人工智能給醫療影像帶來了新一輪的變革，通過模仿人腦神經元網絡構建數字模型，以及海量數據作為訓練素材，人工智能在解決了算法復雜、運算要求高的瓶頸后，終于與醫療影像逐步結合，深度學習在醫療影像分析領域開始沉淀。
人工智能在影像識別等方面的應用頗多，而且多是以技術為導向的公司在進行研究。東軟醫療推出影像云和人工智能在醫療行業的應用方案,飛利浦推出遠程醫療影像解決方案“神飛云”中國智慧醫療云平臺, 同時，新華醫療、GE、西門子、聯影、邁瑞醫療、魚躍醫療、三星等行業大咖也紛紛推出多款智慧醫療產品。
2018年7月8日，騰訊旗下AI醫學解決方案“騰訊覓影”發布結直腸腫瘤篩查AI系統，利用人工智能技術輔助臨床醫生實時發現結直腸息肉，并實現實時鑒別息肉性質。
“騰訊覓影” 結直腸腫瘤篩查AI系統，利用圖像識別、深度學習等人工智能技術，與消化內鏡結合，實現了輔助臨床醫生實時發現結直腸息肉，并實時鑒別息肉性質，以每秒分析10張影像的速度，為臨床醫生提供非腺瘤息肉、腺瘤息肉、腺癌等狀態的實時提醒，輔助臨床醫生更準確、更高效地診斷結直腸腫瘤。
其實，這是“騰訊覓影”發布的第二個解決方案，2017年8月“騰訊覓影”發布了早期食管癌篩查AI系統。此外，作為在智能語音領域獨樹一幟的科大訊飛在影像輔助診療領域也有布局，訊飛目前在肺部CT、乳腺鉬靶上都做出了實際應用的產品。還有，其人工智能輔助診療中心接入了安徽全省40多家醫院，能夠實時反饋醫生提交的影像診斷需求，在1秒內給出結果。
雖然人工智能更新迭代迅速，業界也推出了多款產品，但醫學影像分析作為一個龐大的工程問題，很多工作都得一步步進行，尤其像醫療這種數據形態和特征較為復雜的行業，它在人工智能鋪助診斷上面臨的難題，也是一個接一個，且彼此之間密切相關。
因此，符合臨床場景、可以大規模落地應用的產品還有待開發。原因主要有幾個方面，首先訓練數據集質量參差不齊，或來源于公開數據集，標注質量欠佳，或來源個別醫院影像數據，缺乏多樣性、普遍性。第二方面，缺乏科學系統的臨床驗證技術、方法及標準;第三方面，相關知識產權歸屬不明晰;最后，缺乏相應安全、隱私及倫理規范等諸多問題。
面對難題，只有上下游通力合作,加強醫工合作,才能形成創新和突破。海軍軍醫大學長征醫院影像醫學與核醫學科主任，教授、博士生導師，上海市領軍人才劉士遠，從事醫學影像診斷工作30余年，擅長胸部疾病特別是肺癌的影像學診斷，獲國家自然基金重點項目、國家科技部重大國際合作項目等資助，發表論文300余篇，獲省部級二等以上獎項6項，主編副主編專著與教材十余部，在醫療影像領域有深厚的理論和實踐經驗。同時，劉士遠教授時刻關注并思考人工智能與醫療影像的深度融合議題。
京公網安備 11010502049343號