医疗AI落地：医学影像走在最前

导读：人工智能在医疗影像领域的应用主要包含，图像或是检查的分类，器官、区域或是标记点的定位，目标及病理的检测，组织结构的分割，病灶区的分割，以及图像配准等。

传统医学影像的窘境

传统医学影像诊断的过程主要包含四个步骤：首先是发现，其次是分析，第三是综合，最后是意见。由于现阶段我国医疗水平不均，医疗资源分配不平衡等问题，大三甲医院日门诊量常常破万，对于临床科室的医生而言，大量的读片量是一项任务艰巨的工作。而在这过程中，还要避免误诊、漏诊，这就要在读片过程中动用大量的知识基础以及临床诊断经验。基层医院受各方面条件限制自然误诊率会更高一些，特别是一些容易误诊的病例。在临床诊断中，医生主要依靠影像诊断判别患者的疾病种类及严重程度。而在基层医疗机构中缺少专业判读影像的医生，导致影像无法被解读，无法将医疗服务进行下去。不仅如此，由于专业性不够导致的误诊、漏诊都是直接影响患者生命安全的大事。

▍图片来源于网络

医院影像识别走在最前沿

人工智能在医疗影像领域的应用主要包含：图像或是检查的分类，器官、区域或是标记点的定位，目标及病理的检测，组织结构的分割，病灶区的分割，以及图像配准等。临床上为了确保影像判读的准确性，通常由一名执业医师与副主任医师共同阅读同一个患者的胸片，影像医师在读片完毕之后，还需要上级医生复查一遍，签字确认。

这些不断重复的环节既耗费人力和时间也加大了医院的行政成本。

AI的目的正是替代这个步骤中的第一环节，因为AI医生不仅“视力”极好，几乎可以看出每一个微小结节，同时，AI医生不知疲倦，不会出现视觉疲劳，看成千上万张胸部CT也不过毫秒之间。目前人工智能筛查已经进入医院落地环节，日均检查已经超过10万例。

IBM全球健康总经理Deborah Disanzo表示，在2015年时IBM开始对医学影像进行认知和识别，包括了心血管疾病和乳腺的影像。IBM拥有几十万病患案例，携手世界最顶级的医疗专家合作，实现了人工智能帮助医生判读病症，并提供最优化和有效的治疗方案。

▍图片来源于网络

影像数据的传承与共享

现阶段每家医院的医学影像数据好比一个个信息孤岛，各个医院数据需要充分整合，这些都是大数据应用的核心问题。目前95%的医学影像数据是闲置的，因为影像数据的不可识别性，让大数据系统无法起到串联分析影像数据的作用。大数据要发挥作用，最关键的问题还是在于解读。光有这么多影像是不够的，希望看到的是怎么把它正确解读出来，让这些数据对临床或个人健康进行指导。

在整个医学影像的云计算中，利用算法增加连接性，利用深度学习挖掘影像数据的价值，在更多的维度中挖掘原来浅关联或弱关联的关系，利用三者的关联大大提高医疗诊疗效率，并达到精准医疗。大量数据的积累、高性能的计算环境、优化的深度学习方法，三者资源互相结合并不断调配的模型，正是人工智能的魅力所在，也是未来医学的方向。

- END -