基于 AI 技术的医疗影像靠谱么？听听放射科的教授们怎么说
2017-07-27 李雨晨 雷锋网
北大人民医院杜湘珂：AI进入医疗影像领域，一定是在单一、规律性强的领域肺结节是早期肺癌的表现形式，在我国癌症死亡原因中，肺癌死亡率占第一位，肺癌的早期发现和治疗能极大提高病人的生活质量和存活率，对肺结节的筛查很重要。杜教授认为，虽然AI在肺结节的检出上比人工快，但是肺结节的检出并不是那么简单，5毫米以下的小结节，尤其是1-3毫米的结节，情况更为复杂，并且肺本身的疾病分类就多达200多种，数据量非常
北大人民医院杜湘珂：AI进入医疗影像领域，一定是在单一、规律性强的领域
杜教授认为，虽然AI在肺结节的检出上比人工快，但是肺结节的检出并不是那么简单，5毫米以下的小结节，尤其是1-3毫米的结节，情况更为复杂，并且肺本身的疾病分类就多达200多种，数据量非常庞大。“所以 AI 进入医疗影像领域应用的方向和切入点一定是在单一且规律性强的领域。”
同时，杜教授表示，“ AI 并不能完全替代医生。医生看病不止于看图这么简单，AI完成的仅仅是诊断环节中的一部分工作。同时，AI的盈利与能源消耗也是一个巨大的现实问题。IBM沃森医生与安德森癌症中心的合作已经暂停，花费了6200万美金。“
华中科技大学同济医学院艾涛：CT扫描是肺结节检测的“金标准”
艾涛表示，CT扫描是肺结节检测的“金标准”，但是检测结节的难度也很大，在工作量巨大的情况下，大约39%的结节会被放射科的医生遗漏，同时良恶性的分类也是个很大的挑战。
他表示，深度学习算法是对人工神经网络的发展。多数算法是半监督式学习算法，用来处理存在少量未标识数据的大数据集。常见的深度学习算法包括：受限波尔兹曼机（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷积网络（Convolutional Network）。在这些算法的帮助之下，能够在提升效率的前提下，减轻放射科医生的工作量，但尽可能降低漏诊的比例。
飞利浦医疗临床科学部郭宁：医学影像的物理驱动——应用驱动——数据驱动
他讲到，在医疗影像100余年的历史进程中，经历了从物理驱动到应用驱动再到数据驱动的发展过程，推动这一过程的技术，已经让人类对疾病有了不同层次的认知，这些不同的认知则组成了全面的“治疗大数据”。在这样的背景下，就对影像提出了新的要求，需要从影像中提取更多的特征、获知更多的信息，并且实现从定性到定量的转换。
面对这些挑战，飞利浦在2016年推出了一个医疗影像处理平台（IntelliSpace Discovery）， 该平台采用了网络式架构，不受时空的限制，可以进行图像的后处理，也可以兼容其他图像开发平台。他表示，近年来飞利浦也收购了一些图像后处理的公司，希望以此把基因测序的结果连接到飞利浦的基因组后处理平台。此外，他还与听众分享了飞利浦公司在肿瘤基因组和数字化病理等方面的解决方案。
通用电器医疗战略市场经理姚婉：行业场景和商业模式是 AI 技术应用的基础
她表示，人工智能之所以会火是和产业结构相关的，包括核心技术、算法、硬件芯片等方面的成熟。同时，人工智能离不开大数据，海量数据为人工智能提供发展的土壤。近几年人工智能有这么大发展是因为能够和行业场景进行结合，而不仅仅停留在技术层面。“一项好的人工技术一定是要解决实际临床问题，同时要有好的商业模式。”
在演讲中，她分享了人工智能深度学习技术原理：通过建立深度学习神经元数学模型，直接从海量医疗影像的原始像素出发，让模型自己挖掘有效组学特征，学习和模仿医生的诊断技术。
作者：李雨晨
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#放射科#
38
#靠谱#
25
学习了受益匪浅。
55
很好的文章，学习了
53
henhao
53