AI在医学影像中的发展现状与展望

AI在医学影像中的发展现状与展望[1]涂仕奎,杨杰,连勇等.关于智能医疗研究与发展的思考[J].科学,2017,69(3):9-11.[2]王媛媛,周涛,吴翠颖.深度学习及其在医学图像分析中的应用研究[J].电视技术,2016,40(10):118-126.

[3]李雅琪AI医疗:变革的下一个风口赛迪智库电子信息产业研究所[4]金子日人工智能在医学影像分析中的应用北京市第八中学，北京人工智能发展简介人工智能（artificialintelligence）的概念在1956年首次被提出来，是一门包括计算机科学、数学等多种学科在内的新的技术科学，其研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。随着影像成像技术和计算机技术的进步，二者有机结合，促使人工智能在各种影像任务如风险评估、检测、诊断、预后和治疗反应中的潜在使用价值迅速增加。深度学习技术的快速发展，使图像识别的人工智能技术在医疗领域得到了广泛的认可和应用。特别是在医学图像辅助诊疗领域，计算机对图像的识别准确率可以达到90%乃至接近99%，所以人工智能医疗影像可以帮助解决当前医院影像科医生数量不足，漏诊、误诊率高，读片效率低、耗时长的问题。目录CONTENTS人工智能在医学影像中的应用人工智能在医学影像中发展面临的问题展望结论人工智能在医学影像中的应用智能阅片智能放疗病理图像智能分析人工智能在医学影像中的应用0智能影像分析相关应用人工智能在医学影像中的应用早期肺癌智能筛查系统基于1.腾讯深度学习技术对数十万张肺部CT影像数据进行学习分析2.运用对肺部的三维分割和重建算法3.可以处理不同CT成像设备在不同成像参数条件下产生的不同源数据。该分辨率多任务3D卷积神经网络算法可以实现早期肺结节检测，为医生发现肺癌提供全方位的辅助，从而提高医生诊断效率和准确率。在这种情况下，早期肺癌智能筛查系统是降低肺癌死亡率的重要手段。智能阅片早期肺癌智能筛查系统人工智能在医学影像中的应用智能放疗肿瘤放疗的不便：在肿瘤治疗领域，放射治疗是治疗肿瘤主要方式之一。肿瘤放疗过程复杂，包括模拟定位、计划设计、计划验证、治疗实施等，其中勾画靶区是非常重要的一环。这项工作主要有放疗师完成，但目前全国范围内的放疗师十分缺乏，且放疗师都集中在大型三甲医院，从而导致患者都去大医院治疗。放射治疗是采用各类射线对肿瘤细胞进行处理，危害较大，需要对治疗的区域进行准确勾画，防止对正常细胞造成危害，每次治疗前，放疗师都要对病人的CT图像进行手动标识，一个病人需要耗费几个小时，工作效率较低。人工智能在医学影像中的应用03智能放疗人工智能带来的便利：医疗人工智能企业都开始研发智能放疗系统，希望提高放疗师的工作效率，缓解放疗师匮乏的问题。连心医疗研发了一套肿瘤临床治疗系统，该系统使用基于医学影像大数据的人工智能算法，帮助放疗师进行肿瘤治疗的靶区勾画，能够智能识别肿瘤以及周边的器官，准确率超过80%，在很大程度上提高了放疗师的工作效率。目前这套系统已经在许多医疗机构进行试用。人工智能在医学影像中的应用08现阶段出现的问题现阶段，我国病理医生严重短缺，注册的病理医生只有1.02万，与规定的每100张床配备1～2名病理医生的标准差距悬殊，病理医生的缺口总数达9万人以上，目前病理医生只满足了10%的医疗需求。病理医生的巨大缺口就导致了现有的病理医生工作强度较大。通常，病理医生花费时间较多的任务是检查细胞病理切片，他们需要在上亿级像素的病理图片中识别微小的癌细胞，即使是有经验的医生也会出现误差。技术的进步带来很大的便捷随着全切片图像数字化技术的发展与应用使病理切片的获取更加方便，大量定量分析算法应运而生，因此，许多科技公司将人工智能技术如深度学习应用于病理数据的分析，能够有效提高病理诊断的效率和准确率，可以说，人工智能在病理界的应用前景十分巨大。例如武汉兰丁公司研发的全自动数字(远程)病理细胞分析仪，该产品在数百万份已标注的样本中学习如何辨别癌细胞与正常细胞，能够持续学习。相比传统的依靠显微镜和肉眼的诊断方式，结果更加客观、准确，效率也明显提高，最重要的是诊断过程是透明的，可回溯的，一旦出现错误诊断能够快速查明原因。客观、准确、高效病理图像智能分析人工智能在医学影像中发展面临的问题人工智能在医学影像中发展面临的问题人工智能在医学影像领域还需大力发展目前，国内医学影像领域的人工智能绝大多数仅集中于单纯的图像识别，缺乏医学数据的积累和对影像报告的分析，人工智能还处于弱人工智能时代，AI只是医生的助手和工具，虽然在健康领域已有涉足，但是形成商业化的应用还不多。人工智能在医学影像中发展面临的问题1.人工智能辅助诊断法需要集成各种设备，需要搭建云平台，借助云平台大数据多次分析来检验医学数据。2.一些医疗领域的人工智能算法的精确度还有待提高，需要计算机专业人士继续进行深入研究，提高算法的精确度，达到可商业化的水平。3.各种医疗健康数据标准不一，同时由于各种原因使得各单位、各医院的数据不能连接起来进行使用共享和分析。4.基于图像识别的人工智能尚未投入实际应用，除了算法本身的问题，还需要相关人士对其产品的目标用户、付费模式、关系渠道等不断的摸索和探寻，只有形成了可盈利的商业模式，基于图像识别的人工智能算法才能真正走到社会中，实现它的价值。展望展望AI技术发展推动医疗智能化智能医疗应用场景持续扩大争先布局打造智能医疗生态圈行业内投融资活动活跃AI技术发展推动医疗智能化1.数据方面，医疗行业数据量呈指数增加2.算力方面，海量数据并行运行能力不断提升3.算法方面，深度学习算法模型迭代迅速智能医疗已渗透至医疗产业的多个环节。根据医疗产业的产业链结构,将人工智能的应用场景划分为诊前预防、诊断治疗、药物研发以及医院管理四大类。产业发展潜力巨大,预计可达到千亿元级的市场,可能成为AI技术与医疗行业深入结合的未来新风口。医疗作为当下最为炙手可热的人工智能技术应用领域之一,各类拥有人工智能技术的企业争相在医疗领域布局。包括腾讯觅影、阿里云ET和讯飞等企业等在医疗行业的不同领域都做出诸多贡献。

与国外相比，近年来国内智能医疗投融资活动十分活跃。所有融资事件中,最具热度的是药物研发、智能诊断、医学影像、医用机器人。同时,国内人工智能医疗领域仍存在多重挑战。首先,高质量数据获取难。其次,我国AI医疗应用产品存在单一化、同质化问题。智能医疗应用场景持续扩大争先布局打造智能医疗生态圈行业内投融资活动活跃展望结论结论104030201影像科医生在未来社会发展中，看片子是基本的医疗诊断能力。应着重提升对影像背后大数据的潜在知识挖掘能力，并且学会利用人工智能技术，站在科技潮流的前端，成为新时代下的影像信息学专家。我们有理由相信，在可预见的将来，人类医生将不会被机器所取代，但是人工智能一定可以帮助医生在医学影像中的某些功能领域做出