AI识别医学影像作为计算机视觉一个重要应用，正不断向着深化、多元化的趋势发展，传统的2D影像也正向3D立体（甚至4D）影像前进，其间AI在图像分析过程发挥的作用日益显著，AI辅助阅片成为一种新常态，缓步向下普及。

那么AI到底可以给医学影像分析带来多大的提升？未来“AI＋医学影像”将会有怎样的发展方向？我们或许可以从沈定刚教授的演讲中洞察端倪。

6月29日，中国计算机学会（CCF）主办、雷锋网、香港中文大学（深圳）联合承办的“CCF－GAIR2018全球人工智能与机器人峰会”于深圳隆重召开。会议汇聚全球140位在人工智能领域享有盛誉的嘉宾，对与人工智能有关的11个领域进行了深度探讨。

参与大会主题演讲和报告的嘉宾包括来自学术界的图灵奖得主、中美科学院院士、中美工程院院士，以及CMU、MIT、斯坦福等多个名校的顶级教授；也有来自工业界的AI 高管，涵盖微软、英特尔、腾讯等多家企业。

在本次峰会上，北卡罗来纳大学教授，联影智能联席CEO，IEEE Fellow，MICCAI 2019主席沈定刚教授做了“深度学习在医学影像分析中的应用（Deep Learning in Medical Image Analysis）”演讲。

动脉网记者聆听了此次演讲，并对沈定刚教授进行了专访，结合会议演讲做了如下梳理。

保持与医生的紧密合作

“在美国将近20年，我都在霍普金斯大学、宾夕法尼亚大学、北卡大学教堂山分校的放射科里与医生们一起工作，因此知道他们的整个工作流程，知道怎么把我们的人工智能技术更好地应用到他们临床流程里的相应部分中去。而不是从头到尾都使用人工智能，那是不可能的，至少现在。”沈定刚教授在演讲中谈到。

他介绍说，医学影像类AI公司在开发产品时要清楚自己研发的方向，是辅助医生，而非替代医生。研发人员也必须清楚医院的痛点是什么，需求是什么，然后根据问题去实现相应的技术。当然，实现技术同样重要，只有拥有了合格的技术才能和医院开展成功的合作。

医学影像类AI公司在医院试验产品的过程即是合作的过程，但这种合作不应该仅仅局限于数据、设备操作上的交流。医学影像公司要想做好医疗AI产品，要想把最好的体验带给医生，首先要知道什么是最好的体验，即自身应该熟悉诊疗的整个流程。也就是说，研究者不应仅仅停留在影像领域，而应深入临床场景，观察临床医生工作的每一个过程，每一处细节，深刻理解临床的应用场景，找出与临床治疗、诊断的结合路径，这样才能知道如何将AI技术嵌入到已有的临床流程中，简化流程、提升效益；才能做出为医生所接受、且具备竞争力的产品。

深入合作以产品质量为铺路石

深入的合作需要回到产品本身，即AI产品的本身的性能。沈定刚教授认为，在AI产品层出不穷的今日，产品核心竞争力依然在于其相应的性能和应用场景。

现阶段很多产品都能在测试的过程达到90％以上甚至更高的准确率，但实际上，这可能不是一次性检出的结果（或者完全独立样本上的检测结果）。那是因为很多算法在开发的过程中会不断根据训练数据调整参数，这样得到的准确率（特别在开发数据库上得到的准确率）在实际应用中很难得到。

此外，很多企业热衷于用人机大战的形式来展示AI的优秀之处，然而从准备数据阶段开始，这就不再是一场公平的比赛。

“准备数据时，但凡有些质量问题的数据（例如运动、图像质量、图像模态缺损等）都会被赛事准备方所丢弃，如此筛选后的数据对于AI算法而言非常有利。但是现实中，我们不可能因为这样的问题而不给病人提供任何诊断，也没有办法直接得到筛选后的数据，所以这种数据上得到的结果实际意义不大。另外，这对医生、对社会都有一定程度的误导效果。”

所以，测量一个AI产品的准确性、敏感性、特异性需要用到医院采集的全新的、未经处理的数据，而非比赛等过程中经过挑选的数据。再优秀的测试结果如果经不起医生实践的检验，不能与医生的工作流程相匹配，也无法深入医院系统。所以，企业对产品再诱人的介绍、再用心的宣传，归根结底还是会回到产品质量本身。

全链条、全栈式的影像人工智能

“我们要做的是全链条、全栈式的人工智能，从成像、筛查、诊断、预后，以及后面的治疗和随访，整个过程均可借助AI辅助医生，这样可以优化整个流程，达到最佳诊断效果。”沈定刚教授介绍说。

这源于联影智能作为上海联影医疗科技有限公司（简称联影）的子公司带来的天然优势。“联影目前是国内最大的生产高端影像设备的企业，其生产的影像设备里需要很多AI技术，在影像前、影像中以及影像后都会用到人工智能技术。”

他举例说，在边远基层医院可以买到很好的影像设备，但是通常缺乏好的技师，不能准确地定位病人来扫描，这时候计算机视觉就可以帮助病人的准确定位，完成一键扫描，并且选择最适合的扫描协议。这样从源头上保证了影像质量，保证了采集数据的质量。

“不仅如此，全栈式的影像人工智能可以做‘赡前顾后’的AI。一个扫描设备装上AI系统之后，AI能够主动去找病源，并对可能病变的区域进行更仔细的扫描，做出更精细的图片供医生参考。

现在很多公司都在做肺结节检测，但通常是在给定图像的情况下。想象一下，如果把成像过程跟后面的人工智能诊断结合起来，这样就像在扫描过程中有一位有经验的医生坐在那里，每重建一些slice图像，‘医生’会告诉你这里面有没有肺结节，如果有可疑肺结节，就可以重建得密一些，其它正常的slice就按常规的厚度去重建；也就是说，有可疑肺结节的地方，成像设备会自动重建得密一些。在这个例子里，我们把人工智能的方法与成像过程结合起来，这样就有可能把后面的肺结节检查做得更好。”

沈定刚教授认为，人工智能与成像的结合应当达到这样的水平。并且，针对的疾病病种，也不应该只是一两甚至五六种很热门的领域，而是更多疾病种类。实现这一目标，不仅仅需要靠联影智能公司，还需众多志同道合者共同努力。 “要做到这一点，光靠联影智能一个公司是做不到的，所以我们要做一个生态系统，这样就可以和广大的医生，特别是愿意学习AI的医生一起，去把这件事情做大，同时我们也会做开放的和第三方的公司合作。分享联影智能的AI模块，与大家一起合作共赢，把AI的解决方案做到一些稀有的疾病上面去，更广泛的为社会、为病人造福。”

“AI＋医学影像”还有很多可能，有很长的路要走

除了对精度上的不懈追求，医疗影像企业也不断在其他方面推陈出新，许多新的模式、技术都在不断发展之中。

国内的医学影像AI技术大多还停留在2D层面上，虽然现在还是能满足一些医疗的要求，但随着技术的发展，3D甚至4D影像AI能提供更为明确直观的信息，清晰反应患者的病情分布与变化，这对于医生而言，无论是从研究角度还是治疗角度，都将带来极大的突破。这同样为“AI＋医学影像”的发展，带来了更多可能。

与此同时，这对计算机硬件的发展也提出了新的要求。医学图像AI研究作为计算机视觉的一个应用，在现阶段对算力要求已经很高，但若想洞察病人病灶细微变化、探索其变化的原因，需要使用4D影像技术进行持续的图像采集，这就需要更强大的计算机硬件提供支持。

一切都处于发展中，“AI＋医学影像”未来还有很多可能，也还有很长的路要走。