近年来，影像学发展日新月异，分子影像学、磁共振、介入等先进技术极大提高了疾病的治疗效果，延长了患者的生命，改善了患者的生存质量，为放射学的发展带来了新机遇。面对不断变化的医疗环境和日益增长的医疗需求，于放射学领域从业者而言，影像诊断是核心基础！医学精准，影像先行；影像精准，技术先行。2019年欧洲放射学年会（ECR 2019）在理论的争鸣、创新的狂欢与科技的交融中闭幕，但人工智能技术革新在放射学中应用的热议并未戛然而止，且渐呈鼎沸之势。
ECR 2019大会主席Prof. Lorenzo E. Derchi在开幕式中强调了人工智能在放射科医生日常工作中的作用与影响、人工智能技术在患者护理中的运用、人工智能与放射学研究者角色的关系等人工智能在放射科学中的应用所引发的争鸣。
医学成像3.0以价值为基础，以病人为中心，聚焦于结果，注重于咨询、集成、责任，影像医生全方位负责成像工作。而“以患者为中心”亦是医疗器械未来的发展方向。从整体趋势来看，一方面医疗器械厂商们尝试通过人工智能技术对设备成像进行加速，以降低造影剂使用、提升成像速度，另一方面将人工智能技术应用影像分析之中，用算法分割影像，减少医生的工作量并尽可能获取更多有用信息。目前，影像AI已在医学影像领域疾病筛查、病灶勾画、脏器三维成像三类应用方向取得重大突破，并已覆盖乳腺癌、心血管、皮肤癌、肺结节等许多病种。
作为欧洲放射学领导者之一，巴塞罗那医院临床诊断影像学系主任、巴塞罗那大学放射学教授Luis Donoso Bach表示，放射学不仅仅是辅助诊断，以拉近与患者之间的距离。放射科医生也必须超越检测病变和解释图像的范畴，因为机器已经比人类更好地完成了这些任务。简言之，放射科医生必须不仅仅是放射科医生，还要成为“影像信息方面的专家”。随着CT、MR和介入放射学等技术的引入，放射科医生的角色需要从在医疗服务中的边缘地位移向中心，而人工智能的发展则凸显或倒逼这种必要的转变。“我们可以帮助检验人工智能应用。人工智能是通过成像穿透医学，所以我们处于有利地位。我们必须拥抱技术，帮助开发和实现人工智能工具，因为这是在验证阶段。医生，尤其是我们放射科医生，是非常必要的。”Luis Donoso Bach教授说。
但是，放射科医生、相关企业目前研究的“狭义人工智能”，大多是用简单的算法来完成简单的任务，机器需要放射科医生辅助来学习如何执行任务。那么，医学影像+人工智能未来将何去何从？人工放射科还是智能放射科、市场采用障碍能否克服、人工智能与混合成像（HI）的结合能否解决现有问题等一系列问题引人深思。
通过分子影像学在体无创、定量分析实现无创精准定位，全面量化评估肿瘤的异质性是肿瘤异质性检测的发展趋势。瑞士核医学医师、放射学家和物理学家Antoine Leimgruber表示，肿瘤学可能比其他任何领域都更需要通过放射组学、蛋白质组学、基因组学、病理学、治疗和放射治疗来整合成像数据，从而向个性化医学发展。放射学可以帮助放射科医生和核医生获得最大限度的疾病信息。但是，目前分子影像学评估肿瘤异质性存在分辨率偏低、灵敏度有限、信噪比比较低，人工勾画靶区（ROI）存在主观性，评估参数较多尚无统一标准等问题。
不容忽视的是，目前的AI产品大多是单病种图像标注形成的模型，尚没有完全符合临床使用场景的产品；产品多集中于少数几个病种，没有解决全部医学影像问题；产品多集中在图像识别和鉴别，没有覆盖临床工作全流程；产品鲁棒性有待提高。因此，质控和标准的制定与执行迫在眉睫。比如，形成用于深度学习AI研发数据库的相关标准或共识；形成训练数据图像标注方法共识，建立相关队伍；形成AI产品检验标准，明确AI类产品临床验证路径；形成AI产品伦理规范（数据伦理、产品伦理、使用伦理），探索AI产品临床落地方式……一个可靠的开端是，人工智能有望以尽可能自动化的方式，从可复制协议中提取的简单而标准化的数据集成到医院工作流中，以便人们实际使用或访问数据。“否则，‘垃圾进垃圾出’也会影响到放射学，这对任何人都没有好处。”Antoine Leimgruber总结道。
2019年，或是医疗人工智能大发展、大进步的年岁。诺贝尔物理学奖获得者乔治•斯穆特教授曾表示：“人工智能极大得改变了我们的生活，无论是罕见病的诊断，还是慢病的日常监测，人工智能在医学领域的发展不可限量。”
|
