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

本篇文章1698字，读完约4分钟

据雷锋说。(公开号码:雷锋。2017年7月22日，北京大学健康科学中心影像医学系第二届学术年会在北京国二召酒店举行，上午举行了“医学影像与人工智能论坛”。

雷了解到，北京大学健康科学中心影像医学系于2016年9月3日成立。北京大学健康科学中心医学影像科主要由北京大学第一医院放射科、人民医院放射科、第三医院放射科和肿瘤医院放射科组成，并由其他临床医学院和北京大学附属教学医院教研室共同组成。

许多医院影像专家、研究机构和初创企业参加了论坛。他们如何看待这个领域的前景和发展方向？与这一新领域关系最密切的成像学者对这一新技术有什么看法？

首先，北京大学人民医院杜祥科教授作了题为“医学影像中的人工智能技术”的主题演讲。杜教授说，医学影像人工智能尚处于起步阶段，但与人类相比，人工智能在智能筛选的速度和准确性方面具有很大优势，学术界和企业界已经取得了许多成果。

肺结节是早期肺癌的表现。在中国癌症死亡原因中，肺癌死亡率居首位。肺癌的早期发现和治疗可以大大提高患者的生活质量和生存率，因此肺结节的筛查非常重要。

杜教授认为，虽然人工智能比人工检测速度快，但肺结节的检测却不是那么简单。5毫米以下的小结节，特别是1-3毫米的结节更为复杂，肺本身有200多种疾病，数据量巨大。“因此，人工智能进入医学影像领域的方向和切入点必须是在一个单一的常规领域。”

“人工智能不能完全取代医生。医生不只是看照片。人工智能只是诊断工作的一部分。同时，人工智能的利润和能耗也是一个巨大的现实问题。ibm的沃森博士和安德森癌症中心之间的合作已经中止，耗资6200万美元。”杜教授说。

随后，华中科技大学同济医学院附属同济医院的艾涛教授作了题为“肺结节的深度学习与智能识别”的演讲。

艾涛说，ct扫描是发现肺结节的“金标准”，但也很难发现结节。在工作量巨大的情况下，约39%的结节会被放射科医师遗漏，而良恶性结节的分类也是一个巨大的挑战。

他说深度学习算法是人工神经网络的发展。大多数算法是半监督学习算法，用于处理含有少量未识别数据的大数据集。常见的深度学习算法包括:受限玻尔兹曼机(rbn)、深度信任网络(dbn)和卷积网络。

除了学术界，企业代表也被邀请分享他们在医学影像方面的应用。

科技总监陈霞博士以“医学人工智能的登陆与应用案例”为主题发表了演讲。陈霞博士从企业的角度分享了假设在技术研发和辅助诊断中的应用。

威望科技总部位于北京，是一家人工智能公司，致力于应用深度学习技术为医学影像辅助诊断提供解决方案。威望科技推出了智能x光辅助诊断产品(ai-dr)、智能ct辅助诊断产品(ai-ct)和智能深度学习研究平台(ai-书生)，已在北京协和医院、上海常征医院、武汉同济医院和大连中山医院投入试运行。

随后，飞利浦医学临床科学部的郭宁在《从医学影像角度看大数据在智能医学中的价值》一文中，从“医学影像的发展历程”、“医学影像的挑战”和“影像组学的特征提取方法”等方面发表了自己的见解。

他说医学影像的发展经历了一个从物理驱动到应用驱动再到数据驱动的过程。深度学习的挑战在于数据的质量和数量。“数据大小是王道，数据质量是王道。”在演讲中，他还与听众分享了飞利浦在肿瘤基因组和数字病理学方面的解决方案。

上午的最后一位发言者是通用电气公司的医疗战略营销经理万瑶。她发表了题为“肺癌的早期筛查和诊断以及人工智能技术的应用”的主旨演讲。

她说中国的肺癌形势严峻。在过去的30年中，肺癌死亡率上升了465%，肺癌患者中晚期发现的比例达到了75%，肺癌患者的五年生存率只有17%，这就对肺癌疾病的早期筛查提出了要求。在她的演讲中，她分享了人工智能深度学习技术的原理:通过建立深度学习神经元的数学模型，直接从海量医学图像的原始像素开始，该模型可以自己挖掘有效的组学特征，并学习和模仿医生的诊断技术。

分享后，讲者亦讨论了「人工智能医学影像在基层医疗的应用前景如何」及「R&D及企业在人工智能医学影像方面的经验」等课题。

雷锋。com将发布本次学术论坛演讲者的编辑内容。请期待它。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。