3月26日，由中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟牽頭，匯集了國內(nèi)三甲醫(yī)院的影像專家、科研專家和AI醫(yī)學(xué)公司的《中國醫(yī)學(xué)影像AI白皮書》在動(dòng)脈網(wǎng)舉辦的VB100新春戰(zhàn)略發(fā)布日上發(fā)布，劉士遠(yuǎn)教授、沈定剛教授分別作為白皮書的主編和副主編，出席了此次發(fā)布會(huì)。

中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟成立于2018年4月12日，聯(lián)盟理事長單位為上海長征醫(yī)院。

擔(dān)任中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長的劉士遠(yuǎn)教授在現(xiàn)場(chǎng)說到，該聯(lián)盟由從事醫(yī)學(xué)影像AI最核心的公司、專家、醫(yī)生組成，包括國內(nèi)55家從事醫(yī)學(xué)影像AI的企業(yè)，35家包括清華、復(fù)旦、交大等相關(guān)的科研機(jī)構(gòu)，以及120家全國的著名醫(yī)院?！翱梢哉f，代表了目前國內(nèi)醫(yī)學(xué)影像AI領(lǐng)域最權(quán)威的聲音?！?/p>

醫(yī)學(xué)影像AI發(fā)展到今天已經(jīng)自成一脈，成為醫(yī)學(xué)AI中最為繁盛的分支，值得單獨(dú)拿出來深入剖析。在此次《中國醫(yī)學(xué)影像AI白皮書》發(fā)布之前，雷鋒網(wǎng)曾在2018年底推出《2018醫(yī)學(xué)影像AI行業(yè)研究報(bào)告》。可以看到的是，這兩份報(bào)告都將重心落在了醫(yī)學(xué)影像AI這一話題上，探討了醫(yī)學(xué)影像AI的問題與發(fā)展之路。

劉士遠(yuǎn)教授在會(huì)上表示，“我們希望白皮書的發(fā)布，能對(duì)行業(yè)產(chǎn)生一定的指導(dǎo)作用，對(duì)企業(yè)能有參考價(jià)值，對(duì)國內(nèi)想了解醫(yī)學(xué)影像AI、但不明了的人，或者跨學(xué)科的人，起到知識(shí)普及的作用。”

劉士遠(yuǎn)教授從事醫(yī)學(xué)影像診斷工作30余年，同時(shí)也是AI技術(shù)的觀察者和參與者。

2018年7月，雷鋒網(wǎng)受邀參加了第五屆醫(yī)學(xué)圖像計(jì)算青年研討會(huì)（MICS 2018），并且圍繞醫(yī)學(xué)影像AI的發(fā)展和劉士遠(yuǎn)教授進(jìn)行了一次深入對(duì)話。在那次對(duì)話中，劉士遠(yuǎn)教授坦率地說，醫(yī)學(xué)影像AI的形勢(shì)很好，但是醫(yī)學(xué)的術(shù)語、識(shí)別、標(biāo)記標(biāo)準(zhǔn)制定等基礎(chǔ)工作對(duì)醫(yī)學(xué)影像AI公司是一件非常重要的事情。現(xiàn)在一些公司的算法模型是通過什么樣的數(shù)據(jù)、怎樣做出來的，很多醫(yī)生都不知道，在一個(gè)封閉的環(huán)境中，容易做出一個(gè)高準(zhǔn)確率的模型，但在真實(shí)世界中就不一定經(jīng)得起檢驗(yàn)。

“產(chǎn)品要有生命力，首先要保持這個(gè)種子是對(duì)的，培養(yǎng)、施肥、修剪方式是合適的，才可能讓它長起來?！?/p>

因此，2018年4月，聯(lián)盟成立后，劉士遠(yuǎn)教授就打算匯聚各方力量，把行業(yè)的現(xiàn)狀、問題以及未來記錄下來。在白皮書的發(fā)布會(huì)上，劉士遠(yuǎn)感慨道，經(jīng)過半年左右的醞釀、努力、耕耘，《中國醫(yī)學(xué)影像AI白皮書》這塊“寶貝疙瘩”終于落地。同時(shí)，他也說，白皮書是第一次發(fā)布，也是第一版，“但以后我們每年都會(huì)做”。

隨后，中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟副理事長錢大宏教授，對(duì)《中國醫(yī)學(xué)影像AI白皮書》的部分重要內(nèi)容進(jìn)行解讀，分析了醫(yī)學(xué)影像AI在15大臨床應(yīng)用中的發(fā)展價(jià)值所在。

他說到，從技術(shù)層面來看，影像的技術(shù)也在不斷發(fā)展，從圖像的分割、配準(zhǔn)到識(shí)別、映射，各種模型和技術(shù)的應(yīng)用都是AI影像不可缺少、并且不斷發(fā)展的重要因素。

錢大宏教授分別從心血管疾病AI、乳腺AI、骨齡判讀AI、前列腺癌AI、病理AI等幾個(gè)方面進(jìn)行了解讀，這幾個(gè)部分中，部分領(lǐng)域的產(chǎn)品已經(jīng)開始落地，但是行業(yè)標(biāo)準(zhǔn)以及影像數(shù)據(jù)庫等方面的工作還遠(yuǎn)遠(yuǎn)沒有完成。

錢教授也說，AI也開始逐步跟傳統(tǒng)的PACS系統(tǒng)進(jìn)行對(duì)接。尤其是區(qū)域里開放式的AI的PACS系統(tǒng)。“可以看到這么多AI診斷模塊，都處在不同的發(fā)展階段，進(jìn)展非常迅速。”

在此次發(fā)布會(huì)上，還有一位值得關(guān)注的嘉賓——沈定剛教授，上文提到的醫(yī)學(xué)圖像計(jì)算青年研討會(huì)正是由沈教授倡議發(fā)起。作為此次《中國醫(yī)學(xué)影像AI白皮書》的副主編，沈教授撰寫了白皮書中“人工智能在醫(yī)療領(lǐng)域的應(yīng)用概述”和“醫(yī)療影像AI算法的最新進(jìn)展”兩章。

去年，在雷鋒網(wǎng)承辦的2018 CCF-GAIR全球人工智能與機(jī)器人峰會(huì)上，沈定剛教授曾發(fā)表主題演講《深度學(xué)習(xí)在醫(yī)學(xué)影像分析中的應(yīng)用》。可以看到的是，從去年到今天，沈教授的很多觀點(diǎn)都沒有變。

在他看來，現(xiàn)在國內(nèi)很多初創(chuàng)公司的發(fā)力點(diǎn)集中在診斷環(huán)節(jié)，但醫(yī)學(xué)是一個(gè)很長的鏈條，成像、檢測(cè)、診斷、治療、預(yù)后每個(gè)環(huán)節(jié)都大有文章可做。

因此，沈教授提出，我們必須要搭建平臺(tái)，一個(gè)平臺(tái)里面有相應(yīng)的分割、配準(zhǔn)、分類和一系列診斷的算法，有了新的應(yīng)用以后，把相應(yīng)的模塊像搭積木一樣搭起來就可以做應(yīng)用。所以“平臺(tái)化、全棧式的人工智能肯定是未來趨勢(shì)?！?br/>

醫(yī)學(xué)印象AI的進(jìn)步很大程度上得益于醫(yī)學(xué)影像的算法，那么到目前，用于醫(yī)學(xué)影像的算法都有哪些進(jìn)展？作為醫(yī)工交叉的專家，沈教授作出了解答：“醫(yī)學(xué)影像AI的每個(gè)應(yīng)用都不一樣，所以方法非常多。還有同一個(gè)AI應(yīng)用，用的都是非常某一點(diǎn)片面的開發(fā)。為了解決這兩方面的問題，我們要做很多的研究來應(yīng)對(duì)挑戰(zhàn)。”

沈教授提出，過去的一年里面，在影像AI領(lǐng)域至少有幾個(gè)方面的發(fā)展值得關(guān)注，包括小數(shù)據(jù)訓(xùn)練、分布式計(jì)算、多模態(tài)判斷、可解釋化等。其中，小數(shù)據(jù)訓(xùn)練在醫(yī)學(xué)領(lǐng)域是一個(gè)重要的問題?！拔覀冮_發(fā)一個(gè)新的應(yīng)用，有時(shí)候數(shù)據(jù)非常多，但是標(biāo)注的數(shù)據(jù)非常少，或者有些疑難疾病的數(shù)據(jù)量比較少。”

數(shù)據(jù)的問題一直存在。此前，雷鋒網(wǎng)的《2018醫(yī)學(xué)影像 AI 行業(yè)研究報(bào)告》曾指出，大型三甲醫(yī)院一年產(chǎn)生的影像數(shù)據(jù)在10T以上，但是卻存在數(shù)據(jù)不準(zhǔn)、數(shù)據(jù)不全的問題。

據(jù)南方醫(yī)科大學(xué)副教授劉再毅介紹，醫(yī)院影像科每天產(chǎn)生很多數(shù)據(jù)，但其中能用的連1%都不到。而且，影像學(xué)診斷有兩大難點(diǎn)——異病同影和同病異影。 影像數(shù)據(jù)需要與后期準(zhǔn)確的診斷治療結(jié)果進(jìn)行關(guān)聯(lián)才有價(jià)值。但醫(yī)院里的數(shù)據(jù)往往不完整，拿肺癌或其他腫瘤來說，在大醫(yī)院，滿足要求的可能只有10%~20%。在二甲等地方醫(yī)院，很多病人做完檢查之后，轉(zhuǎn)移到上級(jí)醫(yī)院看病，有完整資料的病人可能只有1%~2%。

考慮到數(shù)據(jù)缺失的情況，近幾年，出現(xiàn)了幾種解決小樣本問題的方法，這些方法被稱為Fewshot learning（若只有一個(gè)標(biāo)注樣本，則稱為Oneshot learning）。沈教授說到，“我們要嘗試把大數(shù)據(jù)已經(jīng)學(xué)習(xí)好的東西遷移到小數(shù)據(jù)里面。”

除此以外，分布式的學(xué)習(xí)也非常重要。當(dāng)前國內(nèi)醫(yī)院的數(shù)據(jù)是不出院的，但是醫(yī)療AI模型要需要足夠多的多中心樣本進(jìn)行訓(xùn)練，那么怎樣訓(xùn)練一些方法來達(dá)到訓(xùn)練模型的目的？

沈教授提出三個(gè)方法，可以考慮在多中心訓(xùn)練時(shí)，貢獻(xiàn)用于優(yōu)化的梯度或者是在模型訓(xùn)練結(jié)束后，通過模型的集成達(dá)到模型共享的目標(biāo)以及將上述兩種方法結(jié)合起來。

總的來看，醫(yī)療AI產(chǎn)品屬于新生事物，無先例可循，準(zhǔn)證審批規(guī)則有待成熟，仍需要數(shù)據(jù)標(biāo)準(zhǔn)及輔助診斷性能評(píng)價(jià)標(biāo)準(zhǔn)等。從技術(shù)到市場(chǎng)的全面理解，更好地建立行業(yè)共識(shí)，繼而推動(dòng)技術(shù)革命，走向產(chǎn)業(yè)化落地，是中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟希望看到的事情。

劉士遠(yuǎn)教授說到，醫(yī)療AI很火，但也存在被消費(fèi)的情況，做企業(yè)的人也很辛苦。企業(yè)需要行業(yè)幫它們提供一些燃料或者營養(yǎng)，而不是一直地消耗它。只有醫(yī)工結(jié)合，企業(yè)壯大，未來實(shí)現(xiàn)盈利，才能夠讓醫(yī)療AI更加活躍。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。