AI医疗影像初现曙光，或将改变未来医疗
来源：MedSci梅斯
顺利召开会议
AI scene Forum
4月7日，长三角地区人工智能影像论坛在沪顺利召开。该论坛由数坤科技公司承办，吸引了长三角地区及北京、福建两地共20余家著名三甲医院放射科领域的专家医生现场参与对话，并线上吸引了2.5万余医疗同行全程观看。旨在加快实现国家规划目标，促进长三角地区人工智能影像辅助诊断解决方案普及进程，提高长三角地区人工智能影像辅助诊断解决方案应用水平，同时提高诊断速度、精准性及患者的就医体验，更好的使用AI+影像造福于广大患者。
随着技术飞速发展、医学数据的持续扩增以及硬件设备的不断提升，人工智能和医疗的结合方式越来越多样化。目前AI在医疗领域中的落地的应用场景主要有医学影像、智能诊疗、智能导诊、病例分析、医院管理、新药研发和医疗机器人等，而其中AI医学影像中的应用最为广泛。
临床应用
"AI医学影像"，顾名思义，是指充分利用AI在感觉认知和深度学习的技术优势。将其应用在医学影像领域，从而达到提高诊断效率和准确率的目的。
当下，AI医疗影像流程主要包括底层数据处理、影像筛查、智能决策三阶段，即通过精准的疾病预测模型，进行各种因子及数据的分析处理，应用AI医疗影像，对病原细胞分类，提高筛查效率和质量，以此来协助医生在就诊时提供最好的诊断和治疗建议。
脑卒中头颅“一站式”CT检查又称多模式头颅CT成像，包括CT平扫（NCCT），CT灌注成像（CTP）和CT血管成像（CTA）。
头颈部CTA是目前诊断头颈部血管病变、观察血管解剖和血管病变以外疾病血供来源的重要影像方法。随着多层螺旋CT特别是64层CT在全国的普及，头颈部CTA技术已经成为头颈部血管病变诊断及长期随访的首选无创影像检查方法。目的是扩大溶栓治疗时间窗，使更多的缺血性卒中患者从溶栓治疗中获益。
缺血性卒中是一组由不同病因、不同危险因素和不同病理改变的突发血管事件构成的脑血管疾病。是中国疾病首位死亡原因。WHO 按现在卒中死亡率预测，到 2030 年卒中年死亡人数将增加 4～5 倍。
2005-2018年中国城乡居民卒中死亡率
临床中，为了更有效地从视觉上分析头颈部的血管，通常由经验丰富的计算机断层扫描技术人员来进行图像重建。但是，随着CTA考试请求数量的增加，由于费时的手动过程，后处理人员队伍变得不堪重负。考虑到在临床环境中需要进行血管成像重建，如果可以使用经过处理的分割，则可以轻松地将自动重建系统集成到临床工作流程中。
学术前沿
此前，首都医科大学宣武医院卢洁教授团队发表在Nature Communications的研究基于优化的解剖学先验知识的3D-CNN开发自动成像重建系统（CerebralDoc），以重建原始的头部和颈部CTA图像，协助技术人员的日常工作并节省时间工作过程。
Rapid vessel segmentation and reconstruction of head and neck angiograms using 3Dconvolutional neural network. DOI: 10.1038/s41467-020-18606-2
研究人员于2017年6月至2018年11月期间，在我国5家三级医院进行的18766例头部和颈部CTA扫描的培训和测试。根据自动完成头颈CTA重建的能力评估了该模型重建后的图像质量是否满足放射科医生的诊断需求，并将其性能与人体输出进行了比较。
CerebralDoc与手动处理之间的头颈CTA图像质量比较。
直接显示CerebralDoc和手动处理生成的图像。
研究结果显示，独立测试数据集的整体重建准确性为0.931。由于它与手动处理的图像一致，因此，在临床上应用达到92.1％的合格率。值得一提的是，该系统将耗时从14.22±3.64分钟减少到4.94±0.36分钟，点击次数从115.87±25减少。申请5个月后，劳动力从9比4增加到3比1的技术人员。
在CerebralDoc和传统的手工工艺之间的比较
近年来，以影像诊断为例，X线、CT、磁共振……医院的放射科为所有就诊病人出具这些影像检查的诊断报告。AI医学影像相比人来说，主要2大优点，一是利用AI的感觉认知能力对患者的影像进行识别，获取重要信息，可为医生提供帮助，提高其判读医学影像的效率；二是基于深度学习通过大量已有的影像数据和临床诊断信息训练人工智能系统，使其具备诊断疾病的能力，辅助临床诊断，降低漏诊误诊的概率。
AI在医学影像领域的应用具有重大的价值和广阔的前景。加快医学影像AI产业建设步伐，完善患者隐私和数据安全、数据分享等行业政策和法规，加强AI相关知识培训和宣传，搭建产学研用合作交流平台和相关转化机制，将有助于中国医学影像AI产业向着标准化和规范化的方向进一步发展。
趋势展望
从医学影像AI发展的趋势来看，未来有可能出现以下几方面的变化：
第一，医学影像AI产品的种类越来越多，会从肺、心血管、乳腺、神经逐步拓展到全身各个部位；AI产品的功能会从现在的图像检出、分割、量化、疾病诊断，进一步发展到疗效评估、治疗决策等方面，会由原来单任务学习趋向多任务学习，实现一站式多维度的信息展示。
第二，未来会实现医学影像AI软硬件一体化发展，一方面提升AI的计算效率，另外一方面为软件提供更优秀的使用界面和互动载体。
第三，AI将会进入患者看病的全流程中，院前筛查，院内检查、诊断和治疗等环节都会有AI技术。
第四，AI产品的落地扩宽了医疗服务的边界，随着卫健委对智能化医疗机构认证的开展，未来智慧科室、智慧医院的概念会逐步深入人心，智慧医院的全流程改造也会在不远的将来成为现实。
寄语
AI在医学影像领域的应用已经初现曙光，实现突破指日可待。医学影像AI会克服现有不足，辅助医学影像科医生实现更高效、更精准的影像诊断，进一步造福广大患者。