人工智能在放射学领域扮演重要角色

导语

一些医科学生之所以决定不学放射学专业，是因为他们担心这份工作会被淘汰。

作者：荷塘月影

来源：医学论坛网肿瘤

（医景网报道）人工智能最快改变的医学领域就是放射学领域，使用人工智能、机器学习和大数据的图像评估工具已经大量涌现。

2018年11月25日-30日，北美放射学年会（RSNA）在芝加哥举行。

耶鲁大学医学院的Julius Chapiro博士表示，免疫检查点抑制剂从根本上改变了放射学实践，新一代药物改变了免疫系统的应答方式，我们正处于一个转折点，2018年北美放射学会（RSNA）将有许多临床试验发布。研究肺癌的CheckMate试验结果备受期待、使用纳米氧化铁增强MRI检查肿瘤相关巨噬细胞，以及免疫治疗药物研发未满足的影像需求等研究也在会上公布。

癌症学界正在经历一场免疫肿瘤学革命，过去两年发布的数百项临床试验显示，激活免疫系统可能是治愈癌症的路径。个性化医疗扮演着不可或缺的角色。

分子成像指导更加个性化的治疗，放射医师需要找到评估肿瘤应答的新方法。

按照现行标准，无法可靠地量化这种变化，规模扩大有时是一种“伪进展”。重要的是，要更仔细地观察成像特点和特征。

RSNA科学委员会主席David Kim表示，“免疫疗法可以使免疫系统‘刹车’，去对付通常处于关闭状态的癌细胞。”

由于更多的免疫疗法被批准用于治疗晚期癌症，放射科医生正在修改现有模式，肿瘤影像医生可以与肿瘤医生一起工作。

对AI放射学的关注激增

本届RSNA投递的摘要大多数都是关于人工智能或深度学习的。

今年涉及机器学习的摘要数量飙升，数量是去年的三倍。虽然人工智能空间仍然主要集中在机器是否可以识别病症上 - 例如，识别一个结节 - 放射科医生正试图确定它是否能够做出诊断。

诊断放射学的年度报告为《人工智能、分析、信息学：未来就在这里》，由纽约大学朗格医学中心的Michael Recht博士讲演。

放射学家正在探索人工智能的力量，是否带来更高的效率？改善工作流程？

除了人工智能，放射组学——根据算法从医学图像中提取数据以发现疾病特征并进行预测——也将成为人们关注的焦点。

放射组学

人们设法通过影像学预测治疗反应，例如根据影像学预测癌症预后。

肉眼看到的各种发现和形态变化，可以让医生去判断患者是好转还是恶化，但是你无法量化那些看不到的信息。

要看到纹理差异和类型，需要一台计算机来帮你处理数据。

其他新技术

用于分子脑成像的新PET技术，包括非FDG PET示踪剂，也将成为热门话题。 RSNA会上将有心脏病分子成像PET药物的介绍。

会上还将讨论快速肌肉骨骼成像和其他加速技术问题，这些技术将深入研究机器学习用于加速MRI的方式。

RSNA今年将有431个教育课程，组织委员会在结合科学和教育方面做得很好，每个专业委员会都有计划。

New Frontiers in Radiology Powered by Innovative Imaging

医学论坛网肿瘤

cmt-zl

长按识别左边二维码关注我们

授权微信：cmtwnys

商务合作QQ：1425551469

底部请随手点赞哟↓↓