医疗影像AI，被誉为医疗行业的人工智能“读片大脑”，近日发布的2019《中国人工智能医疗白皮书》显示，AI医学影像成为中国人工智能医疗最成熟领域。当前，AI辅助医疗尤其是影像医学判读面临新的升级迭代，如何研发更加聪明的人工智能“读片大脑”，成为科技界和医疗界共同探讨的新课题。

　　医疗人工智能不只是会读片

　　AI+医学影像主要分为两部分：一是图像识别，应用于感知环节，分析非机构化数据、获取有意义的特征信息；二是深度学习，通过大量的影像数据和医生标注数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。

　　记者采访中发现，目前医疗影像AI诊断的应用尚处于初级阶段，以在短时间内找到容易被遗漏的疑似病灶为主要目标，尚无法对获得的病灶进行精准的特征描述，也无法对疾病进行精准的预后评估，仍需大量其他诊断手段来帮助医生做出临床决策。随着AI+医疗逐步涉入深水区，“获取足够丰富且高质量的医疗影像数据”成为提升诊断准确度的关键和难点。

　　难在哪里？首先是数据量问题。很多影像模态的数据瓶颈导致无法训练人工智能算法；其次是数据质量问题。在医学影像领域，人工智能训练需要医生标注后的数据，但这一过程费时费力。不同医院对于图像的质量要求也不尽相同，参差不齐的数据质量会给人工智能训练带来偏差。

　　走向新的升级风口：2.0时代呼之欲出

　　精准医疗越是涉入深水区，对人工智能辅助医疗数据信息研判精准度的要求就更高，AI+医疗需要完成从1.0时代向2.0时代的升级：“精数据”和“全流程”成为迭代关键词。

　　日前，全球布局的域唯医疗与南京市江北新区管委会签约建立多模态精准医疗人工智能平台项目，旨在构建完善的多组学多模态AI平台，开发可以真正为医生提供临床诊疗决策支持的“智慧读片大脑”。“真正有效的医疗人工智能技术要将解决方案贯穿整个诊疗过程。”上海域唯医疗科技有限公司创始人、CEO王世威博士说。

　　域唯医疗的全球创新中心位于欧洲奥地利维也纳，由首席医学官马库斯哈克博士和首席技术官托马斯拜耳博士负责。“医学影像学融合跨界不仅是生物学、临床医学、基础医学的融合，还需要数学、图像学、软件、算法、设计乃至人文学科的交叉。”维也纳医科大学的核医学科主任马库斯哈克博士说。

　　多模态AI“医疗大脑”如何发挥作用？欧洲科学院院士、PET/CT发明人、欧洲多模态分子精准影像协会主席托马斯拜耳博士细释其原理：“首先，筛选高质量的数据。这些数据可以双向校准整个机器模型，无需进行人工特征筛选及人工寻找最优算法，依靠内核自动生成针对特定病种或者特定数据来源的算法模型；其次，提高大样本数据的学习能力和准确度。PET/CT图像融合了分子生物学信息及影像数据信息的功能及分子图像，根据肿瘤的数字化影像特征训练算法，并结合多维的多组学数据，可以得到更优的预测模型。”

　　虚拟活检、3D渲染技术：辅助肿瘤精准治疗

　　肿瘤精准治疗是目前世界的最前沿课题，如何通过AI影像加强对肿瘤精准治疗的帮助？虚拟活检、3D渲染技术，正在以全新的概念和技术迭代加速辅助肿瘤精准治疗。

　　记者了解到，通过将医学成像，机器学习和AI结合在一起，计算成像和个性化诊断(CCIPD)已成为检测和诊断各种癌症和其他疾病的全球医疗领域的探索前沿。美国凯斯西储大学数字成像实验室的科学家们已经率先使用人工智能(AI)来预测化学疗法是否会成功，波士顿的研究人员正在尝试使用人工智能技术对脑肿瘤进行“虚拟活体组织检查”。“通过无创的影像手段，获得传统穿刺活检获得的信息，即虚拟活检手段，从而提高肿瘤诊断准确率及效率。”王世威博士说，“目前可以针对超过12种肿瘤不同指标构建预模型，从而为医生提供一整套云端或者本地端的解决方案。”

　　“可视化引擎通过体外3D渲染技术，重建体外肿瘤影像，从而将非影像学的数据以影像方式呈现给医生。例如，通过可视化描述相关肿瘤微环境信息及病灶的确切解剖结构，让医生详细了解肿瘤的相关信息，并判断病人最适合的疗法。”托马斯拜耳说。

　　“很多大型三甲医院正在尝试建立多学科会诊、疑难病症的平台，基于AI多组学的可视化分析引擎正好可以协助建立这样的平台。”马库斯哈克说，“对于大型医院，这个模型可以安装在医院的工作站，医生在医院就可通过模型预测肿瘤的分子信息；小型的基层医院，可以将数据经脱敏后传输到云端，云端利用模型分析数据后，将结果反馈给医院。” 记者 沈峥嵘