目前，医学影像AI通过深度学习在图像分类和识别方面取得了重大进展，部分疾病诊断准确率超过了90%，AI已经成为医生的助手，改变了医学影像状态和工作方式，所以我们要去参与它。

医生感兴趣的AI领域为：腹部、心胸、骨关节、神经、头颈、乳腺、儿科。最多投入的就是肺结节以及肺部相关疾病，其次是脑出血，盆腔的主要是前列腺、直肠，骨关节主要围绕骨折和骨龄。

肺结节的模型比较靠谱，给了我们4点启示

1开放、完整、高质量数据库是至关重要的，肺结节全球开放数据库多，大家的学习机会多。

2从源头进行顶层设计，进行高质量的标注，在当下是很重要的。

3找到明确的临床需求和使用场景，每个产品到底是解决什么问题，一定要和医生磨合才行。

4进行大量训练和迭代，以便适合临床工作场景非常关键。

AI应用过程中的问题：

1、没有行业标准

2、AI与临床医生承担的法律责任划分

3、医生缺乏相应AI的知识

4、AI产品的可信度还达不到

AI产品涉及扫描、成像、筛查、随访、诊断、治疗及疗效评估等各个环节。

成像环节，目前基于全迭代的图像重建一个病人要半个小时或更久，临床难以接受。用深度学习的方法有望实现类似于全迭代重建的效果，而时间大大缩短，能解决优质图像的瓶颈问题，可能给图像质量的重建带来一个革命。

病变的检测环节，需要多任务学习。多病种的学习才符合我们的临床场景，对于肺里面的结节肿块、肺炎等等进行检测。另外还有骨折模型，胸部的肋骨骨折可能是急诊常常会出现漏诊的地方，基于深度学习的肋骨骨折模型显示了未来强大的应用潜力；有一些隐蔽的骨折，我们可以通过改变摄像的体位来进行证实。

对于基于CT的肺结节诊断模型，AI产品目前能够从发现结节（图1）、结节的排序、量化、随访，一直到提取一些结构化的信息或者是报告，甚至做一些危险度的建议（图2）。

图1：发现肺结节

图2：结节结构化信息和检出率

在诊断环节，也在进行着各种探索。只要有大量手术证实的病例，机器学习是有希望的，目前有部分公司的产品在闭环数据上已经显示了非常好的敏感度和特异度（分别达到95%和70%），这样差不多就达到了主治医生的水平，如果解决了泛化性问题，前途是美好的。

预测环节，AI可用于肿瘤预后、治疗效果、能否手术等等，比如哪种纯磨玻璃密度结节需要手术，能够真正判断出来的专家毕竟数量有限，作为普通的医生，怎么判断？外科医生怎么判断？如果有AI模型帮助他判断，这个结节可能是有风险的，那就可以帮助他来解决这个问题，减少误判。

在治疗环节，现在基于深度学习的图像重建，可以帮助医生重构更加直观的病变位置、形态以及信息，可以进行被切除部位残余正常器官组织的功能评价，可以进行年轻医生术前培训，可以进行术前模拟手术的导航以及路径训练，这些都是AI未来很有潜力的方面。

在放疗领域，当然可以在各个环节为放疗医生赋能，比如说通过深度学习推荐、自动勾画靶区等等。还可以进行评价，可以通过深度学习获得更加微观的信息，来提供诊断效果的评价。

AI怎么落地？是直接给病人收费，还是直接绑在硬件和软件上收费，还是直接作为诊疗费付费，还是人机互动的付费，还是多学科的付费？不管怎么说，只有找到了付费的方式，才有AI企业的未来，才会给我们整个行业带来繁荣。

未来AI产品可能会基于整个医疗流程的全数据形成模型，从而为病人提供更加精准的个性化诊治方案。我们影像科医生面临了一个大好的机遇，未来值得期待。AI将会带来我们影像科整个工作内容、工作效率、工作流程、工作方式的转变。

本文转载自其他网站，不代表大健康派观点和立场。如有内容和图片的著作权异议，请及时联系我们（邮箱：scarlet.s@djkpai.com）