0
| 本文作者： 郭瑞嬋 | 2022-09-30 14:30 |
近日，2022年醫(yī)學(xué)人工智能大會（CMAI 2022）暨第二屆“中國醫(yī)學(xué)學(xué)術(shù)期刊發(fā)展”高端論壇召開。
雷峰網(wǎng)《醫(yī)健AI掘金志》是本次大會的支持單位，中國科學(xué)院大學(xué)計(jì)算機(jī)學(xué)院教授齊洪鋼、中國石油大學(xué)（北京）理學(xué)院教授王立群擔(dān)任大會主持人。
本次高峰論壇邀請了多位頂尖醫(yī)院的放射科主任及人工智能技術(shù)的權(quán)威專家，共同探討人工智能技術(shù)在醫(yī)學(xué)影像中的臨床應(yīng)用與科研進(jìn)展，分享研究心得。
（后續(xù)我們將推出各位講者的深度對話與演講內(nèi)容精編，歡迎關(guān)注）
中國科學(xué)院院士、《Research》主編黃維代表CMAI大會致辭。他表示，人工智能對各行業(yè)的強(qiáng)大賦能作用已經(jīng)顯現(xiàn)，生物醫(yī)療是一個(gè)數(shù)據(jù)密集型、腦力密集型、知識密集型的行業(yè)，需要依賴強(qiáng)大的分析處理能力進(jìn)行判斷和診療，是一個(gè)非常有前景的人工智能應(yīng)用領(lǐng)域。
多年來，我國密集出臺了一系列醫(yī)療人工智能方面的政策與法規(guī)，旨在建立快速精準(zhǔn)的智能醫(yī)療體系。在“十四五規(guī)劃”中，人工智能和生命健康均被列為前沿科技領(lǐng)域的優(yōu)先級別，必將加速推動(dòng)我國人工智能與生命健康科學(xué)的新一輪快速發(fā)展。
“雖然目前醫(yī)療人工智能已經(jīng)步入快速發(fā)展期，但仍然面臨著眾多挑戰(zhàn)，我們衷心希望本次會議將成為大家思想碰撞、深化交流的契機(jī)，拓展未來在人工智能和生物醫(yī)療產(chǎn)業(yè)方面的協(xié)同與合作?！?/p>
中華醫(yī)學(xué)會放射學(xué)分會主任委員、上海長征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)作為首位演講的嘉賓，以即將發(fā)布的《中國醫(yī)學(xué)影像人工智能發(fā)展報(bào)告（2021-2022）》為基礎(chǔ)分享了最新的行業(yè)發(fā)展基本情況。
劉士遠(yuǎn)表示，截至今年5月31日，經(jīng)國家藥監(jiān)局批準(zhǔn)的醫(yī)學(xué)影像AI三類注冊證已超30個(gè)，涵蓋CT、磁共振、DR等設(shè)備，包含心腦血管、胸部疾病、糖尿病、骨關(guān)節(jié)疾病和兒童發(fā)育評估等方面的產(chǎn)品。
“我們對于AI產(chǎn)品，從當(dāng)初的懷疑到過于樂觀的憧憬，經(jīng)過了冷靜和理智的階段，現(xiàn)在已經(jīng)進(jìn)入到了臨床應(yīng)用和商業(yè)化的新時(shí)期?！?/p>
已獲批的醫(yī)學(xué)影像AI產(chǎn)品，可以分成兩大方面，一是優(yōu)化醫(yī)學(xué)影像工作流程的產(chǎn)品，二是以疾病為中心的診斷模型。
具體到前者，醫(yī)學(xué)影像設(shè)備通過深度學(xué)習(xí)技術(shù)賦能已經(jīng)成為常態(tài)，預(yù)計(jì)到2023年左右，AI對CT的滲透率將提高到50%左右，MRI、超聲的滲透率將提高到40%左右。
后者則是最多公司投入大量精力研發(fā)開拓的領(lǐng)域，其中最成熟的產(chǎn)品是肺結(jié)節(jié)和冠脈CTA。
截至2022年，基于疾病模型的AI產(chǎn)品已經(jīng)從病灶檢出和分割，逐漸迭代到形態(tài)學(xué)診斷與功能學(xué)診斷相結(jié)合的多維度、多功能，甚至是多任務(wù)的模型，形成以疾病場景為中心的平臺化應(yīng)用。
劉士遠(yuǎn)教授介紹，醫(yī)學(xué)影像AI產(chǎn)品逐步引入到醫(yī)院中，今年我國大醫(yī)院的AI滲透率是15%左右，明年有望達(dá)到30%以上。
值得注意的是，雖然醫(yī)院使用的AI產(chǎn)品有50%以上通過購買獲得，但對于病人94%以上都是免費(fèi)試用。從余下5%左右的收費(fèi)案例來看，收費(fèi)的主要方式包括診斷、會診、檢查和打包收費(fèi)，尚未能作為單獨(dú)的收費(fèi)項(xiàng)目。
“這說明，AI產(chǎn)品還不夠成熟，不足以讓患者有強(qiáng)烈的購買意愿，AI的產(chǎn)品形態(tài)和商業(yè)化模式還需要不斷完善?！?/p>
北京佑安醫(yī)院放射科主任李宏軍以《醫(yī)學(xué)影像在醫(yī)療大數(shù)據(jù)中的作用與價(jià)值》為主題作了分享。
李宏軍介紹了醫(yī)學(xué)影像學(xué)發(fā)展、醫(yī)學(xué)影像數(shù)據(jù)內(nèi)涵、醫(yī)學(xué)影像數(shù)據(jù)價(jià)值、醫(yī)學(xué)影像大數(shù)據(jù)的挖掘利用等方面內(nèi)容。
李宏軍表示，近年來，AI的應(yīng)用以及AI算法的升級，帶動(dòng)整個(gè)醫(yī)學(xué)影像學(xué)進(jìn)入新階段，包括興趣區(qū)的選定、分割與圖像處理減少了圖像的干擾因素，算法效率得到了提高，使結(jié)果更加精準(zhǔn)。
以冠脈樹的提取為例，AI對全局結(jié)構(gòu)的理解、有效信息的補(bǔ)償，以及對弱信號斷裂的修復(fù)，能夠達(dá)到最有效果的生成，主動(dòng)去除和修復(fù)偽影，全方位三維立體地展示整個(gè)冠脈圖像的形態(tài)。
李宏軍認(rèn)為，每一個(gè)疾病的發(fā)生和發(fā)展不是單一的數(shù)據(jù)變化，而是多組學(xué)的變化。“我們的影像組學(xué)要與臨床數(shù)據(jù)特征、蛋白質(zhì)組學(xué)、基因組學(xué)、代謝組學(xué)、社會組學(xué)等多元數(shù)據(jù)模型的融合，才能夠全面客觀反映個(gè)體性疾病的發(fā)生、發(fā)展與預(yù)后評估。”
這也意味著，傳統(tǒng)的形態(tài)影像學(xué)診斷模式已經(jīng)無法滿足精準(zhǔn)醫(yī)學(xué)的要求。
李宏軍表示，前期的AI也僅僅基于影像與數(shù)據(jù)特征對疾病進(jìn)行預(yù)警預(yù)測，偏離了生物學(xué)的意義，影像基因組學(xué)與AI的結(jié)合會是形態(tài)影像學(xué)的發(fā)展和延伸，能夠解決肉眼看不見的疾病，實(shí)現(xiàn)沒有癥狀、體征的情況下診斷疾病。
浙江大學(xué)教授、長江學(xué)者吳健以《人工智能心電輔助診斷》為演講主題，分享了AI心電輔助診斷的市場背景、業(yè)界現(xiàn)狀、瓶頸難點(diǎn)、解決方案以及階段成果。
吳健介紹，我國心電圖檢查的應(yīng)用需求非常大，每年至少有2.5億人次進(jìn)行心電圖檢查，但面臨心電圖、心血管醫(yī)生不足，設(shè)備檢測準(zhǔn)確率低的難題。
吳健所做的項(xiàng)目研究，主要聚焦于4大目標(biāo)，分別為利用AI算法結(jié)合信號處理方法進(jìn)行心電圖自動(dòng)分析，建立心電異常事件監(jiān)測模型，建立心血管疾病判別模型，提供醫(yī)生心電圖標(biāo)記工作工具并建立輔助確診平臺。
探索AI心電輔助診斷期間，吳健團(tuán)隊(duì)發(fā)現(xiàn)，在數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、心拍識別與模型建立5大方面均遭遇了瓶頸。
針對這些瓶頸，吳健團(tuán)隊(duì)開發(fā)出來的算法框架具有卷積特征描述全局信息、頻域分析特征補(bǔ)充細(xì)節(jié)信息、快速準(zhǔn)確、批量運(yùn)算等創(chuàng)新點(diǎn)。
目前，吳健團(tuán)隊(duì)拿到了200多萬條心電數(shù)據(jù)，整理了標(biāo)簽100余類，覆蓋了99%的心電診斷類別，基于這些數(shù)據(jù)訓(xùn)練的AI心電輔助診斷平臺支持最高55類診斷標(biāo)簽識別，整體準(zhǔn)確率達(dá)到95%，F(xiàn)1達(dá)到91%。
此外，團(tuán)隊(duì)還成功開發(fā)了心電圖波段標(biāo)注工具與智能心電輔助診斷系統(tǒng)。
空軍軍醫(yī)大學(xué)唐都醫(yī)院放射科主任崔光彬以《AI在肺結(jié)節(jié)應(yīng)用現(xiàn)狀、挑戰(zhàn)及展望》為主題作了分享。
崔光彬表示，肺癌是我國新發(fā)病例和死亡病例最多的癌癥類型，為降低癌癥發(fā)病率和死亡率，“健康中國行動(dòng)”要求推進(jìn)癌癥早篩查、早診斷、早治療。
CT的配置和普及使得我國開展CT肺癌篩查具備了基本的硬件條件，但在不同級別的公立醫(yī)院均存在影像科醫(yī)生不足，閱片、診斷經(jīng)驗(yàn)欠缺的痛點(diǎn)，醫(yī)學(xué)影像AI則是解決這些痛點(diǎn)的一個(gè)重要方法。
隨著醫(yī)學(xué)影像AI在醫(yī)院落地使用，崔光彬發(fā)現(xiàn)，AI產(chǎn)品與臨床實(shí)際應(yīng)用需求有一定的脫節(jié)，“人工智能一哄而上，非常熱鬧，但是避重就輕，我在工作過程遇到一些實(shí)際問題，但是AI公司也無法完全滿足。”
以新冠CT篩查為例，AI著重改善的地方，也是醫(yī)生用肉眼就能完成的工作，如病變的范圍，實(shí)際意義并不大。而用X光機(jī)為危重病例拍攝的床旁片，因?yàn)槭侵丿B的影像，人工進(jìn)行查看會有很多不確定的因素妨礙診斷，這本是AI發(fā)揮效用的領(lǐng)域，但目前仍未解決。
湖南大學(xué)教授、長江學(xué)者彭紹亮以《基于超算的元宇宙數(shù)字療法與電子藥》為主題作了分享。
彭紹亮詳細(xì)介紹了數(shù)字療法所具有的作用，以及多個(gè)全球范圍內(nèi)的數(shù)字療法案例。
彭紹亮認(rèn)為，數(shù)字療法有非常多的優(yōu)勢，可以加速治療的效果，縮短治療的周期，并減少治療的成本，且相比傳統(tǒng)的化學(xué)藥，數(shù)字療法的研發(fā)速度要更快。
“一種新藥的研發(fā)需要5～10年以上，最低開銷10億美金，相反數(shù)字療法就是一個(gè)軟件，不需要這么長的時(shí)間與這么大的開銷，后續(xù)只需要我們進(jìn)行數(shù)據(jù)和算法的有效性驗(yàn)證?！?/p>
彭紹亮表示，我國在元宇宙醫(yī)療與數(shù)字療法領(lǐng)域的探索還是一片空白，希望醫(yī)院學(xué)會、醫(yī)療企業(yè)、IT游戲公司等一起建立國內(nèi)首個(gè)元宇宙醫(yī)療和數(shù)字療法聯(lián)盟，聚焦青少年抑郁癥、老年癡呆癥等一系列國際布局較少的疾病，并推出國內(nèi)首個(gè)數(shù)字處方標(biāo)準(zhǔn)和電子藥物。
盧潔教授是首都醫(yī)科大學(xué)宣武醫(yī)院副院長、放射與核醫(yī)學(xué)科主任，在會議上以《腦脫髓鞘病MRI成像的人工智能應(yīng)用研究》為題進(jìn)行了分享。
盧潔介紹，多發(fā)性硬化（MS）與視神經(jīng)脊髓炎（NMOSD）是常見的腦脫髓鞘病，同時(shí)也是中青年人群致殘的神經(jīng)系統(tǒng)常見病，全球多發(fā)性硬化患者約280萬人，中國約4.2萬人。
由于臨床癥候相似、實(shí)驗(yàn)室檢查結(jié)果部分重疊、確診周期長，MS與NMOSD的鑒別診斷具有很大挑戰(zhàn)性，尤其是對于基層醫(yī)院與低年資醫(yī)師來說。
在臨床中，核磁共振成像（MRI）評估是MS與NMOSD診斷的重要環(huán)節(jié)，隨著近年來人工智能技術(shù)的發(fā)展，腦脫髓鞘病MRI成像的人工智能應(yīng)用研究也有了很大進(jìn)展。
盧潔在報(bào)告中指出，人工智能技術(shù)可挖掘影像圖像中肉眼無法識別的高位定量特征，基于拓?fù)涞娜斯ぶ悄苣Ｐ驮陬A(yù)測腦脫髓鞘病預(yù)后中將具備重要的價(jià)值。
劉勇教授是北京郵電大學(xué)人工智能學(xué)院教授，以《基于磁共振和PET影像的阿爾茲海默病影像組學(xué)表征研究》為題進(jìn)行了分享。
他表示，機(jī)器學(xué)習(xí)方法在醫(yī)學(xué)圖像上的研究已廣泛開展，研究者一直在為探索神經(jīng)精神疾病的客觀定量、可重復(fù)且有生物學(xué)意義的影像學(xué)標(biāo)記物而努力。
劉勇的研究團(tuán)隊(duì)十余年來一直圍繞如何刻畫阿爾茲海默?。ˋD）的腦影像異常表征開展研究，探索利用磁共振影像研究AD早期影像標(biāo)記的可行性。
“我們無法改變年齡、家族史和遺傳基因，研究者所能做的事情之一就是盡早發(fā)現(xiàn)端倪，為AD的早識別提供一點(diǎn)點(diǎn)幫助。”劉勇在報(bào)告的最后指出，“如果做到這一點(diǎn)，我們也許就能為更多的患者和家庭帶來一點(diǎn)益處?！?/p>
張道強(qiáng)教授是南京航天航空大學(xué)的教授，以《腦影像智能計(jì)算及其若干應(yīng)用研究進(jìn)展》為題進(jìn)行了分享。
張道強(qiáng)介紹，阿爾茲海默病的最佳干預(yù)階段在出現(xiàn)癥狀之前的潛伏期以及輕度認(rèn)知功能障礙階段，患者一旦進(jìn)入癡呆的階段，將無法再進(jìn)行有效的治療，因此，早發(fā)現(xiàn)、早干預(yù)就顯得尤為重要。
張道強(qiáng)的研究正是基于腦影像構(gòu)建腦網(wǎng)絡(luò)，并對腦網(wǎng)絡(luò)來進(jìn)行挖掘、分析以及網(wǎng)絡(luò)分類，從而實(shí)現(xiàn)阿爾茲海默病診斷的技術(shù)。
其中，具有代表性的“腦連接組學(xué)”是指采用多模態(tài)神經(jīng)影像技術(shù)和網(wǎng)絡(luò)分析方法，描繪活體人腦的結(jié)構(gòu)和功能連接模式的學(xué)科，其連接模式主要分為結(jié)構(gòu)連接、功能連接與有效連接三種。工作過程中，首先利用腦影像構(gòu)建起腦網(wǎng)絡(luò)，再從腦網(wǎng)絡(luò)中進(jìn)行特征提取，最后提取出的特征進(jìn)行分類。
報(bào)告中，張道強(qiáng)還分享了其團(tuán)隊(duì)在腦網(wǎng)絡(luò)分類、影像遺傳學(xué)、腦認(rèn)知與腦解碼等應(yīng)用方面的研究進(jìn)展及成果。
雷柏英教授是深圳大學(xué)生物醫(yī)學(xué)工程學(xué)院教授，以《面向臨床應(yīng)用的智能診斷》為題進(jìn)行了分享。
雷柏英所做的智能診斷研究主要關(guān)注阿爾茲海默病與帕金森病兩種常見的腦疾病。雷柏英表示，為提升腦疾病的診斷準(zhǔn)確率，其團(tuán)隊(duì)提出構(gòu)建多重關(guān)系正則化的縱向分析模型，提升智能診斷的準(zhǔn)確率，輔助醫(yī)生臨床診斷。
在研究中，針對單時(shí)間點(diǎn)數(shù)據(jù)、多時(shí)間點(diǎn)數(shù)據(jù)、多模板數(shù)據(jù)不同特點(diǎn)，采取不同的核心方法進(jìn)行研究，分別將其應(yīng)用于阿爾茲海默病、輕度認(rèn)知障礙以及自閉癥的臨床診斷當(dāng)中。
此外，雷柏英團(tuán)隊(duì)還對深度學(xué)習(xí)在阿爾茲海默病的早期診斷方面進(jìn)行了探索，利用MRI的二階統(tǒng)計(jì)數(shù)據(jù)，將高階池化方案納入分類器，結(jié)合張量訓(xùn)練、高階池化及半監(jiān)督學(xué)習(xí)的GAN網(wǎng)絡(luò)用于診斷。
李小萌教授是香港科技大學(xué)電子及計(jì)算機(jī)工程學(xué)系助理教授，以《Empowering Clinical Decision-making by AI-based Medical Image Analysis》為題進(jìn)行了分享。
李小萌介紹了通過高效標(biāo)注進(jìn)行醫(yī)學(xué)影像分類、分割及檢測，醫(yī)學(xué)影像重建，圖像預(yù)測等團(tuán)隊(duì)研究內(nèi)容，以及利用模型進(jìn)行泛化研究，如通過聯(lián)邦學(xué)習(xí)研究保護(hù)醫(yī)院數(shù)據(jù)隱私等。
針對訓(xùn)練數(shù)據(jù)集中同時(shí)存在大量未標(biāo)注數(shù)據(jù)與標(biāo)注數(shù)據(jù)的情況，李小萌及團(tuán)隊(duì)基于旋轉(zhuǎn)一致性的自集成模型提出了半監(jiān)督學(xué)習(xí)的方法對醫(yī)學(xué)影像進(jìn)行分割。
此外，由于弱監(jiān)督學(xué)習(xí)在圖像分割中能夠得到像素級別的分割結(jié)果，在醫(yī)學(xué)影像中也有著十分重要的應(yīng)用場景，如病例圖像中的腺體分割。在分享中，李小萌介紹了團(tuán)隊(duì)在自然圖像上進(jìn)行弱監(jiān)督學(xué)習(xí)的方法。
“我們發(fā)現(xiàn)了如何利用自然圖像上已有的深度學(xué)習(xí)模型，使其在醫(yī)學(xué)影像中發(fā)揮更大的作用?！崩钚∶缺硎?。
趙地教授是中科院計(jì)算所副研究員，以《Neuromorphic Computing for Medical Imaging Analysis》為題進(jìn)行了分享。
趙地介紹，人工智能出現(xiàn)六十年以來，歷經(jīng)兩次起伏，如今已經(jīng)進(jìn)入真正的爆發(fā)前夜。
作為深度學(xué)習(xí)發(fā)展階段中的重要組成部分，卷積神經(jīng)網(wǎng)絡(luò)（CNN）圖像識別目前醫(yī)學(xué)圖像分析的主力手段之一，但隨著模型越來越大，參數(shù)規(guī)模不斷增長，新的技術(shù)手段也逐漸進(jìn)入人們的視線。
第三代神經(jīng)網(wǎng)絡(luò)脈沖神經(jīng)網(wǎng)絡(luò)（SNN）也叫內(nèi)腦計(jì)算或神經(jīng)形態(tài)計(jì)算，與CNN相比，SNN的功耗有了數(shù)量級的降低。趙地認(rèn)為，SNN是人工智能未來發(fā)展的可能方向。
因此，融合了SNN與CNN的脈沖卷積神經(jīng)網(wǎng)絡(luò)（SCN）極具發(fā)展?jié)摿?。在分類和目?biāo)檢測分割的準(zhǔn)確率較為接近的情況下，SCN的能耗遠(yuǎn)低于CNN。
趙地表示，內(nèi)腦計(jì)算的發(fā)展將對醫(yī)療健康領(lǐng)域的研究產(chǎn)生很大的促進(jìn)作用。
雷峰網(wǎng)(公眾號：雷峰網(wǎng)) 雷峰網(wǎng)
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。
