搜索到
589
篇与
医疗科技
的结果
-
CMEF2020落幕：10大展区、3万余款产品，这场世界级的医疗器械展会，能看清哪些行业未来？ 阔别盼君安，相逢拥世界。这是CMEF在展馆外的一句动人的欢迎词。作为疫情后首场世界级的医疗器械展会，2020年10月19日-22日，以“创新科技 智领未来”为主题的第83届中国国际医疗器械博览会（简称CMEF）在上海举办。本次展会展出面积超过22万平方米，来自4200余家品牌企业集中展出了3万余款产品，同期召开了60多场会议论坛。这份官方给出的数据，足以说明，医疗器械仍然是行业乃至整个社会最为关心的话题。既然是以“智领未来”为核心关键词，展会自然少不了“智慧化”的应用与解决方案。以医学影像展区为例，本次CMEF集中展示了与人工智能、深度学习、大数据、5G互联网深度融合的各类智能影像产品及技术，涵盖了放射、超声、核医学、分子影像、介入等细分领域。本篇文章，我们将聚焦在技术更高端、细分领域最多的医学影像展区。从这场阔别已久的医疗行业展会中，我们能够看到多少行业的未来风向？头部器械商的多元化探索设备端的“提质”和“加速”，一直是器械厂商们不变的主题。GPS、联影、东软医疗等厂商，仍然是每年CMEF展会上，最“壕气”的存在。他们的展位面积最大，带来的产品种类也最为丰富。在AI时代，这些器械商们愈加强调自身的“科技属性”，“互联医疗、移动医疗、智慧医疗”成为每次展会上的核心关键词。先看GE医疗。CMEF上，GE医疗推出了20款产品、应用以及数字化的解决方案，其中11款为最新发布的国产创新技术、设备，本土化意味明显。GE医疗的战略布局主要有三大块：智能设备、智能管理以及智能临床，所以，这次展会上也有一一对应的产品，例如搭载TrueFidelity的APEX CT、高端3.0T磁共振SIGNA Pioneer Elite、APM资产云管家升级版以及CT影像智能分析LK3.0科研平台。LK3.0科研平台是在今年上半年推出的LK2.0基础上的最新版。LK1.0主要针对肺结节、肺部炎症和肺功能损伤定量分析，LK2.0则是针对新冠肺炎。而LK 3.0可自动识别患者肺部和呼吸道的微小病变并进行分级；标记患者肺部影像的定量数据，并从疾病科研出发，追踪数据变化，包括随访预后（如肺部纤维化）、评估肺损伤等。该系统可以直接对接院内PACS（影像归档和通信系统），在不增加医生额外复杂操作的情况下，与医疗机构合力进行新冠肺炎患者肺部病变以及预后的分析研究。GE医疗中国精准医学院副院长赵周社向雷锋网表示，医学影像的未来是指导治疗和评价疗效，特别对于危重病人救治，要研究疾病时，不能以产品为界限，这就是精准医学院成立的原因——以疾病为中心打破产品的界限。而LK3.0则是承担了研究院为医院提供的“咨询”工作：从医生的需求出发，给医生的研究设计一套思路和工具。另外，针对基层乳腺疾病筛查、诊断，GE医疗也推出了一款搭载AI算法的乳腺机产品Seno Crystal Nova。这款机器的推出，颇具“时效性”，因为每年的10月被各国政府定为“乳腺癌防治月”。而如何做好妇女的两癌筛查，核心在于强化基层医疗的辐射能力。据雷锋网(公众号：雷锋网)了解，这款乳腺机的AI算法是由GE医疗的合作伙伴——医准智能，基于Edison平台与GE医疗共同开发。GE医疗中国女性健康及DXR产品总监王春波向雷锋网表示，这台乳腺机是由中国生产、供应全球，按照国际标准的乳腺影像诊断方法BI-RADS进行分类，涵盖了所有乳腺疾病，可以实现每天140人将近600个体位的检查，同时可以3秒钟就实现极速高清的诊断。目前，这台乳腺机已经在江西婺源县妇幼保健院、桂林中医院、重庆涪陵中心医院等等多家医院投入到临床使用。再来看西门子医疗。西门子医疗在本次展会上的一大亮点，是在体内诊断和体外诊断的多款产品，以及一系列数字化、智能化智慧医疗解决方案，其中包括智慧影像链、智慧实验室、远程医疗、智慧医院建设、医院数字化转型。而亮相的多款产品均为国内新近上市、国内首展，包括最新的PET/CT 、血管造影设备以及抗病菌支臂无线平板移动X光机。早在2015年，西门子医疗在体外诊断领域对于数字化的设计就已经开始。针对检验科工作流程以及临床实际需求，通过“软件+硬件+服务”，对实验室的工作流程进行自动化。本次展会上，西门子医疗与美康生物、复星长征签署合作协议。西门子医疗委托美康生物和复星长征生产运行在全自动生化免疫分析系统Atellica上的国产试剂。雷锋网了解到，截止2020年6月，中国市场已经有超过400家自动化流水线客户，22家客户开展自动审核项目、17家客户开展自动质控项目、9家开展自动比对项目。飞利浦则在今年发布无液氦磁共振Ingenia Ambition、领航CT后，重提了飞利浦星云平台（ISAI）这一一站式放射科全流程人工智能平台。可以看到，这些顶级的医疗器械商，在这次展会上的重点略有不同。但是，核心的逻辑仍然不变，那就是从管理、临床、科研、教学的全流程出发，用数字化的手段辅助医生诊断，优化影像工作流，进而实现更加精准的医疗。疫情催生下的移动化、便携化移动CT车，可以说是疫情延续下来的时代元素。在新冠肺炎疫情期间，移动CT车迅速投入疫区，快速有效地对新型冠状病毒感染的肺炎疑似病例进行肺部CT筛查和专业化的分析诊断，并可通过网络和大数据实现网上阅片、远程诊断和分析研判，极大地缓解了疫区医院影像室和影像医师资源紧张，减少患者就诊时间、降低交叉感染几率。作为上海的本土企业，联影医疗曾被誉为“国货之光”。进入会场时，我们就能看到左侧停靠的一款长达13米、承重可达25吨、搭载了联影天眼CT的大巴车。“大”的不仅仅是这辆搭载智能天眼CT的客车，结合5G与AI技术，联影医疗还带来了集 “设备+AI+云+医生集团”四位一体的智能筛查分级防控解决方案。疫情期间，这一解决方案已经应用于上海公卫中心、武汉火神山等全国近100余家院，实现远程诊断超过20000余例。把车开进会场的，还有赛诺威盛。赛诺威盛智能车载CT是今年疫情爆发期，因抗疫一线需求在短短一周研发并实现量产的新品，是方舱CT更灵活的一种应用延伸，是医院快速扩充容量，提高应急能力的有效手段之一。搭载智能处理工作站、赛诺云平台和5G技术的赛诺威盛车载全身CT即到即用。移动化的实现，背后需要高可靠性的技术支持。在5G、AI快速发展的今天，医疗与科技的结合将有助于医疗产业发展，将为病患提供更好的医疗条件。远程医疗方案不仅解除了病患两地奔波的劳苦，并解决了一些地区医生资源短缺的问题。因此，在疫情中得到充分验证的移动CT车模式，并不会因为疫情的缓解而就此消失。除了CT车，随处可见的专科超声、掌上超声以及东软医疗的雷电方舱DSA等，都是顺应时代的产物。可以预见，医疗器械的移动化、便捷化特性，将会在未来得到常态化的应用。大三甲和基层医院，不是单选题王牌产品是一家公司实力和科技水平的最好体现。整体看来，上述几家的医疗器械商，仍然会在这种年度行业性的盛会上走出一条“高端路线”。反观国产的设备厂商，随着国产替代进程的深化，国产器械品牌正在崛起，它们的产品也越来越“能打”。联影在现场发布了首台75cm超大孔径3.0T磁共振、中国首台超高端640层CT天河640、中国首台超高场动物磁共振uMR 9.4T、“准3.0T”探索磁共振uMR 660等多款新品。近日，在华中科技大学同济医学院，搭载磁共振加速技术ACS的联影医疗3.0T磁共振在15小时内完成268人次扫描，单日扫描量为普通放射科4-5倍。此前，复旦大学原副校长冯晓源教授在与雷锋网的一段对话中曾表示，医学影像AI的产业链中，除了帮助医生提高诊断效率，还应该关心的一件事情是帮助医学影像的设备公司缩短检查时间，整条产业链实现协同，才有更多变现的可能。尤其对于磁共振来说，提高成像速度、减少患者焦虑尤为重要。东软医疗CEO武少杰也表示，“东软医疗作为领军企业，造出高端的产品，代表医疗装备行业的实力和水平；同时也用高科技，造便宜的产品，使得老百姓用得起、用得上。”（NeuViz Epoch 无极CT）例如，东软医疗推出的NeuViz Epoch 无极512层全景多模态CT、高端落地式血管造影系统——NeuAngio 30F 汉·光武、NeuWise PET/CT苍穹之眼等，已经完全具备了顶级器械商们的实力。明峰医疗也在CMEF上发布了国内首台自主研发超高端256排CT。该产品带有真球面探测器和量子能谱技术，其自主研发的神光256排探测器采用了球面设计，保证了Z轴方向上的弧面设计。该设计下，X射线能够垂直入射到每个晶体像素上，进而有效避免锥形束伪影的产生。当然，基层市场的市场，GPS们仍然不会放弃。为了夯实基层医疗的底盘，GE医疗推出了鎏金CT，从64排及以上设备商移植了多项硬件技术和智能应用，包括液态鎏金球管、高清快速扫描及智能化流程工具，其中AI辅诊功面向基层医疗的能力问题。进口替代，是未来十年的医疗器械发展的核心词。但是，对于顶级和国产器械商们来说，大三甲和基层医院，从来都不是一道选择题。正如GE医疗的鎏金CT，器械巨头们手握高端核心技术，如果从性价比的角度出发，或者仍然可以实现一种“降维打击”。因此，对于国产品牌们来说，提高自主创新能力和议价能力，积极拓展增量市场，依然是一件十分紧迫的事情。“只要99万8”，器械也能玩转跨界营销你能想象，在手机上买一台CT吗？在以往的印象中，CT/MRI这些“大块头”动辄千百万，即使手上有一个“小目标”，也不能随心所欲的“买买买”。不过，这一次，东软医疗率先走出一步。在这次展会上推出，尝试构建一站式创新型医疗采购模式。商城可提供东软医疗产品、临床、资金、服务四大解决方案，并实现了一站式在线咨询、下单、支付和服务，大大优化了采购流程。在CMEF现场发布期间，东软医疗智选商城特推出“2亿补贴惠民营”活动，线上采购数字九能CT，仅需99.8万元，着实玩转了一把“跨界营销”。然而，就和互联网医疗一样，这样的一种模式能否奏效，还是个未知数，毕竟，医疗行业的“触网”总是会比其他行业更难一些。尝试“跨界营销”的不止是东软医疗。GE医疗也与京东健康合作，通过电商模式销售大型企业产品。此外，京东健康还与西门子医疗的合作方高尚医学影像签署合作意向，促进线上问诊的患者得到及时的影像检查。京东健康还整合专业供应链、全渠道资源等优势，为医疗器械品牌提供个性化的供应链解决方案。自2012年起，与京东合作的鱼跃品牌，入驻后年复合增长率超100％。近年来，京东健康联合鱼跃开展一系列等营销活动，不断提升品牌影响力。鱼跃还借助京东C2M反向定制能力，积累用户数据和反馈，打造出鱼跃低频理疗仪、血压计、制氧机等多款C2M产品。医疗AI厂商的“头部效应”科技为医疗带来的众多变革中，医疗人工智能在行业的应用情况成为大家关注的焦点。经过几年的发展，一个越来越明显的现象是：医疗AI企业越来越向头部靠拢。在这次展会上，腾讯觅影、商汤科技、科亚医疗、深睿医疗、汇医慧影、柏视医疗、医准智能等企业陆续亮相。腾讯觅影发布了最新的影像云产品，实现以患者为中心的影像档案管理；同时还设立开放实验室，面向科研机构、高校、科创企业开放腾讯储备的医学AI能力，帮助行业批量孵化医学AI应用。另外，包括基层AI导辅诊系统、肿瘤助手、智慧医疗解决方案，以及智慧医保等腾讯医疗的创新产品和解决方案也一同展出。腾讯医疗副总裁王少君表示，腾讯觅影、导辅诊系统、肿瘤助手等多个医疗AI产品已证明了人工智能技术与医疗结合的可行性，腾讯希望加深与行业合作伙伴的开放合作，一起做好医疗AI的"应用题"，依托腾讯觅影开放实验室，打造覆盖医疗健康全流程、全场景的解决方案。商汤科技是首次亮相CMEF展会，推出了面向医院综合场景的“商汤智慧医院解决方案”，其中，AI数字人首次登场，可以为患者进行分诊导诊。“商汤就医一脸通”也与医院叫号系统联动，解决“三长一短”的就医体验问题。其底层，仍是以SenseCare智慧诊疗平台和医院智慧运营两大系统为核心。深睿医疗携前不久发布的冠脉CTA产品参展，目前已有十多种涵盖多种医学影像设备医疗AI产品，覆盖神经系统、运动系统、心血管系统、女性关爱、儿童关爱等方向，构建的AI产品矩阵规模初显。在深睿医疗的旗舰产品中，Dr.wise AI医学辅助诊断系统新配置了“危急值”、“AI质控”等新功能，其中“危急值”功能可警示临床医生对生命处于危险边缘状态的患者采取及时有效的治疗。“AI质控”功能则是从影像呈现效果层面切入对阅片质量进行把控，降低由于拍摄的影像质量不佳，如曝光过度、体位不正、有遮挡物等问题造成的医生及患者时间损耗。再比如上文提到的入驻GE医疗Edison平台的医准智能。医准智能CEO吕晨翀表示，影像设备智能化升级是大势所趋。在CMEF上，医准智能发布了胸部DXR多病种智能分析系统、胸部CT多病种智能分析系统，以及达尔文智能科研平台2.0系统三款产品。汇医慧影则是展出了包括Dr. Turing®人工智能辅助诊断平台、NovaCloud®智能影像云平台、RadCloud®大数据人工智能科研平台在内三大产品体系。柏视医疗则是展示了从图像处理、辅助诊断、精准治疗等流程，推出了“智能影像后处理系统、医学影像智能辅助诊断系统、放射治疗智能辅助系统、手术智能辅助系统”等解决方案。在三类证上有所突破的科亚医疗和安德医智，也在这次展会上展示了自家最具有代表性的产品。拿证只是商业化的一个前提，对于率先“拿到船票”的它们来说，教育市场和用户体验这些事情，需要不断地做下去。实质上，医疗AI现有的技术和商业模式问题仍然存在。近日，一项刊登在国际杂志《Nature》上的研究报告表示，来自纽约市立大学等机构的科学家们就对人工智能算法缺少一定的透明度提出质疑。而且，在长征医院刘士远教授的一份报告中的数据显示，2019年AI企业的投资频次仅为2018年的30%。今年1到4月，AI企业种子轮/天使轮的投资事件仅占2019年的34%，大家更加关注有成长性人工智能企业。从上述几家医疗AI企业的动作来看，技术创新进入一种平稳阶段，更多是在已有产品线上进行功能的迭代更新。刘士远教授表示，早期成立的AI企业在技术、产品、资本的助推下，落地场景和商业形态基本形成，发展路径逐渐清晰，高成长性逐渐形成。未来，医学影像AI产品的趋势将是以患者路径为核心，融合多模态的数据和先进的算法技术，覆盖全流程的决策环节。随着各大器械厂商在算法层面的不断精进，医疗AI企业在自身的“内功修为”上仍然需要做好“持久战”的准备，真正和医生打成一片，理解医院的全局思路。源头供应商的能力，再次被想起医疗器械产业水平，是一个国家和地区工业整体发展水平和科技创新能力的综合体现。疫情期间，不少企业复工复产难，受到较大冲击，更难以持续满足短期内急剧增长的产品需求，例如当时全世界都需要的一台“呼吸机”。一台呼吸机相当于一个精密的气体输送工控系统，有上千个零部件。可以说，没有压缩机、芯片、传感器等核心零部件的供给，即使技术再先进也无济于事。以CT为例，CT影像作为新冠肺炎患者诊断的重要依据之一，CT球管的需求急剧上升。Dunlee（当立）是一家于一九四六年成立的美国企业。自成立之后，成功开发制造出放射显像球管，并打入高端CT市场，后来在世纪初被飞利浦收购。市场上很多人了解Dunlee是因为它的CT球管，以及GE、西门子的CT替代球管业务。Dunlee中国区销售总监邓凯在展会上也表示，Dunlee不做生产代工 ，但是几乎能提供大部分的影像设备核心部件。换句话说，可以帮助客户构建一个影像链。以CT为例，可提供X射线管、高压发射器以及接收射线的探测器。作为医学成像设备核心部件提供商，Dunlee在CMEF上带来了CT、MR等领域的产品与解决方案。其中包括从入门级到高性能的多款球管，如CTR1600系列、CT5000 、CT8000， DA200系列以及S 532/Akron 系列替代球管。 此外，现场还展出了产品组合Xpert-CT 8000、Xpert-CT6000 、Xceed-CT4000以及2D钨防散射滤线栅。除了新产品，Dunlee也引入了整合解决方案“Dunlee Solutions+”（当立解决方案），这是面向中国本土化的一步棋。实际上，不同组合的核心部件，对于扩展中国医疗市场非常重要。在中国医疗改革要求全覆盖的大背景下，高、中、低端的产品策略，能在最大程度上探索中国需求不平衡的医疗市场。“公司的愿景就是要追求最好的成本和最好的性能之间的搭配，更多地追求可靠性、可操控性、经济效益。”除了Dunlee，还有我们经常能听到的京东方。除了主营业务主板，近年来，这家公司已经将显示技术、传感技术、大数据和医疗健康服务相结合。在这次展会上，京东方拿出了X-ray平板探测器背板、生物检测解决方案、智慧康养社区解决方案、智慧急救解决方案，以及智慧病区解决方案、智慧门诊解决方案等。在X射线成像应用中，京东方展示了1417、1717、4317等多款X-ray平板探测器背板产品（FPXD）。通过优化面板工艺及CsI（碘化铯）技术，FPXD可大幅提高X射线光转化效率，降低所需Ｘ射线剂量，从而减少对人体的辐射伤害。同时，京东方还采用IGZO材料代替非晶硅半导体材料，实现高帧率动态医疗成像，为医生在心脏支架手术、数字减影、血管造影等医疗过程中提供更清晰而精准的病灶图像。与在聚光灯下的众多医疗大设备相比，源头供应商等产品似乎并没有太多的话题度。但是，正如Dunlee中国区销售总监邓凯所言，在疫情的考验下，大家可以看到，一个可信赖的合作伙伴非常重要。当前，全球疫情尚未完全平息，新冠疫情给全球经济、社会、文化带来的影响仍在持续。经历了疫情“大考”的医疗器械产业将会从危机中孕育新机。这就需要，这次参展的4200多家企业，形成一股合力，不断创新发展、推进提升，为大健康事业发挥更大的价值。 -
对话复旦大学原副校长冯晓源教授：医疗AI产业链的整体协同，才有更多变现可能 2018年第一届中国医学影像AI大会召开时，冯晓源教授见证了医疗AI产品“百花齐放”的场面，而在今年第二届大会举办时，一些医疗AI公司已经不见踪影。冯晓源教授是原复旦大学副校长。现在是中华医学会放射学会荣誉主任委员，上海生物医学工程学会理事长。在第二届中国医学影像AI大会上，冯晓源教授发表了主题演讲，并与雷锋网(公众号：雷锋网)进行了一次对话。“2017年左右，只要创业项目搭上‘人工智能’四个字，都会吸引规模不小的融资。”他向雷锋网回忆到，“第一届中国医学影像AI大会召开时，参会代表很多，场面比今天还热闹。”但是，创业注定是一个大浪淘沙的过程，在医疗AI时代的早期阶段，产品雷同性非常强。20世纪初的互联网泡沫就是一个真实的“前车之鉴”。在冯晓源校长看来，医疗AI不可免俗，必须回答两个最基本的问题：谁需要以及谁买单，而谁买单则取决于谁获益。“羊毛出在猪身上是有可能的，但是不可能长远，一定是谁获益、谁买单。现在很多医疗AI企业走不下去，很大原因就在于没有想清楚这个问题。”此前，诸多行业内人士，均讨论过“谁为医学影像AI产品买单”的问题：医院、药企、保险的支付能力有限，普通人的需求在于看病。未来，放射科医生是否会自行买单，冯晓源教授认为，完全有可能，而这一部分的可能性关键是能否会为医生带来实际的“用户体验”。“作为一名医生，我可以拿出医院付给我的诊断、写报告的工资的一部分，让我的生活更加轻松；另一方面，借助AI产品，医生的诊断效率提高，医生也可以完成更多的报告，帮助医院实现增收。”但是，冯晓源教授也补充到，从目前看来，上述第二个方面的逻辑并不成立：没有一个医生会为医院自掏腰包。换一个思路，医院是否会有应用AI的动力？从成本角度来看，医院可以买来AI产品给医生用，但是这个钱要从医生的工资里来扣，或者因此少雇几个人；从医院发展的角度来看，如果购买医疗AI产品后，医院提高了效率，从原先完成100个病人的检查到现在完成200个，医院就会有更强的购买动力。冯晓源教授强调，目前，医疗AI、医学影像AI产品的定位是让医生更加轻松，减少医生的误诊率，提高一定程度上的效率。但是，医院的“产量”不会因为AI的到来，产生实质性的提升。这是因为，病人的检查量是由CT、磁共振等设备端的效率决定的，不是由医生的“诊断”决定。“原先，医生完成100份报告的时间需要9小时，在AI的帮助下可以减少到3小时，医生是舒服了，但是医院的病人检查量没有增加的，因此收入也没有增加。”因此，医学影像AI的产业链中，除了帮助医生提高诊断效率，还应该关心的一件事情是帮助医学影像的设备公司缩短检查时间，整条产业链实现协同，才有更多变现的可能。“单纯的辅助诊断产品走不远，这个行业里的人必须要全面地考虑问题。”值得庆幸的是，随着医工需求的不断碰撞，医疗AI公司在产品设计的思路也愈发开阔，从诊断的流程、多病种继承等各个方面都在不断进行完善。在冯晓源教授的预想中，工程师、医生、企业应该形成一个“三角”，在技术实现、产品体验、市场前景等方面彼此进行补充，这样的医疗AI产品才会具备更强的生命力。采访结束后，冯晓源教授在大会现场发表了主题演讲，雷锋网在经过授权后进行了不改变原意的编辑和整理：冯晓源：大家好，今天我的演讲主题是《人类智慧和人工智能如何相亲相爱》。最近看一本书蛮有意思的——《人类简史》。我相信很多人读过，并且每个人有不同的想法。人类有比较发达的大脑，会使用工具，而且有复杂的社会结构。所以，人类是地球上不可替代的最强动物。但是，也有不同的看法。霍金曾经预言：人类很可能被自己制造的生物或者人工智能消灭。当然，科技的发达会造就一些非人类。他们没有感情，也不会繁殖后代，能力比我们强几百倍、上千倍。但是，他们完全不顾我们现在所建立的规则、法律、宗教，如果这批人来统治世界蛮可怕的。下面，来谈谈我的一些认识。 智慧，这两个字很难解释，智慧分两层意思，一层是形而上，我们称之为道；一层是形而下，我们称之为器。所谓器就是智力，智力是可以测量的，每个人智力不一样，这是客观存在的事情，包括观察能力、记忆能力、判断能力等等。另一层就是我们人类特有的现象——会思考，这是主观想象，这取决你的想象力和创造力。很多人智商不低，但是没有想象力。有些人智商不一定高，但有非常丰富的想象力。所以，我觉得，这两者相加，才叫人类智慧。第二，我要聊聊偶然性。很多事是偶然发生的。135亿年前的一场大爆炸，宇宙诞生了。45亿年前，地球诞生了。38亿年前，一些分子的偶然组合形成了有机体，从此生命在地球上诞生。有时候，偶然决定了人类的重要命运。比如说牛顿，一个苹果掉在他头上，偶尔的事件让他想到万有引力。而相对论也是爱死斯坦反复琢磨的东西，直到某一天灵光乍现。偶然性中也有必然。一场山火把动物烤死了，当事人发现烤死动物比生肉好吃，人类开始用火。偶然事件有时候会导致必然结果，再从必然结果中发现规律，这是我们认识世界、改造世界的通则。直到今天，信息越来越多，粗犷的发明不解决问题了，出现了什么呢？信息。对我们来说，信息和信息处理技术很重要。香农的一句话非常有道理，信息是消除随机不确定性的东西。事实上，我们可以从大量的数据里，获得去除随机性、不确定性的能力。我们可以找到一些用数据、信息构成的必然规律。《人类简史》里有表述，一个帝国要运作，会产生大量的信息，但是人类只有一个地方可以记录：大脑。但是很遗憾，对于整个帝国这么大的数据量来说，人类的大脑并不是一个很好的存储设备。这种人脑的限制大大局限了人类合作的规模和程度。与此同时，在信息的采集和传递大大发展，信息的综合整理、分析比对成为重要的决策依据时，人脑现任不够用了。这个时候，出现了电脑。面对大量数据，计算机跟相关的技术就来唱主角，人工智能也应运而生。 说到这里，事实上爱因斯坦一句话，可以把我今天演讲的核心概括出来：逻辑会把你从A带到B，想象力能带你去任何地方。因此，人工智能可以处理规律和逻辑问题，而人类智慧处理创新和人性问题。这两个问题基本涵盖了我们所有的问题。所以，我觉得，相亲相爱、互相辅助的人类智慧和人工智能，一定会使我们生活更好。说到这里，人工智能企业可以干什么？首先，人工智能不可以给人类添麻烦；其次，人工智能要解决我们不愿意做的事情；第三，人工智能要延伸人类能力所不及的地方；最后，人工智能要扩展人类活动所不及的范围。回到医学的话题。AI和影像医学有什么关系？AI可以大幅减少医疗过程中重复性、过筛性和规律性的工作，将医师从非智慧性工作中解放出来，真正做人类医师的工作。关心、人类的关心，这才是人类最要做的事情，而这个事情恰恰是人工智能做不了的。影像医学也是一样。通过AI的赋能，影像科的医生将会把重心进行转移，从图像识别、综合分析到下诊断转化为直接下结论和做人的工作。换句话说，人工智能做好了，我们判断它对还是不对。另一方面，我一直在各个场合中说，影像科医生离病人太远了，我们必须回到病人身边去，必须去做人的工作。如果AI真的把我们的工作替代掉，我们就有大量的时间和病人打交道。下面，我想展望一下影像科主任医生的一天：某天早晨，AI起床师让你在舒适但有点刺激的氛围里起来，咖啡、早餐、你想要的衣服都已准备好。喝着咖啡的同时，远程签到，需要审核的报告，批改的文件都在AI工作站上完成。我觉得，这才是影像科医生的工作重点，对知识体系的体会、掌握，是我们的核心、灵魂。接着，无人驾驶汽车把你送到医院，今天要和几个病人谈谈他们的检查结果，有几个MDT，还要和外科医生讨论新的影像技术应用，指导下级医师。下班前，AI工作站会把今天的活动进行总结，并把明天的事情做好列表。此外，AI提醒你今天是你夫人的生日。和夫人吃完生日晚宴，健身AI提醒你该健身。晚上23点，助眠AI开始工作，让你舒舒服服的睡觉。今天讲的东西，大家会觉得像科幻小说。我看不见得，许多我小时候预言的事情，在21世纪都实现了。换句话说，今天的每一点细节，很可能就是我们AI产品工作的场景。我小结一下，人工智能一定是人类智慧的产品、产物，也是我们能力的延伸。所以，人工智能本质上是技术集成，应该在人类智慧的控制下工作，必须给我们人类生活带来进步，让人类生活更加惬意。如果，人类智慧和人工智能相亲相爱，我相信这个世界一定会更美好。
-
上海科技大学生物医学工程学院成立，医学影像AI大牛沈定刚教授担任创始院长 近日，上海科技大学召开校务委员会第二届第三次会议，生物医学工程学院和大科学中心正式成立。会议审议通过了相关人事任命，江舸任上海科技大学副校长，刘志杰任书院院长，杨旸任书院院长，沈定刚任生物医学工程学院创始院长，刘志任大科学中心主任，任期均为至本届班子届满。生物医学工程学院创始院长沈定刚教授向雷锋网表示，上海科技大学生物医学工程学院以建设世界一流的生物医学工程学科为目标，建立一支品德好、水平高、视野宽、潜力大的教师队伍，打造卓越的创新人才培育体系，培养既懂医疗、又懂技术的复合型、战略型高级人才。学院创立初期，将设立医学影像、智能医学、智慧仪器学科方向，然后逐步覆盖生物医学工程交叉学科主要研究方向，包括生物材料、神经工程、基因工程。沈定刚教授向雷锋网(公众号：雷锋网)表示，学院在学生培养中将全面采用导师负责制。面向最前沿、最尖端的生物医学研究领域，积极开展与国际顶尖大学、科研机构和高科技企业的合作与交流，为学生提供个性化教学和培养计划。开设先进实用的专业课程，提供国际合作的本硕双学位计划，强化结合实际的企业实习和社会实践活动，培养既懂医疗、又懂技术的复合型人才。与此同时，注重培养学生的国际视野、团队精神、领导才能、创新和创业能力。 除了上海科技大学生物医学工程学院创始院长这一身份，沈定刚教授还是医疗AI公司联影智能的联席CEO。在采访中，他补充到，参与上海科技大学生物医学工程学院的建立，也将进一步完善联影集团的生态布局，促进产学研医的发展。此前，联影医疗联席总裁张强曾说到，自2010年成立以来，联影通过产学研医协同创新、核心技术创新、设计创新、服务创新、前瞻研究创新，加快实现行业关键核心技术自主可控，打造全智能化健康生态。他表示，大学是创新的源头，企业需要与学校开展更多交流与深入合作。上海科技大学成立于2013年，与上海同步辐射光源、国家蛋白质科学研究（上海）设施、中科院上海高等研究院、上海微小卫星工程中心、中科院上海药物所新药研发平台等国家级大科学设施和科研机构交流密切，与张江高新区的产业界、投资界联系紧密。雷锋网了解到，从2017年开始，上海科技大学就与联影集团建立合作关系。而在2020年“联影集团-信息学院”联合培养项目型硕士招生简介中，也曾写到：为了充分发挥上海科技大学和联影集团在高端医学影像与放疗设备（核磁共振、CT、分子影像、放射治疗等）、医学人工智能、手术机器人、生命科学仪器、医疗微电子、医疗软件与大数据等技术应用研究方向以及研究平台等方面的优势，丰富“产学研医学”融合工作内涵和方式，设立“联影集团-信息学院”联合培养项目型硕士，重点培养复合式高层次技术研发和技术管理人才。随着沈定刚教授当选该校生物医学工程学院创始院长，校、企双方在产、学、研、用等各方面的合作程度将进一步加深。
-
睿心医疗马骏：「形态学+功能学」，如何实现心血管疾病的智能诊断？ 近日，雷锋网·心血管科技云峰会邀请到睿心医疗联合创始人兼CTO马骏，以「形态学+功能学：一体化的心血管疾病智能诊断」为题，解读了睿心医疗在心血管创新路径的心得与收获。有统计数据显示，全世界每年死于心脑血管疾病的人数超过1500万人，在人类死亡原因中高居首位。对于这类重大疾病，数十年来相继出现了冠脉造影、冠脉CTA、CT-FFR等多种心血管诊疗技术。目前，AI技术能提供的信息仅限于临床专家能从影像中获取的信息，例如从冠脉CT影像中提取血管的狭窄程度，斑块的属性等等信息。但是，这些形态学信息并不足以评估临床专家非常需要的病变血管的供血功能，目前该类功能指标只能通过非常复杂、代价昂贵的介入手术获得。而一些国内外企业，包括美国的Heartflow等，产品主要集中在功能学的评估，但又缺少形态学方面的分析。无论是形态学或功能学，市面上大部分产品都依赖于大量的人工介入，无法做到高度的自动化。针对心血管疾病的诊断痛点，睿心研发、推出了全自动的“形态学 + 功能学”冠心病分析算法。医生只要输入影像，在短时间内，睿心的平台就能准确地分析冠脉的狭窄、斑块等形态学信息，并且计算出对冠心病诊断至关重要的CT-FFR等功能学参数。2019年6月，心血管科技企业睿心医疗宣布完成5000万元人民币A+轮融资。加上之前的两轮融资，总融资额过亿。而睿心医疗的相关产品已经进入中国医疗器械创新绿色通道，并完成该领域全国首个大规模、前瞻性临床试验。以下为马骏演讲全文内容，雷锋网做了不改变原意的编辑：马骏：各位老师，各位朋友，大家晚上好，我是睿心医疗的马骏，非常感谢雷锋网的邀请，今天，我想分享的话题是「形态学+功能学：一体化的心血管疾病智能诊断」。心血管疾病诊断的痛点和挑战如果要问到什么疾病是人类健康的第一大杀手，我们可能会想到一些可怕的病种，比如癌症或者艾滋病，实际上，心血管疾病才是人类健康的第一大杀手，也是中国的第一大健康杀手。据统计，中国心血管疾病的发病率、死亡率和医疗支出高居世界第一。中国的心血管疾病患者有2.9亿，约占国内全部人口的1/4，在每5例的死亡中就有两例是死于心血管疾病，且心血管疾病治疗的费用也高居第一，两倍于各种癌症的总和。更可怕的是，2/3的急性心血管患者在到达医院之前就已经死亡。在这里，我给大家讲一个关于冠心病的真实的故事，我十几年前到美国读书的时候，有一位老教授教我们 Information theory（信息论），老教授已经70多岁，但是精神矍铄，课也讲得非常好，工作非常勤奋。几年之后，我听到一个噩耗，老教授在办公室工作的时候，因为冠心病突然发作离开了世界。当时他正在写一篇论文，他离世的时候光标还在他写的文档中跳动。到那时，我才第一次知道原来心血管疾病这么可怕。那么，什么是冠心病呢？众所周知，心脏是给人体提供血液的器官，它在不停地收缩和跳动，给全身的每一个细胞提供血液。那么，心脏本身是否需要血液，心脏本身是否需要能量呢？答案是肯定的。心脏本身也是需要能量、养分、血液的，给心脏供血的血管就叫冠状动脉，简称冠脉。从这个图示中可以看到，心脏周围遍布的红色血管就是冠状动脉，冠状动脉在正常情况下是通畅的，但是，冠状动脉是非常容易堵塞的。如果一个人进食太多油腻的食物，或者久坐不运动，那么冠脉就会逐渐长出斑块，中间这幅图显示的就是25%的斑块长成以后，已经部分阻塞了血管，更加严重的斑块会越长越多，然后逐渐将冠脉堵塞。可以想见，冠脉就像一条河流给心脏输送血液。如果河流中有太多的垃圾、太多的泥沙，河流肯定处于流动不畅的状态。更严重时，冠脉供给心脏的血液就不充足，心脏就会缺血，甚至停止跳动。冠心病如此可怕，应该如何对其进行诊断呢？我们可以从两个角度诊断冠心病，一个是形态学，也就是观察血管的狭窄程度，沿着血管看它是否变细、是否狭窄。另外，可以从功能学的角度进行检测。冠心病最重要的特征就是供血功能的不足。所以，我们可以直接测试它的供血功能，比如，用压力导丝伸到斑块的狭窄部位，测出其近端和远端的压力比值，这个比值就是FFR。对FFR更直观的理解，可以认为是血液将血管堵塞以后，冠脉提供血液的能力和正常状态下的比值，如果FFR=0.8，意味着这根血管只能提供80%正常状态下的血液。在国际上，FFR已经用作检测缺血性冠心病的金标准。0.8作为一个阈值，如果低于0.8表明已经出现了供血不足，如果高于0.8则被认为供血还是ok的。所以，我们可以从形态学和功能学的角度来诊断冠心病。对冠心病的治疗，最常见的就是心内科的介入，比如放支架，用球囊扩张等等，还有心外科的搭桥手术，而治疗是基于形态学和功能学的诊断，所以，诊断的重要性不言而喻。如何更早、更快捷以及更精准地诊断冠心病，这是一个挑战。前文提到已经可以用FFR诊断冠心病了，为什么还是一个挑战呢？因为冠心病的诊断在临床过程中是一个复杂的问题。中国有几千万冠心病患者，冠心病的诊断也是关系到国计民生的一个医学挑战，不可能对每一个冠心病的风险者进行那么复杂的FFR测量。初期的冠心病诊断，手段通常比较简单，可以从两个维度对冠心病进行诊断。一些简单手段比如超声以及心电图初筛冠心病，其准确程度远远达不到要求。要准确诊断冠心病，就需要用到有创手段。比如冠脉造影，将一根很细的导管插入到患者的主动脉里，然后通过导管前面的小口向主动脉血液注入造影剂，使X射线可以将沿血管流动的造影剂在显示屏中显示出血管及心脏的形态，或者还可以用压力导丝完成检测。但是，这样的诊断方法是非常复杂和昂贵的，同时也是有创的。那么，有没有一种方法，既简单无创还精准，适合早期大规模的冠心病筛查，还可以同时提供形态学和功能学的诊断呢？对此，我们给出的答案是睿心分数。睿心分数诊断平台的应用及前景什么是睿心分数？睿心分数是基于人工智能加生物仿真，再加上云计算的尖端、无创、精准的冠心病诊断平台。具体流程，首先，医院把病人冠脉的CT影像发给睿心的云平台。在这个影像之上，我们会运用人工智能和图像处理的技术，从几千万像素的三维影像中自动抓取冠脉，自动构建冠脉的模型。有了这个模型以后，接下来进行参数量化和生物仿真，这里的仿真就是用计算机的方法模拟血液在血管中是如何流动的。我们可以计算出血管中每一点的速度、流速、流量、压力以及其他一些功能学的参数，从而推知每一根血管的供血功能。如图所示，在每一个点上我们都可以计算出FFR值。医生看到图示以后，就可以清楚哪根血管发生了供血不足，哪一处供血功能急速的下降。这些有用的信息可以帮助医生为下一步治疗提供更加精准的判断，无论是吃药、放支架、做球囊还是做搭桥手术。举个例子，最左边的图示就是病患CT的血管截面，稍微右边一点的是我们构建的冠脉模型，叫做RCA右冠。从形态学上可以明显看到，血管开始是比较粗、比较均匀的，然后在一个地方发生了明显的狭窄，之后又逐渐变粗。传统的方法就是用参数来量化狭窄程度，以决定是否要放支架。对于这个患者而言，右冠的狭窄程度已经大于70%，传统的方法认为应该放支架。但是，我们可以用流体力学仿真的方法模拟血液在血管中的运动。从中间的图示，可以看到这么多的细线，都是模拟出来的血液在血管中的流动情况。我们做几千万次的运算，通过解流体力学的方程推进每一点血液的流动情况，计算得到的结果就是右图（FFR在每根血管上每一点的值）。虽然我们看到了明显的狭窄，但是患者的供血值是0.86，意味着冠脉可以提供正常状态下86%的血液，供血是ok的，通过FFR导丝测量的结果也是0.86，这个患者的计算值和测量值完美匹配。根据计算和测量的结果，患者是不需要放支架的。这表明，同时应用形态学和功能学可以做出更加精准的诊断。如果没有功能学的参数，医生可能就只能根据形态学的诊断放支架。对于患者、对于医生而言，这都是一种误诊，是对医疗资源的不合理运用。再举一个例子。这个患者也是在右冠发生了严重的狭窄，其狭窄程度达到了80%，在这种情况下确实需要放支架。根据我们测量的结果，左下图显示的测量结果是0.74，低于0.8，我们计算的结果是0.72，也低于0.8。在这一点上，虽然他们的数值并不完全匹配，但是我们更关心的是对阴阳性的判断，即数值是否低于0.8，在这点上他们是一致的。计算值在这个案例上匹配了测量值的结果，是一个阳性的病例，在这种情况下应该做介入治疗。这一点上和形态学的结论也是一致的，已经达到了80%，这是比较严重的形态学狭窄。那么，是否意味着所有的狭窄都是供血不足？上面这个案例也显示了明显的狭窄，狭窄程度是60~70%，许多医生已经看到了非常明显的狭窄程度，甚至达到了70%，这个级别也应该放支架。但是，如果我们对其进行测量，会发现它的FFR值是0.87（高于0.8），意味着供血功能还是可以的，我们的计算值是0.85，阴阳性也匹配测量结果。两者都大于0.8，判定这是一个阴性病例，所以不需要放支架。以上都是我们临床中的真实案例，第三个真实案例是一个在试用中的例子，医生看到患者的冠脉CTA以后，发现左前降支有严重的狭窄，但是其他两支的狭窄并不严重，所以医生只在左前降支放了一个支架。患者回家之后不久就向医生反映，胸痛的症状并没有得到很好的缓解，仍然时不时感觉到心绞痛。这时候，医院开始与睿心进行合作。我们分析后的结果令人吃惊，患者不仅仅是左前降支的FFR很低，他的左回旋值以及RCA右冠，它们的值都低于0.8，表明了三根主要的冠脉都是供血不足的。所以，我们的建议是三根冠脉都应该放支架，医生采纳了我们的建议，根据睿心分数的指导在最合适的位置放置了支架，术后患者的症状得到了非常明显的缓解。因此，总结一下睿心分数的优势。首先是精准。目前，冠脉造影是中国现行的诊断缺血性冠心病的金标准。但是，冠脉造影的准确率只有68%，敏感性和特异性都为70%左右，意味着冠脉造影有30%的漏诊和30%的误诊。漏诊特别可怕，意味着有的患者被判定为无病，带着风险回家。而睿心分数的准确率达到了92%，敏感性达到了95%，漏诊率要远远低于冠脉造影。所以，睿心分数比现行的金标准更加精准。其次，形态学+功能学大于只有形态学。对于医生而言，不仅仅希望看到血管的狭窄程度，还关心血管能否提供足够的血液。在这一点上，睿心分数不仅仅显示了狭窄，而且让医生精准得知，这根冠脉是否能够提供足够的血液给心肌。最后，睿心分数简单无创。不需要做手术，不需要进导管室，不需要把导管插到心血管的部位，只需要将CT的影像传到云平台就可以进行分析，非常适合早期的大规模冠心病筛查，这也符合中国的国情。因此，我们可以利用睿心分数的优势来变革现有的冠心病诊断流程。现有的冠心病诊断流程是：患者到医院用心电图、用超声经过了不太准确的初步筛查，这些检测手段不能明确判断出哪些是阳性患者，哪些是阴性患者。这个缺陷可能使得大量病人都进入导管室做有创检查，可能70%-80%的患者是假阳性。对于这一部分患者而言，不仅医疗资源被浪费了，患者也很受罪。但是，当引进了睿心分数以后，这个流程会有什么样的改进？首先，患者做一个睿心分数的检查。睿心分数可以非常精准地筛查出那些供血功能完好的阴性患者，从而进行保守治疗。只有少数的患者才需要进到导管室进行有创检查。当然，也还是会存在一定的假阳性患者。但是，相比传统的方法，人数已经得到极大的减少。所以，引入睿心分数已成为一个低成本、高效率的诊断方式，It will be a game changer。睿心分数的应用前景利用CT影像来做功能学的诊断，最早是由斯坦福大学的一个教授发明。之后，他成立了一家名为HeartFlow的公司。HeartFlow在六年前就已经拿到美国药监局的认证，这几年已经成功在美国、加拿大、欧洲和日本开始广泛应用，几十万例的冠心病患者得到服务。对中国而言，这项技术是全新的，才刚刚开始得到应用。我们相信，这是一个符合世界医疗潮流以及利国利民的技术，将在中国拥有非常广阔的应用前景，并且在以下三个方面有利于中国的医疗：首先，对医保有利，可以大幅降低冠心病的总体医疗成本。美国的研究表明，睿心分数可以降低30%的医保费用。从刚才的分析得知，它可以筛查出大量不需要做有创冠脉造影的患者以及不需要做支架的患者，而是进行保守治疗，其中就有很大降低成本的空间。其次，对医院和医生有利。这项技术可以大幅降低漏诊。冠脉造影的方式有30%的漏诊率，那些高风险的患者没有被有效的检测出来，对于医院和患者而言是一件非常可怕的事情。同时，还可以精准的筛查出低风险的患者，把医疗资源集中在真正需要的患者上，提高医院设备的使用效率以及医生的效率。第三点，对病人也是有利的。这项技术安全、无创、费用低，可以减少手术病痛，适合中国人口众多、患者众多，但是医疗资源相对不足的国情。所以，我们对睿心分数在中国的应用前景非常期待。以上都是睿心分数在诊断冠心病中的应用。对于睿心而言，我们还在不断拓宽形态学+功能学的应用。“形态学+功能学”的四大创新应用以下是睿心在研发的几款最新产品：第一个是虚拟支架。我们知道，治疗冠心病最主流的一个手段就是放支架，但是支架手术是一个技术含量很高的工作，如果没有精准的评估，医生只能根据自己的经验来放，当中就存在着很大的不确定性。基于形态学加功能学的平台，可以针对多种情况、多种可能性、多种手术方案进行精准计算和模拟，从而可以得到一个最优的手术方案。这个例子就是患者在左前降支有两处狭窄，FFR是0.4，已经处于非常严重的缺血状态。那么，如何放支架呢？如果在上游放一个支架，可以人为地将此处的血管撑开，然后做仿真，撑开的血管处的FFR是0.51，虽然比以前有所改善，但FFR仍然远远低于0.8；只撑开上游的地方，FFR也只能达到0.54，只有把两处都撑开，才能达到一个满意的供血功能。另外，当有多处狭窄时，FFR值如果是0.72，只要撑开一处关键的狭窄，FFR达到了0.8，就不需要放多处支架，这些可能性都是存在的。但是，基于我们平台的能力，可以对各种可能性以及方案进行精准的计算，给到医生最优的方案。当然，我们不仅仅可以用于心内科的手术规划，甚至可以用于心外科的搭桥手术。这个患者比较特殊，分支出现了非常严重的狭窄，无法进行心内科的PCI。唯一的办法就是搭桥，但是搭桥能达到效果吗？怎样搭桥是最优的？我们可以进行模拟，比如从主动脉处，将一根血管搭在他的右冠上，通过计算得到搭桥前的FFR值小于0.8，而搭桥后的右冠整体已经达到了一个比较满意的供血功能。因此，这样的应用也丰富了“形态学+功能学”的场景选择：不仅仅可以用于心内科，甚至可以为更加复杂的手术提供方案。这是管壁应力的应用。我们刚才展示了FFR，FFR只是仿真得到的一个参数。实际上，我们可以得到许多的参数，比如流速、流量、管壁应力等等。我们甚至可以对主动脉和冠脉进行联合仿真，将其进行流固耦合，对主动脉收缩舒张的形态学变化进行计算，对功能学进行非常仿真，得到一个更加符合实际情况的结果。我们还可以利用“形态学+功能学”对斑块力学进行分析。斑块风险性的评估是一个世界性难题。斑块导致了血管阻塞，而更危急的是斑块的脱落。斑块脱落后会造成血管整体上堵塞，没有一点血可以流到心肌里面，患者会进入一个非常可怕的读秒死亡时间。这也是为什么中国在各地建立了胸痛中心，目的就是为了能在几十分钟之内对这部分患者进行紧急救助。但是，救助是一方面，预防则更为关键。怎样预防，就涉及到形态学和功能学的方法。从形态学上，我们从医学影像中找到斑块，并且分析斑块的类型和各种形态学参数。同时，利用力学仿真的方式，计算血液是如何冲刷并且挤压斑块的。两种方式结合，我们可以比较精准地预测斑块的风险性，给医生提供一个预案。进入创新医疗器械审批绿色通道刚才是我们基于功能学和形态学的应用和案例介绍。最后，我想补充叙述一下睿心医疗的发展。三位美国的海归博士郑凌霄、兰宏志和我于2017年12月创立了睿心医疗，总部在深圳。睿心的使命就是要建立智能一体化的形态学+功能学的心血管智能平台。不到一年的时间，我们完成了睿心分数产品的封装，并且拿到了药监局的检测报告。2019年3月，睿心启动了全国首个大规模的前瞻性临床试验，我们和六家顶尖的心血管医院进行合作，招募了330例的受试者。即使是从全球范围内来看，这也是单次最大规模的前瞻性临床试验。HeartFlow公司做过的临床试验，每次的临床只有200多例。2020年3月，睿心拿到了国家药监局创新医疗器械的绿色通道；2020年4月，在疫情期间，我们推出了世界首个全自动化的形态学+功能学的心血管诊断平台。HeartFlow公司，基本上主要是功能学，而且这个过程中有很多人工的介入。而睿心的产品是一个全自动的形态学+功能学的平台。此前，我们刚完成前瞻性的临床试验，并且提交了国家药监局的注册。睿心团队整体上小而精。除了研发工程师，还要有做应用的工程师。我们还有Top外企出身的业务合伙人，组建了一个非常有执行力的、专业素养非常高的业务团队。从更远的范围以及从更远的时间线来看，我们不仅仅希望进行冠心病的诊断，更希望开发出一个多模态、多部位、全周期的形态学加功能学的智能平台，覆盖心血管、脑血管和外周血管三大维度，让每个板块都能有医学影像的智能后处理、供血功能的评估、斑块风险性预测、手术方案设计等功能。各个板块之间，比如心脑联合的方案，我们也会进行积极的研究。所以，睿心的使命和愿景是让每一条血管都得到更早期的诊断和更精准的治疗。雷锋网(公众号：雷锋网)
-
7位医工专家激辩：什么样的AI产品，才能满足医生的科研与临床双需求？|中国医学影像AI大会 近日，由中国医学影像AI产学研用创新联盟（CAIERA）主办的「第二届中国医学影像AI大会」，在上海国际会议中心隆重召开。本次大会以“AI助力健康中国”为主题，围绕2030年健康中国行动纲要，深入探讨了人工智能在“健康中国”行动中的实践、问题与对策。作为本次大会的战略合作媒体，雷锋网进行了全程报道。“AI+科研”是医疗AI企业入局的重要一环。这是因为，医疗是一门经验学科，越来越多的医生不仅希望使用AI产品进行诊断、治疗，也希望结合自身的医疗大数据和临床经验优势，进行AI方面的自主临床研究。在本次大会的AI临床及科研应用论坛上，围绕“AI+科研”，大会邀请了多位影像科主任和AI学者，进行了一场高质量的圆桌访谈。本次圆桌由上海交通大学医学院附属瑞金医院放射科主任严福华教授担任主持，国家自然科学基金委六处处长李恩中教授、北航-首医大数据精准医疗高精尖创新中心主任田捷教授、中国科学院深圳先进技术研究院副院长郑海荣教授、东部战区总医院医学影像中心主任卢光明教授；华南理工大学医学院副院长梁长虹教授、北京大学人民医院放射科主任洪楠教授参与了圆桌访谈。以下为圆桌访谈的现场内容，雷锋网(公众号：雷锋网)做了不改变原意的编辑和整理严福华：第一个问题想请问李恩中教授，能否从国家自然科学基金委的策略结构化的角度，谈谈对医疗AI的长远预期，同时，在基金委的立项策略上有哪些调整和倾向性？李恩中：这要取决于AI在医学方面究竟有哪些突破。实际上，除了在医学部之外，我们的工程材料部也有一个重大研究计划是专门做机器人，其中就包含了医疗机器人。大家可以想象，在今年疫情期间，如果用医疗机器人进行咽拭子检测，进入病房后不需要医生和护士进行护理，而是由机器人来完成相关工作，那么医护人员的感染率肯定会大幅度下降。所以，我个人觉得，在具有高致病性传染源的场合，相关工作完全可以由机器人来替代。这就涉及到人工智能，尤其是通过各种人工智能的手段，精细地操控这些机器人，这是未来可能的一个发展方向。基金委在相关的政策倾斜上，无论是常规的项目，以及在青年基金的项目上都有相关的布局。同时，大家还可以自由申请。可以看到，在重点项目、重大项目，甚至在重大研究计划，例如我们的肿瘤演进与诊疗的分子功能可视化研究中，人工智能也占有很大的比例。虽然是我组织了这个重大研究计划，但是最有发言权的是专家指导组的两位成员——田捷教授和郑海荣教授。所以，接下来就可以由他们两位来回答。严福华：谢谢李恩中处长，又给我们指明了另外一个人工智能的发展方向——医疗机器人。在疫情期间，我们也的确看到在高致病性的传染病来临时，医疗机器人如何降低医务人员的感染风险。下一个问题想请教田捷教授，作为专家组的成员，能不能分享一下在分子影像学和人工智能研究的道路上有哪些机遇和挑战？田捷：谢谢严主任。这个问题提得非常好。我觉得医生是双重角色，一方面是人工智能的使用者。外部的医疗AI公司研发了很多人工智能的硬软件，来减轻我们的劳动负担，我们也正在使用这些人工智能硬件或者软件。另一方面，医生又是人工智能医学应用的主要研究者。医疗人工智能的研究需要结合临床问题，所以医生们都是研究的主力。在这种背景下，无论是科技部还是基金委，都提出了一系列人工智能在医学应用的研发项目。刚才李处长讲到，在对这个项目进行领导的六年中，我们联合了信息学部、数理学部和化学部。刚开始，这个项目被称作分子影像，经过分析后大家觉得过于偏重影像，是跟设备相关的，而我们的研究对象是肿瘤。实际上，工具还是分子影像，还是属于人工智能，所以特别适合影像医生进行申请。肿瘤演进的分子功能可视化，其中一个关键词是可视化。大家知道，计算机视觉是人工智能最重要的一个分支。在医学上，计算机视觉应用得更多。分子影像或者可视化，就是希望通过大数据、人工智能来提取高维信息进行建模分析，让我们在分子细胞水平看到变化。在目前的情况下，肿瘤医生的手和眼睛已经用到极限。而中国病人数量庞大，所以医生也希望能有新的有效方法。影像科医生应该积极参与到其中，无论是看到也好，量化也罢，特别在量化方面，影像组学都是属于计划的内容。在医疗人工智能上，医生是主力军，利用人工智能进行建模，使得医学在进入分子阶段的时候，能够看到或者量化分子细胞水平，对肿瘤、血管神经疾病的诊断都是极大地促进。所以，从这个角度而言，医生研究人工智能有远大前程。严福华：谢谢田捷教授，总结得特别好。作为影像科的医生，不仅是AI的使用者，同时又是AI的研究者，因为他们既有临床的经验，又可以把AI作为一个研究的手段和平台。接下来，就请郑海荣教授剧透一下AI在前沿的创新技术方面有哪些应用的方向？郑海荣：谢谢严主任。现在做研究想离开或者抛开AI都很难。在今年参与的几次基金评审中，我也发现很多项目里多少都包含了AI的元素，这给我们的研究带来新的活力。我觉得，AI的技术创新以及应用，在三个方向上有新的机会：第一，AI在医学上面的主战场就是相关疾病的AI诊断。最近，大家都发现，多种模态的影像都在基于AI技术进行拓展和应用，包括与CTA相关的心脑血管和与CT相关的早期肺结节诊断，以及在更为复杂的磁共振领域的诊断。此外，李睿教授做的血管斑块识别以及在超声领域，也有很多的AI应用。举个例子，深圳妇幼中心的李胜利主任在做一个非常成熟的软件，对胎儿各个部位的尺寸进行精确的判定和量化。这种方法使得每个月的检查可比性非常好。因此，随着模型的发展和机器质量的提升，我认为，诊断肯定还是AI的主战场。第二，去年在《Cancers》杂志上发表的、影响因子达到150多分的一篇综述。我非常赞同文中提到的一个观点，也是我们在实践的一个方向，就是全面调整AI的应用思路，不仅仅是帮助医生减轻大量阅片的问题，而且在操作层面对参数的选择以及自动化的扫描，AI也可以发挥重要的作用。举一个典型例子，这次疫情里，联影智能推出一个“智能天眼”的CT产品，结合人的体位，尽量减少病人和医生的接触，直接拍几张照片就知道怎么对病人进行扫描，这是一个往前拓展的重要方向。特别是超声、磁共振这些依赖于手位的复杂扫描时，完全可以把扫描数据采集的智能化纳入AI应用的范畴。此外，在超声造影里面，如果心脏卵圆孔未闭合，经常导致中风。早期检查靠的是造影，而造影技术要通过几分钟甚至十几分钟的造影机观察有没有漏诊，单纯靠人眼，医生往往会因为几个看不见的微泡而漏诊。所以，用AI技术完成动态监测，也是一个发展方向。第三，AI在医学上的发展现在是基于大量的影像数据。但是，真正对于预后、对于综合的判断，其他类型的数据也非常重要。例如基因数据、病理数据以及临床数据，需要把多种数据进行融合。将这些多源、多模态的数据融合起来，对临床、预后判定以及治疗方案的指导都能发挥实质性的作用。AI，现在发挥更多的是锦上添花的作用，如何在临床上发挥更加重要的作用，可能还要将其进行全面的调整、融合。这些都离不开多学科的交叉，以临床的需求为最大的目标来融合多学科的力量。如果大家在一个创新链上往前推动，将会有更多的有影响力的、医生爱用的、临床的AI成果落地，并且创造价值。严福华：郑海荣教授给我们提出了三个好的思路。刚才提到的联影智能的天眼CT，我们对此深有感触。原来进行CT扫描需要两个技术员，一个摆位、一个操作。但是，有了天眼技术之后，我们只需要一个人，通过远程操控就能够给病人精确定位，不需要跟病人接触，后来根据我们的经验也写成了一篇文章，我觉得这个问题是临床应用中非常重要的一点。第二点，让我们深受启发的就是多学科的融合。作为临床一线的工作人员，我们每天有很多任务是参加多学科会诊。在AI的研究方面，我们是不是也能很好地利用多学科的优势，把多模态的信息进行融合，在诊断之外进行疗效评估、预后预测，指导临床治疗，基于AI的手段让影像学发挥更大的作用和优势。接下来，我想请教卢光明教授，从科学研究的方向来讲，您对人工智能有什么样的期许？卢光明：谢谢严主任。刚才几位专家都讲到，从病变发现、早期诊断、分类分期、预后评估、疗效评估以及在疗效预测等方面都有很重要的价值。目前，很多AI成果都发表在顶级期刊上，敏感性、特异性都达到95%以上，但是我们却没法用。假如这些文章有医生参与，结果绝对没那么高，因为工程人员只用算法求结果。举个例子，我有一个哈工大的博士后，基于300多个病例进行肺结节的良恶性鉴别，敏感性、特异性已做到90%多，AUC值在0.94。但是，把病例数据量增加后，指标就难以提高。所以，单纯的工科生可能只追求一个好的结果，而医生要考虑落地应用。现在有一些应用确实很好，例如肺结节的检测，可以减少漏诊。心血管系统也存在类似的问题，例如我们在看冠状动脉时，利用AI的方法可以达到年轻医生的诊断效果——不但可以看狭窄程度，而且可以看斑块的性质。斑块的性质和狭窄结合起来，对病人的预后或者选择治疗方案，都很有价值。我们还可以将其跟血流储备分数FFR结合起来，现在做一次有创的FFR花费很贵，而且病人的意愿也不高。前天，科技部评审该项目里是用OCT来做FFR，我们也做过把CT和FFR结合起来进行的项目：如果狭窄程度大于70%，建议病人做一个DSA治疗。而结合FFR之后，值大于0.8，病人就不需要做，因为发生风险的可能性很小。所以，这种方法对于减少DSA检查是有好处的。此外，对于要不要做血溶重建，以及预测恶性的心肌事件都很有价值。另一方面，我们还可以根据计算血流的动力学和其他因素结合来进行。目前，我们仍然需要机器的协助来完成一些事。但是，要针对其中不同的场景，例如在基层边远地区，是需要将诊断的特异性提高，还是将敏感性提高，相关的曲线是可以调整的。因此，针对不同的场景，人工智能有不同的应用价值。我相信，人工智能不仅能够帮助我们减轻工作压力，解决一些临床问题，今后还能够结合临床的数据，像年轻医生一样主动学习以及自主反馈，AI将会有非常美好的未来。严福华：谢谢卢光明教授。实际上，不仅有科学家、工程师做算法，如何让医生参与，让AI更加贴近临床实际就显得非常重要。刚才卢教授讲得非常重要，我们国家的医疗水平发展非常不平衡，有些地区经验丰富的医生也很少，在这样的情况下，AI会发挥其重要的作用，像一两毫米的肺结节都能被AI发现，所以不会有病灶的漏诊。但是，定性还要结合医生的经验对其进一步的判断。另外，AI如何真正帮助改善我们的诊疗流程，以及能否让病人获益。以前病人可能要做很多不同的检查，以决定病人需要进行什么样的检查和治疗。有了AI助力以后，特别是卢教授刚才讲的冠脉方面的问题，我们不仅要看形态学，还要结合血流动力、功能学的改变、使得信息更加全面，这样才是真正地为病人服务，让患者受益。所以，我觉得，在这个方面还有很多的科研的思路和项目可以进一步挖掘。接下来，我想请教梁长虹教授，您觉得，目前人工智能在影像数据深度挖掘当中的价值和创新有哪些？梁长虹：谢谢严福华教授！首先，什么叫做深度的数据挖掘，这件事情本身就让我有点迷茫。但是从人工智能、从放射科医生的角度来看，医学影像本身就是循证医学中非常重要的证据。那么，借助人工智能技术，把重要证据用好，我们就可以得到非常多的帮助。第二，深度的数据挖掘可以让AI技术在医学影像的全链条上发挥作用。国内有一家医院做了一个非常好的研究，患者进到医院，通过照相就能预测出是否有冠心病，也就是大家可能想象不到的用科学“看相”。对于医学影像AI，大家都怀着无比希望的心情。但是，往往是理想很丰满、现实很骨感。有一次，我引用过一篇文章，文章当年就对人工智能给予无限的希望。但是，受制于算法、算力，最终没有得以实现。现阶段而言，算法、算力的进步，已经可以让AI实现很多东西。但正如前几位专家所说的，很多问题还没有完全得到解决，我们还没有得到一个很完善的工具。比如看胸片，难道只是看到一个肺结节就ok了吗？肯定是不可以的。分享一些个人想法：我们希望提高医疗数据的质量，实现“小数据、大任务”。我们现在实现的是“大数据、小任务”；在创新方面，除了多模态的数据，还要有多模态的专家；最为重要的一点，是真正在算法上实现创新。我们医院和田捷教授、郑海荣教授以及华南理工大学的工科团队和其他的工科团队进行了合作。目前，除了影像数据的分析外，还涵盖了病理科。香港中文大学也跟着我们进行科研，把基因信息的挖掘跟影像结合起来。到目前为止，在我们的科研经费里，大概用了1000多万进行影像基因的测序。因此，不能是做医学影像的人，就只用影像数据来挖掘，还要将临床医生的观察、基因信息以及病理等多维的信息综合起来。围绕临床需求，才可能在未来解决更多的问题。不光是Deep Learning的算法，还要提出一个Chinese的算法，这样才能够真正解决我们的问题。严福华：虽然算法算力提高了，但是什么时候能出现中国独立自知识产权的算法，将来更加助力医生在AI的研究道路上越走越顺。另外，梁教授又特别强调了多维度的融合，让不同的人在一起工作，才能够使得研究具有高水平，同时真正的符合临床的需求。最后一个问题，想请教一下洪楠教授，在AI影像结构报告的方面，有没有什么经验可以分享。在实际工作当中，AI对于放射科的工作带来了哪些价值？洪楠：谢谢严福华教授。人工智能能否帮助我们做结构化报告，答案是肯定的。但是，在现阶段肯定还是有一些限制。放射科的工作实际上是一个流水线，从患者进科室、进行检查再到后处理和读片，最后才能得出一份完整的报告。怎么出更好的报告？还需要结合临床。到目前为止，对于人工智能而言，无论是看肺结节、冠脉还是看其他器官，都只是进行图像识别，没有完整地把病人的检验、病史以及其他的指标考虑进来。所以，AI得出的报告是不完整的。如果数据不完整、不规范，人工智能得出的报告也一定是不可信的。回到结构化报告，实际上，我们科室里尝试了很多工作。为什么要做结构化报告？因为常规的报告有优缺点。常规报告的优点是上手快，缺点是书写过于随意，缺乏对整体思路的引导。因此，我们探索结构化报告有将近10年的时间，成功的和不成功的案例都有。成功之处在于对一些比较简单、单一的器官，比如乳腺、前列腺甚至结直肠癌，都得出了内科、外科公认的结构化报告。而缺点在于如何实现复杂器官、复杂部位的结构化报告，尤其是在出现疫情以后不做平片，只做CT。那么，CT可能不仅仅看出肺结节和肺炎，还可能是对颈、胸、腹、盆的连扫。这种情况下，我们怎么能够出结构化报告，我觉得很难实现各地的统一。对我们来说，首先必须要掌握临床的需求，包括我们是不是真的需要结构化报告，如果真的需要，该怎么做？是按部位、按区域、按地区来做，或者是儿童医院、肿瘤医院以及综合医院。目前，我们觉得按照各地的需要来做，更贴近现实。那么，人工智能对我们工作有没有影响，答案也是肯定的。我们科现在的主要工作就是把几家AI公司的产品整合到信息系统里，主要是看肺结节，这样每个病人做完之后都可以处理一些数据。使用的结果是，我们的一线大夫非常喜爱用结节筛查工具，因为不用再看片子了。只要是经过AI处理之后，他接受并提交报告就完成了工作。但是，对于二线大夫，因为全部是二线的分析，可能以前看一遍就够了，现在可能看两遍、三遍甚至需要花费更多时间，一线和二线大夫的感官不一样。那么，带来的问题是，有了AI之后，一线大夫都不看片子了，那么不会读片了该怎么办？对于这个问题，可能不仅仅在国内有这，国外也一定存在。所以，去年在北美发展年会上的一个专场，就是人工智能如何改变我们的继续教育培训。对于这个问题，需要我们的厂商以及几位学者，考虑今后怎么能够把AI用得更好。刚才我主持了一个讲座，讲者是冯晓源校长。我觉得他讲得非常好，题目是人工智能和人类智慧的关系，他的结论是应当相辅相成。我认为，人工智能应当不给我们麻烦，我们也希望利用人工智能做一些目前不愿意做甚至不能做的工作，使我们从常规的图像识别里摆脱出来，利用时间完成一些创新性的工作，多走出放射科，多进入临床，与病人和医生沟通。这样，才能使我们放射科的工作变得不可或缺、不可替代，使我们立于不败之地。雷锋网
