录论文10余篇、中华级论文20余篇，主编参编著作10余部，获得国家专利10余项，主持国家级和省级继续教育项目10项。未来几年，医学影像科将围绕着患者的需求、临床科室的发展，重点发展精准医疗影像技术。“尤其是双肺低剂量CT筛查、肺结节高分辨CT扫描、前列腺癌MR筛查、骨关节精准影像诊断、胎儿MR检查、职业病检查、冠脉血管CTA等独特技术，在现有的团队技术优势基础上，为临床医师和患者提供更高质量的精准化影像服务。” 张国伟说。责任编辑：高涵

为找寻和验证哪些中药对此次新冠疫情防控有效，钟南山院士团队对四十余种中成药和中药方剂进行筛选，这些研究（包括病毒抑制试验）为临床试验研究的开展奠定了重要理论基础。在药物筛选过程中，研究者证实了连花清瘟胶囊等中药对2019-nCoV感染引起的细胞病变具有良好的抑制作用，具有抑制新型冠状病毒活性，减少病毒含量的作用，并能显著抑制炎症因子过度表达。此研究发表在药理学界主流杂志Pharmacological research上。基于这一发现，钟南山院士联合张伯礼院士、李兰娟院士等中西医临床专家，启动了连花清瘟治疗新型冠状病毒肺炎的前瞻性、随机、对照、全国多中心临床试验。该研究在全国定点收治新冠肺炎的20余家医院展开，考虑到疫情防控的紧迫性，无法进行双盲；专家组讨论后决定采用在有限条件下的最客观随机平行对照试验设计。按照研究方案，入选患者随机分为治疗组和对照组（常规治疗组），参照《新型冠状病毒肺炎诊疗方案（试行第四版）》，共收集了符合研究方案的284例病例。试验数据经过专业第三方统计分析，结果显示：经过连花清瘟治疗组治疗14天后，主要临床症状（发热、乏力、咳嗽）治愈率较对照组显著提高，在治疗第7天达57.7%，治疗第10天达80.3%，治疗第14天更是达到了91.5%。发热、乏力、咳嗽单项症状持续的时间也明显缩短，连花清瘟治疗还能够明显提高肺部CT影像学异常的改善率，提高总体临床治愈率。从降低转重型患者的比例方面分析，连花清瘟胶囊治疗组与对照组明显更低（连花清瘟治疗组：2.1%，对照组：4.2%）。然而在本临床试验中，连花清瘟胶囊在提高新冠肺炎核酸转阴率和缩短转阴时间方面与对照组（常规治疗组）对比虽然显示出一定的优势，但差异尚未达到统计学意义。上述系列发现表明，在常规治疗基础上联合应用连花清瘟胶囊口服14天可显著提高新冠肺炎发热、乏力、咳嗽等临床症状的改善率，明显改善肺部影像学病变，缩短症状的持续时间，提高临床治愈率，遏制新冠病情恶化，而且安全性较高。这项研究结果被植物医学界的一区（2020年中科院SCI期刊分区）杂志Phytomedicine收录发表，是目前首个被国际期刊杂志报道的中药治疗新冠病毒感染的前瞻性、随机、对照、多中心临床研究。钟南山院士的团队高度重视中医中药的发展，在疫情初期就积极响应国家号召，牵头全国多个医疗机构开展了严格设计的中医药物筛选研究和临床应用探讨，并组织启动了以连花清瘟胶囊为代表的随机对照临床试验。国际植物医学领域影响因子较高的杂志《植物医学》（Phytomedicine）发表连花清瘟胶囊治疗新冠肺炎临床研究成果也是国际对中国中药防控新冠的认可和肯定，对中医药国际化具有十分重要的促进意义。【来源：中国经济网】版权归原作者所有，向原创致敬

2020年9月20日，一场医学影像AI领域，政、产、学、研、用万众瞩目的盛会，在上海国际会议中心胜利闭幕。▲第二届中国医学影像AI大会现场这场由中国医学影像AI产学研用创新联盟（CAIERA）主办的“第二届中国医学影像AI大会”，为期三天。以“AI助力健康中国”为主题，围绕2030健康中国行动纲要，吸引了线下参会人数达千余人，线上参会近七千人，线上观看近三万人次。我们看到了“新技术论坛”上行业发展最前沿的趋势；我们也看到了来自“智慧医学影像研究院”影像组学进阶班年轻的新生力量。作为此次大会的重磅环节，在周日的“医学影像AI 2020 发展论坛”上，举行了《医学影像AI 2020 发展报告》新书发布会。▲《医学影像AI 2020 发展报告》新书发布会编委团《医学影像AI 2020发展报告》是中国在医学影像AI领域第一次集合了政、产、学、研、用专家共同参与撰写。《医学影像AI 2020发展报告》主要涵盖了12大章节，各个章节的负责人分别为：概论（刘士远）AI基本概念和专业术语（郑海荣）AI在医学影像中的研究现状-数据篇（孔德兴）AI在医学影像中的研究现状-算法篇（田捷）AI在医学影像中的研究现状-热点篇（周少华）医学影像AI产品标准与质量控制（李静莉、王浩）医学影像AI产品临床验证（伍建林）医学影像AI产品监管（彭亮、贺伟罡、刘英慧）AI在医学影像中的临床应用现状（张惠茅）医学影像AI产业化现状（萧毅）AI在医学影像领域的教育需求（居胜红）AI在医学影像的伦理（王培军）在报告发布会现场，医趋势第一时间采访到了创新联盟理事长刘士远教授和《医学影像AI 2020 发展报告》的撰写专家们，聆听他们关于医学影像AI领域的现在与未来。01:08▲医趋势采访《医学影像人工智能 2020 发展报告》部分编委经过四年多的深耕，中国医学影像AI进入了一个理性、健康发展的关键时期。在这样的节点重磅发布《医学影像人工智能 2020 发展报告》，汇集许多业内顶级专家，对于整个行业有重要的实践跟指导意义。中国医学AI关键节点，促进上下游融合交流《医学影像AI 2020 发展报告》主编，上海长征医院影像科主任、中华医学会放射学分会候任主委，刘士远教授刘士远教授表示，在这样一个关键时期，有必要为医学影像AI上下游的所有从业者进行一次全面的总结。因此，报告的目的是促进上下游的相互融合与交流。同时，也是通过回顾现状，总结问题与挑战，让上下游的企业实现再创新、再突破。本次报告对内容的要求是客观性、科学性、全面性、前沿性、权威性，结合产学研用的实际需求，侧重总结阶段性进展，尤其是AI在新冠肺炎中的进展。刘士远教授告诉医趋势，此次发展报告针对的是医学影像人工智能整个行业发展全链条，也得到了国家层面的大力支持。报告涉及到人工智能上下游的所有问题，参与编写的人员都是各个领域最获认可的专家，包括国家药监局监管专家和质控专家。因此，《医学影像AI 2020 发展报告》的定位是国家层面具权威性的发展报告。关于报告对产业将带来什么样的帮助或指导？刘士远教授表示，希望这份发展报告对产业的指导作用包括，1、梳理整个产业的发展现状，对于医学影像人工智能目前的算法、研发、应用、产业化、伦理、监管等情况有一个全面的了解。2、加强AI相关基础教育，成为从事人工智能，或者即将要从事人工智能人员，包括上下游工科、科研、医学人员等的教材。3、促进上下游融合发展的作用，提供产业上下游从业者相互学习的机会，加强融合、交流和合作，成为大家的帮手。4、推动创新和发展，基于现状、应用、挑战的分析，有助于从业者梳理各自环节的短板，促进创新，推动产品研发和行业发展。5、展望未来，指明方向。报告每个章节最后都对该领域存在问题和未来方向做了分析，对上下游所有环节都能起到一定指导作用，也可以成为政府决策或者监管的参考等。最后，刘士远教授告诉医趋势，《医学影像AI 2020 发展报告》是在《中国医学医学影像白皮书》发布后近两年编写的，相比于2018年的报告，本次发展报告增加了专业术语、基础教育、政策监管、质量控制、临床验证、管理方式相关的内容，并且也是第一次有政府监管部门参与编写，更具权威性，这次正式出版的新书将在11月上市。医学影像AI领域的数据安全一直以来成为行业争论的焦点，《医学影像AI 2020 发展报告》里是如何解决这个争议的？AI数据伦理标准：“无害”“有利”上海同济医院副院长、中放常委、上海放射学会主委，王培军教授作为本次报告“AI在医学影像的伦理”章节的撰写者，王培军教授表示，AI技术的敏感性、特异性需达到95%以上才比较理想，才能达到更高的准确度，而这需要更大的结构化数据量。这就更需要保证数据的安全和隐私，也称为伦理要求。“伦理就是AI对人有什么影响，我们希望是无害的，并且是有利的。”无害 — 就是安全性。隐私保护，数据的安全保障。有利 — 就是诊断的准确性。涉及到模型开发，算法改进，这些标准越高做得越好，对病人的诊断、治疗越有帮助，那么它是有利的。此外还要保证应用的公平、透明。医学影像AI的商业化落地，是所有产业及临床最实际的目标，作为整个医学AI产业链最受关注的环节，《医学影像AI 2020 发展报告》也做了梳理及展望。两大方向，中国医学影像AI应用解决临床痛点吉林大学第一医院放射科主任、中放大数据人工智能学会主任委员、吉林省放射学会主委，张惠茅教授作为本次新书发布会的主持人，也是本次报告“AI在医学影像临床应用现状”章节的撰写者，张惠茅教授表示，《医学影像AI 2020 发展报告》里这一章节主要围绕的是中国医学影像近两到三年之间，中国学者做了什么，和国外的学者有什么不同。“在回答这个问题过程中，我们整个编撰团队有将近20人。”AI整体发展，国外肯定有一定优势，但从个性化来讲，中国的专家联合我们的算法专家做了很多深入的探索。中国医学人工智能着重于两个方向，一是工作流程，另一是疾病诊断。在工作流程中，中国学者目前更关注的是图像优化、速度提升，可以减少患者的等待时间，提升整体诊疗水平。中国患者人数巨大而医生资源稀缺，高质量的智能化工作流程可以为临床解决很多难题。甚至有的企业已经做了一个全站式量化的质量体系。同时我们也看到在结构化报告方向，目前头部企业还是比较少。而未来跟信息化公司整合的智能化结构报告，也是临床、患者共同的需求。围绕疾病的诊断，中国研发者已经从头到脚都涉及到了。尤其是应对此次新冠疫情，包括AI设备无接触的扫描、操控。进行病情的评估和随访。当然我们也希望在未来长时间随访过程中，对患者的预后有一些干预。谈到此次发布的《医学影像AI 2020 发展报告》亮点，张惠茅教授表示，除了权威性指导性以外，首次将AI术语规范化，因为语言是沟通的桥梁，如果没有一个基本框架，未来AI很难深入。另外，系统规范的教育，这是目前中国比较匮乏的，对于医生，相关的硕士研究生，博士研究生，都会很有收获。通过一本书就能告诉你中国医学影像AI发展从概论到政府监管，大家都关注什么，该怎么做？相信会帮助到对中国医学影像AI感兴趣的中外所有读者。让院内院外，各医疗机构之间互联互通，标准化结构化数据库非常重要。这更需要自上而下的顶层设计。建立统一标准的结构化数据库势在必行浙江大学应用数学研究所所长、中国生物医学工程学会医学人工智能分会副主委、浙江数理医学学会理事长 孔德兴教授标准的结构化数据对于AI发展至关重要。作为本次报告“数据篇”章节的撰写者，孔德兴教授表示，我国从事医学大数据的企业越来越多，但目前各单位的数据库质量参差不齐，标准不统一，数据的质控、标注、采集都不一样。远远落后于目前的研发、应用各方面，建库势在必行。因此在编撰本书数据篇的时候，希望能组织全国各大专家，建立统一标准，包括数据的采集、标注、质控以及伦理法律法规标准。对企业、科研、临床诊断、教育培训都有一定指导作用，将助力整个行业的发展。孔德兴教授表示，目前医疗AI数据主要面临三大问题，第一，数据来源问题。以企业或研究单位为例，数据来源从地域上并不能做到全覆盖。从维度上，有的是针对三甲医院，但实际应用在市县级医、在基层医院、甚至体检中心，来源或不能支撑这些应用场景。第二，数据质量问题。急需标准化、统一化、规范化。第三，数据使用问题。包括与医院的合作研发等法律法规。对于未来数据库搭建的突破口，孔德兴教授表示，更看重国家层面对数据搭建的统一部署，采用一个统一标准，然后由医院、科研机构、企业深入参与。这是一个多方合作的过程，并且每一方都很重要。“《医学影像AI 2020 发展报告》发布不是结束，而是开始。”依赖于“优质”的数据，找到适合的算法对于医学AI的发展很重要。不同于其他领域，医学领域的算法更为精细。医学AI算法更好为实际应用服务中国科学院分子影像重点实验室主任，国家杰青，长江学者，973首席，田捷教授作为本次报告“算法篇”章节的撰写者，田捷教授表示，报告对于临床跟产业界有着不同方面的启发。临床医生更关注AI如何让患者诊断更准确，治疗效果更好，所以报告里面给出了大量案例，哪些方法适合哪些临床诊疗。 对产业界来说，报告比较系统的介绍了AI算法的发展历程，以及主流方法，并且列出非常详细的分支，使其在设计他们的方法的时候，有一个参考。 在报告里介绍到了目前AI主流的三种算法，包括：统计分析算法，包括一些假设检验，目前在很多临床实验中也在用。影像组学算法，结合了比较简单的机器学习方法，从医学影像里提取出海量图像特征，基于这些图像特征建立模型，比如SVM或者随机森林模型等用于预测、诊断以及愈后分析。 基于卷积神经网络的深度学习算法，这种方法的优点在于可以基于图像而不经过人的勾画，直接得到结果，相当于是基于医学图像的自学过程。有些模型网络可以设计得很深，100多层甚至1000多层。同时描述了其在主要三个领域的应用，包括疾病诊断筛查、疾病治疗、愈后疗效预测。AI的算法需要为实际应用而服务。在医学领域的AI算法要根据医生的实际需求做开发。而根据某个临床实际情况开发的算法，并不适用于所有临床问题，因此根据临床需求开发专用的AI产品或有更好的效果。 在谈到目前医学AI算法需要哪些突破时表示，首先是人工智能的可解释性方面，第二是人工智能方法在小样本上，第三是人工智能在泛化性方面，如不同医院的应用性，第四是人工智能在多模态不同科室的数据融合方面需要有突破。 中国医学AI新纪元，我们看到了各方众志成城，在中国医学影像AI产学研用创新联盟（CAIERA）的带领下，加速向上发展。政、产、学、研、用交叉融合，中国医学AI未来值得期待刘士远教授表示，人工智能整体现状正在健康理性的发展，并进入一个上升平台。未来以患者为中心，以新技术为载体，以多模态数据库为支撑，三者齐头并进，医学AI将更丰富，更满足临床需求，也会有更多产品落地，未来值得期待。王培军教授表示，人工智能与医学影像的联合发展正处于一个上升阶段。《医学影像AI 2020 发展报告》就是针对政、产、学、研、用，捋清楚人工智能在医学尤其是在医学影像方面的过去、现在、未来。以权威的视角，进行人工智能研发应用的全景式分析，对其未来发展有所指导和借鉴。政产学研用只有联动起来，互相协作取长补短，才能更好促进医学影像AI的发展。未来《医学影像AI 2020 发展报告》也会根据时代发展不断更新。张惠茅教授表示，2018年中国医学影像AI产学研用创新联盟发布的国内第一部《中国医学影像AI白皮书》，引起社会的热烈反响。2020年，在全球新冠肺炎疫情，医学影像AI智能诊断、评估已到发挥重要作用的关键时刻，“2020发展报告”更会 受到各界人士的广泛关注和社会好评。孔德兴教授表示，目前国家卫建委正积极介入，已经为超生医学影像数据库，建立了5个子库，每天都有数据上传。而入库、标注、质控的标准，及应用解决方案都已完成。预计明年九十月份，这个数据库就可以正式展现给大家。田捷教授表示，目前医学AI发展很火热，国家也非常支持；但也看到一些需要解决的问题。比如需要有标准的数据集和标准化的规则，需要有更多“优质”数据，同时人工智能方法的开发也要基于隐私保护。在不能拿到足够公开数据的时候，或可以直接研发基于隐私保护的人工智能。更多《医学影像AI 2020 发展报告》亮点！未完待续......虽然目前AI在医学领域的应用还是个蹒跚学步的婴儿，但是“它”的成长非常迅速且每天都充满惊喜。中国医学影像AI产学研用创新联盟，为医生、企业、研究学者、政府机构能够在一个平台上融合交流，创造了很好的典范。相信未来医学影像AI会将临床诊疗带入一个崭新的纪元。· END ·

高水平临床研究是高水平医疗机构的重要标志，一方面丰富的病患资源、优秀的临床医生为医院提供了得天独厚的科研资源；另一方面高水平的临床研究提升了医院的整体实力，并吸引更多的疑难病患慕名而来。临床与科研在医院里相辅相成、相互促进，形成合力推动医学科学的发展。所以，优秀的临床研究离不开优秀的医生、优秀的团队，也离不开优秀的医疗机构。在中国卫生与健康科技创新发展高峰论坛上，国内几位知名专家围绕怎样做好临床科研进行了精彩演讲。肿瘤临床研究 机遇在前方——国家癌症中心主任赫捷院士从国际大环境看，以美国为首的世界各国对恶性肿瘤的研究都非常重视。美国在上世纪三十年代出台了《国家癌症法案》，到上世纪70年代，尼克松总统重新修改了这个法案。2015年，奥巴马提出的“精准医疗计划”主要也是针对肿瘤和遗传病。2016年又推出“抗癌登月计划”。从经费投入来看，美国国立卫生研究院一年总经费是320亿美金，下设28个研究所，其中美国国家癌症研究中心（NCI）一家就分了52亿，几乎是1/6。从人员任命来看，大多数研究所的领导者都是美国国立卫生研究院（NIH）任命，唯独NCI的领导是总统直接任命，而且历届NCI的领导都是极其有名的人。上一届是诺贝尔奖获得者，刚上任的路易则是发明宫颈癌疫苗的人。我们国家也一直非常重视肿瘤的防控。围绕美国的登月计划，去年我们专程走访了美国斯坦福癌症中心，了解登月计划是怎么出台的，有什么成果，现在已经有什么基础等，依据这些我们将整理出一个详细的报告，希望对中国制定癌症防控中长期发展规划提供帮助。此外，我们国家在癌症科研方面的投入在年年增加，在精准医学研究和重大慢性非传染性疾病防控研究中，恶性肿瘤研究都是重要的内容。从肿瘤的临床研究看，中国学者从开始参与国际研究，到如今已经在很多研究中起主导作用。除了传统的早筛、早诊、治疗、康复等癌症研究，肿瘤相关的大数据研究近几年格外受关注。党中央国务院高度重视肿瘤临床研究，特别是在前不久召开的“全国卫生与健康大会”上，习总书记专门提到“建立人口健康数据，包括恶性肿瘤的大数据库”，可见从国家领导层面也格外重视肿瘤研究。因此，对于国内从事肿瘤研究的医学工作者而言，现在有很多机遇就在前方。做科研怎样才能格局高——国家心血管病中心主任助理蒋立新在既往20年，我们国家在基础医学以及其他很多领域的论文发表，尤其是高水平的论文发表，数量增加是非常迅猛的，但是大陆地区发表的原创临床研究却没有明显增加。以《柳叶刀》杂志为例，每年始终保持在3~4篇，基本上与我国香港地区持平。如今，国家大力推动健康中国和科技创新，这为从事临床研究的科研工作者带来了很多机遇，如何抓住机遇，如何迎接挑战是我们需要认真思考的。提起中国的临床研究，很多人都认为我们最大的优势在于临床患者资源丰富，这的确给我们的研究带来了便利条件，不过我以为最大的优势应该是我们的举国体制，我们的政府职能部门对于指导研究方向、统筹研究规划具有很强的号召力，这对于推动大规模研究是不可或缺的，也是我国学者在临床研究中能够赶超世界一流水平的强力保障。因此，临床研究要想做好，团队带头人需要了解国家的大政方针，看清科研的大方向，让自己团队的科研方向与全球发展的大格局相匹配，符合国家的发展需求。什么是最有价值的研究——四川大学华西医院院长李为民分级医疗的实施、医改的推进为公立医院带来了一些挑战，更为管理者带来了很多思考。每家医院都在争着建立一流的学科，怎样才是一流的学科呢？我觉得应该包括一流的人才队伍、一流的医疗技术与质量、一流的人才培养体系、一流的临床研究与创新，还有一流的支撑保障（如信息支撑）以及一流的医院管理。其中，一流的临床创新、临床研究是支撑一流临床医学学科的重要部分。现在世界上比较通行的是用基本科学指标数据库（ESI）评价学科水平。ESI比较关注的是发表论文被引用的情况。根据ESI的评价指标，医疗机构可被分为国际顶尖水平、国际拔尖水平和国际领先水平，排位在全球所有医疗机构中前千分之一，就是顶尖水平；如果在百分之一以内就是国际领先水平。我们根据ESI分析了华西医院的情况。在全球385600多个临床医学专业中， 2011年华西医院是第931位，2016年9月份大概是448位。我们离国际顶尖水平还有不小的差距。为了加快发展，我们分析了医院发表论文的被引用情况。结果发现，有国际合作的研究在2010年-2014年间共有1105篇，平均被引用14.4次；只有国内合作的研究共1081篇，平均被引用6.9次；如果只是我们自己华西医院的，被引次数就只有4.1次了。因此，要想发表被引次数较多的高水平研究论文，广泛地与国内外同行合作是很重要的影响因素。我们也分析了影响论文引用情况的主要指标，发现作者因素、文章因素、期刊因素、网络计量学因素等都会有所影响。认真分析全球临床医学学科发表的引用次数最多的研究可见，临床研究、流行病学研究或者是临床试验是最受关注的研究。那么，从医院的角度看，该鼓励大家做什么研究呢？首先我们需要关注基础研究，但不是每一个医院都关注基础研究，有条件的去做，做的时候应该瞄准原创性研究，这样才能有高水平的文献发表。第二，临床基础研究，我们关注的主要是病因机制研究。第三，要做临床试验，特别是临床随机对照研究，这些研究成果若能被指南所引用，将非常有价值。还有临床应用研究、临床转化研究，评价是否实现了转化，不应看有没有申请专利，而要看是否真正转化到临床应用中。科研对医院发展至关重要——第四军医大学西京医院副教授王东光开展临床研究对于一家医院到底有多重要，我想从西京医院以往的经验做个简单介绍。临床研究引领了临床技术的创新。第一例小肠活体移植是1999年在我们医院实施的，现在患者非常健康，已经成为世界上小肠移植后存活时间最长的人。小肠移植成功后，我们的医生又不断探索，完成了非亲缘性的小肠移植、小肠病变剥离后回植、小肠延长手术。从保肠、换肠到延肠，最初的临床研究引领着临床医生不断创新。小问题的研究同样能出大成果。我们的消化内镜团队做了这样一个试验。常规肠道准备主要是给病人发一个告知单，让病人按照告知单准备就可以了。他们不单发给患者告知单，还在肠道检查前一天打电话督促提醒并告诉患者怎么准备。对比结果出来后明显的差异令人惊讶，肠道准备率从原来的70.3%提高到81.6%，息肉检出率由原来的24.7%提到38%。看似一个简单的问题，也发表在消化疾病领域的顶级杂志上。临床研究可以提升临床管理水平。消化外科推出快速康复外科理念后，通过多项措施的改良和优化，使腹腔镜直肠癌根治术并发症发生率由16.9%降到3.5%。全胃切除住院时间由7天~10天缩短到3天~5天，并发症的发生率也明显降低。临床研究可以带动优势学科发展。我们国家第一例活体肝脏移植是1997年在我们医院实施的。随后，肝移植的顺利发展带动了其他器官的移植，如肾移植、肝肾联合移植、子宫移植等。如今医院以器官移植为代表的优势学科群已达到五个。因此临床研究不仅会影响医生和科研人员自身的发展，更会影响整个医疗机构的发展，临床科研会为医院的发展开辟出很多新天地。精神疾病需要临床研究——北京安定医院副院长郑毅我们国家现代精神病医学的研究起步较晚，基本上在建国以后，大量学术研究才开始发展起来。在上世纪八十年代以后，进展较快。在2016年的全国卫生与健康大会上，习总书记花了将近一百多个字专谈心理健康，特意强调加强心理健康问题的基础研究，做好心理健康和心理知识的科普工作、普及规范发展心理治疗、心理咨询等心理服务。可见心理健康已经得到了我们国家领导层的重视。与此同时，二十一世纪也被认为是脑的世纪，相信随着人们认识脑、保护脑和创造脑的不断推进，将对精神疾病带来重大的推动。我们现在对精神疾病的研究有了很大的进步，从看不见摸不着到半看得见、半摸得着，到现在越来越清楚，越来越精准，我们对精神分裂症治疗的药物也开始越来越精准。在精神疾病的临床研究中，我国学者有不少特色。比如我们在诊断分类上，不再将儿童青少年患者单独划分，提出按全生命周期诊断。目前美国已颁布草案，接受了我们的意见。我们推动了在儿保系统进行心理健康筛查的措施，由此可以早筛查儿童心理问题。这些是我们国家比较领先的研究成果。还有一些特殊的疾病，如多动症、孤独症做基本的药物检测、研究和基因的治疗等，国内医生在与国际同行同步探索。如我们和哈佛大学合作研究发现精神病患者大脑内与正常人的代谢差异，终于让很多精神疾病“看得见”了。在临床研究的转化中，我们对抑郁症的治疗已经能够量化分析，这样患者可以通过APP测试自己的治疗结果并反馈给医生，由此就可以做到跟糖尿病、高血压一样自我监测。其实精神疾病的发展、机遇和挑战还是很多的，越是模糊的东西，可能创新东西的思路和机遇越多。今后对于精神疾病的临床研究可能会集中在早、准、优的三个字的原则。第一，早期诊断。第二，准确找到发病原因。第三，同时在量化治疗方面和精准治疗方面，优化我们治疗的模式。数据库为什么必须要分享——北京天坛医院副院长王拥军大数据的科研潜力毋庸置疑，因此在中国约2000多家医疗机构都在风风火火地建立数据库，其中有些数据库甚至可以达到欧洲或者美国整体的数据量，因此如何通过数据库的开放、共享，避免形成数据孤岛，提高研究效率，避免浪费，是需要研究者认真思考的问题。当我们建立了一个高质量的数据库后，将它开放分享，可以鼓励人们进行科学探索和争论；可以鼓励创新和潜在新数据的使用；可以引导数据的创造者和使用者之间的新合作；可以使数据的透明度和职责最大化等。以国家脑血管病研究中心为例，刚刚筹建完成国家脑血管病大数据库，现在是可以对社会和研究者开放的。数据库中有基于全国837家三甲医院过去十年间的病历首页完成的数据库。第二是基于全国多家医院的原始病历数据。第三是中国卒中联盟数据。第四，1995年以来脑血管病临床研究数据140万。此外还有影像数据，包括3万名脑血管病人核磁共振的原始数据。目前，全世界感兴趣的人都可以通过网站进入数据平台，提出书面申请并被管理委员会通过后，申请者需要写出数据使用方案，提交后中心会委派一个统计师帮申请者完成必要的表格和统计图，经过质控师审核后，申请者就可获得想要的数据资料。科研文章写好后，重新交给学术委员会审核确保数据没有篡改，这个文章就可以投稿了。数据分享为什么能提高利用率？我们从几个案例体会一下。2007年我们建成的数据库，共收集了2万多人的病例资料，该数据库现在产出了90多篇SCI论文，暂时还没有达到国际数据库100篇的平均产出。这90多篇文章中有1/3是开放数据产出的。比如肾内科罗洋医生看到每位患者都有肌酐的检查结果，这是神经内科医生很少关注的指标。于是罗医生在一年间利用这个数据库发了三篇文章。如果不开放这个数据库，这些肌酐数据很可能被浪费掉。河北医科大学的一位博士总抱怨没有数据库，于是我们对她开放数据库，短短半年时间，她在脑血管疾病领域的顶级杂志《Stroke》发表了两篇文章，分别验证了两个国际卒中患者死亡预测模型。文章发表后，加拿大学者还邀请她去帮忙建立死亡预测模型。数据库的开放同时也能让国际的同行关注中国的数据，我们的网站建完之后，美国杜克大学的数据库管理者说，为什么不让两个数据库对接呢？于是他们决定在2017年投入170万美元做中国医疗改进数据库的重建。所以，在建立数据库的时候，一定要做好充分准备把握关键环节，做成高质量的数据库，而后它才能成为一个科研富矿。高质量的数据库才能让人有信心有能力与别人共享，进而得到高效开发利用。否则仅仅收集大量数据，发表屈指可数的几篇文章，对于临床科研没有更大帮助，只会浪费大量的财力、物力和人力。医药科技创新相关政策2016年，党中央先后召开了全国科技创新大会、全国卫生与健康大会，明确了我们的科研方向以及奋斗目标。同时，也把医学科技创新列入到国家多个宏观战略规划里，包括“健康中国”的建设、“制造强国”战略、“一带一路”等，都对医药领域的科技创新工作提出了明确要求。2016年5月推出的创新驱动发展战略纲要，是在整个创新驱动发展战略上的国家顶层设计。2016年7月下发“十三五”国家科技创新发展规划，则在科技创新上明确了“十三五”的路线图。在推进改革方面，2014年和2016年有两个文件值得科研人员关注，分别是《深化中央财政科技计划（专项、基金等）管理改革方案》和《关于进一步完善中央财政科研项目资金管理等政策的若干意见》。前者明确了中央财政科技计划的管理改革方案，拉开了科技与项目管理改革的序幕，后者则在项目管理上为科研人员大幅度松绑，有助于进一步激发科研者的创新动力。国家卫生计生委在2016年召开了科技创新工作会，刘延东副总理专门做出批示，将科技创新放在卫生与健康事业核心位置。在会上国家卫生计生委李斌主任同时强调，医疗卫生机构及其技术人员是科技创新的重要组成部门，同等享受国家各项科技创新的激励政策。随后，国家卫生计生委联合其他部委下发了一系列相关的政策，包括《关于全面推进卫生与健康创新的指导意见》、《关于加强卫生与健康科技成果转移转化工作的指导意见》、《“十三五”卫生与健康科技创新专项规划》。这些举措和部署不仅是对我国医学科技创新领域顶层设计的完善，更是为了给广大医学科研人员提供更好的政策环境与保障。

为找寻和验证哪些中药对此次新冠疫情防控有效，钟南山院士团队对四十余种中成药和中药方剂进行筛选，这些研究（包括病毒抑制试验）为临床试验研究的开展奠定了重要理论基础。在药物筛选过程中，研究者证实了连花清瘟胶囊等中药对2019-nCoV感染引起的细胞病变具有良好的抑制作用，具有抑制新型冠状病毒活性，减少病毒含量的作用，并能显著抑制炎症因子过度表达。此研究发表在药理学界主流杂志Pharmacological research上。基于这一发现，钟南山院士联合张伯礼院士、李兰娟院士等中西医临床专家，启动了连花清瘟治疗新型冠状病毒肺炎的前瞻性、随机、对照、全国多中心临床试验。该研究在全国定点收治新冠肺炎的20余家医院展开，考虑到疫情防控的紧迫性，无法进行双盲；专家组讨论后决定采用在有限条件下的最客观随机平行对照试验设计。按照研究方案，入选患者随机分为治疗组和对照组（常规治疗组），参照《新型冠状病毒肺炎诊疗方案（试行第四版）》，共收集了符合研究方案的284例病例。试验数据经过专业第三方统计分析，结果显示：经过连花清瘟治疗组治疗14天后，主要临床症状（发热、乏力、咳嗽）治愈率较对照组显著提高，在治疗第7天达57.7%，治疗第10天达80.3%，治疗第14天更是达到了91.5%。发热、乏力、咳嗽单项症状持续的时间也明显缩短，连花清瘟治疗还能够明显提高肺部CT影像学异常的改善率，提高总体临床治愈率。从降低转重型患者的比例方面分析，连花清瘟胶囊治疗组与对照组明显更低（连花清瘟治疗组：2.1%，对照组：4.2%）。然而在本临床试验中，连花清瘟胶囊在提高新冠肺炎核酸转阴率和缩短转阴时间方面与对照组（常规治疗组）对比虽然显示出一定的优势，但差异尚未达到统计学意义。上述系列发现表明，在常规治疗基础上联合应用连花清瘟胶囊口服14天可显著提高新冠肺炎发热、乏力、咳嗽等临床症状的改善率，明显改善肺部影像学病变，缩短症状的持续时间，提高临床治愈率，遏制新冠病情恶化，而且安全性较高。这项研究结果被植物医学界的一区（2020年中科院SCI期刊分区）杂志Phytomedicine收录发表，是目前首个被国际期刊杂志报道的中药治疗新冠病毒感染的前瞻性、随机、对照、多中心临床研究。钟南山院士的团队高度重视中医中药的发展，在疫情初期就积极响应国家号召，牵头全国多个医疗机构开展了严格设计的中医药物筛选研究和临床应用探讨，并组织启动了以连花清瘟胶囊为代表的随机对照临床试验。国际植物医学领域影响因子较高的杂志《植物医学》（Phytomedicine）发表连花清瘟胶囊治疗新冠肺炎临床研究成果也是国际对中国中药防控新冠的认可和肯定，对中医药国际化具有十分重要的促进意义。【来源：央视】版权归原作者所有，向原创致敬

2019年11月13日-17日,由中华医学会、中华医学会放射学分会主办的中华医学会第26次全国放射学学术大会(CCR2019)在北京国家会议中心隆重召开,超过万名国内外放射医生、专家学者和专注于医学影像设备的企业在本次大会云集,让这场万众瞩目的顶级放射学界年度盛会精彩纷呈。在今年的CCR大会上,深圳市智影医疗科技有限公司(智影医疗)有两场人工智能研究成果及落地的发言、一场受邀专题发言和CT检测活动性肺结核论文壁报展示,这对于人工智能公司来说是极大的肯定。作为人工智能领跑企业,智影医疗亮相CCR2019舞台以会议主题发言、论文收录发表,人工智能产品展台展示等多种形式再次交出创新成果答卷,全面展示了智影医疗领先的人工智能新技术及丰富的医疗领域场景应用。在智影医疗《肺结核综合防控AI信息平台》的专题发言中,智影医疗总经理兼CTO刘远明博士对肺结核领域的AI防控技术以及对医学影像人工智能应用环境及模式进行了深度的探讨。智影医疗总经理兼CTO刘远明博士现场演讲来自青海第四人民医院的王小义主任也在大会专设的人工智能专场上展示了联合智影医疗AI产品在青海医院临床验证的运用及落地现状。过去一年,青海第四人民医院与智影医疗开展科研合作,共同为青海省73家医院搭建了肺结核AI筛查系统,极大地提高了基层医疗机构对肺结核的早期筛查能力。青海第四人民医院王小义主任演讲现场会议专场主持东南大学附属中大医院王远成教授表示,该AI产品已经从试用阶段过渡到落地阶段,是一个成功的AI产品落地案例。智影医疗AI产品正在快速走向实际的商业运用中。另辟蹊径,专注技术打造核心竞争力在企业展区,智影医疗带来了领先的医疗AI产品、解决方案和应用场景。包括最新研发的世界第一台智能病理及影像无缝结合一体机,搭载了AI显微镜硬件系统和胸片/CT肺部影像AI筛查两大软件系统,适合科研,辅助专病检测治疗。该一体机吸引了大会诸多观众眼球,填补了国内市场中软硬件AI产品结合的空白。多年来的科学成就、技术发展以及差异化竞争,智影医疗对自家产品技术铸成的行业壁垒充满信心。同时,现场展出的早期老年痴呆症(AD)智能诊断及风险预测系统首次引入“多模态纵向迁移”技术,将多种影像数据及标志物实现多模态信息融合,从而不仅解决了图像信息不完整带来的制约性,还能最大化利用小样本数据带来最优决策,提前6年预测出患老年痴呆疾病的风险。展出的早期乳腺的诊断和风险评估系统则能通过AI在结节中分辨出乳腺肿瘤有利于更好地评估乳腺癌风险,能通过AI预测三年内患乳腺癌的风险等级,建立个性化的乳腺癌筛查方案。未来已来,智影医疗砥砺前行不忘初心作为新一代改变时代、改变社会的颠覆性技术,人工智能不断在影像识别、辅助诊断、病理分析、药物研发、健康管理等细分领域为传统医疗提效赋能。未来,人工智能技术将会改变大多数人的生活。智影医疗是人工智能精准影像医学领跑企业之一,多年来智影医疗专注医学影像人工智能产品的发展,现今无论是产品成熟度和实际落地都已经达到了一定水平。秉承让更多的医院和个人能够享受更加公平、优质的医疗资源和服务初心,智影医疗将继续研发新一代人工智能影像诊断产品,依托人工智能技术不断为医学影像发展注入新力量,推进健康中国建设,为广大群众提供疾病预防、早诊断和治疗评估等全方位全周期的健康服务。