基於AI技術的醫療影像靠譜么？聽聽放射科的教授們怎麼說

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「醫學影像與人工智慧論壇」。

雷鋒網了解到，北京大學醫學部影像醫學學系成立於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。他們如何看待這個領域的前景以及發展方向？與這個全新領域關係最為緊密的影像學者又是怎麼看待這個新技術？

首先，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慧技術」的主題演講。杜教授表示，醫學影像AI還處於「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，在我國癌症死亡原因中，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，但是肺結節的檢出並不是那麼簡單，5毫米以下的小結節，尤其是1-3毫米的結節，情況更為複雜，並且肺本身的疾病分類就多達200多種，數據量非常龐大。「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。」

「AI並不能完全替代醫生。醫生看病不止於看圖這麼簡單，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症中心的合作已經暫停，花費了6200萬美金。「杜教授表示。

隨後，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，深度學習演算法是對人工神經網路的發展。多數演算法是半監督式學習演算法，用來處理存在少量未標識數據的大數據集。常見的深度學習演算法包括：受限波爾茲曼機（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷積網路（Convolutional Network）。

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夏晨博士進行了主題為「醫療人工智慧的落地與應用案例」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。

推想科技總部位於北京，是一家人工智慧公司，致力於應用深度學習技術為醫療影像輔助診斷提供解決方案，推想科技推出智能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台（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。

隨後，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」、「影像組學特徵提取的方法」等方面發表了自己的見解。

他表示，醫學影像的發展歷程經歷了從物理驅動到應用驅動再到數據驅動的過程。深度學習面臨的挑戰在於數據的質和量，「Data size is the king，Data quality is the Queen。」在演講中，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。

上午的最後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慧技術應用」的主題演講。

她表示，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。在演講中，她分享了人工智慧深度學習技術原理：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徵，學習和模仿醫生的診斷技術。

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

雷鋒網後續還將發布此次學術論壇演講嘉賓的精編內容，敬請期待。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！