AI在医学影像中的发展现状与展望

1、AI 在医学影像中发展现实状况与展望1 涂仕奎 , 杨杰 , 连勇等 . 关于智能医疗研究与发展思索 J. 科学 ,69(3):9-11.2 王媛媛 , 周涛 , 吴翠颖 . 深度学习及其在医学图像分析中应用研究 J. 电视技术 ,40(10):118-126. 3李雅琪 AI 医疗:变革下一个风口 赛迪智库电子信息产业研究所4金子日 人工智能在医学影像分析中应用 北京市第八中学 ，北京 第1页人工智能发展介绍人工智能（artificial intelligence）概念在 1956 年首次被提出来，是一门包含计算机科学、数学等各种学科在内新技术科学，其研究开发用于模拟、延伸和扩展人智能理论、

2、方法、技术及应用系统 。伴随影像成像技术和计算机技术进步，二者有机结合，促使人工智能在各种影像任务如风险评定、检测、诊疗、预后和治疗反应中潜在使用价值快速增加。深度学习技术快速发展，使图像识别人工智能技术在医疗领域得到了广泛认可和应用 。尤其是在医学图像辅助诊疗领域，计算机对图像识别准确率能够到达 90% 乃至靠近99%，所以人工智能医疗影像能够帮助处理当前医院影像科医生数量不足，漏诊、误诊率高，读片效率低、耗时长问题。第2页目录CONTENTS人工智能在医学影像中应用人工智能在医学影像中发展面临问题展望结论第3页人工智能在医学影像中应用第4页智能阅片智能放疗病理图像智能分析人工智能在医学影像

3、中应用0智能影像分析相关应用第5页人工智能在医学影像中应用早期肺癌智能筛查系统基于1.腾讯深度学习技术对数十万张肺部 CT 影像数据进行学习分析2.利用对肺部三维分割和重建算法3.能够处理不一样 CT 成像设备在不一样成像参数条件下产生不一样源数据。该分辨率多任务 3D 卷积神经网络算法能够实现早期肺结节检测，为医生发觉肺癌提供全方位辅助，从而提升医生诊疗效率和准确率。在这种情况下，早期肺癌智能筛查系统是降低肺癌死亡率主要伎俩。智能阅片早期肺癌智能筛查系统第6页人工智能在医学影像中应用智能放疗肿瘤放疗不便：在肿瘤治疗领域 ，放射治疗是治疗肿瘤主要方式之一。肿瘤放疗过程复杂 ，包含模确定位、计划

4、设计、计划验证、治疗实施等 ，其中勾画靶区是非常主要一环。这项工作主要有放疗师完成 ，但当前全国范围内放疗师十分缺乏 ，且放疗师都集中在大型三甲医院，从而造成患者都去大医院治疗。放射治疗是采取各类射线对肿瘤细胞进行处理 ，危害较大 ，需要对治疗区域进行准确勾画 ，预防对正常细胞造成危害 ，每次治疗前 ，放疗师都要对病人CT 图像进行手动标识，一个病人需要花费几个小时，工作效率较低。第7页人工智能在医学影像中应用03智能放疗人工智能带来便利：医疗人工智能企业都开始研发智能放疗系统 ，希望提升放疗师工作效率 ，缓解放疗师匮乏问题。连心医疗研发了一套肿瘤临床治疗系统，该系统使用基于医学影像大数据人工

5、智能算法 ，帮助放疗师进行肿瘤治疗靶区勾画 ，能够智能识别肿瘤以及周围器官 ，准确率超出 80%，在很大程度上提升了放疗师工作效率。当前这套系统已经在许多医疗机构进行试用。第8页人工智能在医学影像中应用08现阶段出现问题现阶段 ，我国病理医生严重短缺 ，注册病理医生只有 1.02 万 ，与要求每 100 张床配置 1 2名病理医生标准差距悬殊 ，病理医生缺口总数达 9 万人以上 ，当前病理医生只满足了 10% 医疗需求。病理医生巨大缺口就造成了现有病理医生工作强度较大。通常 ，病理医生花费时间较多任务是检验细胞病理切片 ，他们需要在上亿级像素病理图片中识别微小癌细胞 ，即使是有经验医生也会出现

6、误差。技术进步带来很大便捷伴随全切片图像数字化技术发展与应用使病理切片获取愈加方便 ，大量定量分析算法应运而生 ，所以 ，许多科技企业将人工智能技术如深度学习应用于病理数据分析 ，能够有效提升病理诊疗效率和准确率 ，能够说 ，人工智能在病理界应用前景十分巨大。比如武汉兰丁企业研发全自动数字 ( 远程 ) 病理细胞分析仪，该产品在数百万份已标注样本中学习怎样区分癌细胞与正常细胞 ，能够连续学习。相比传统依靠显微镜和肉眼诊疗方式 ，结果愈加客观、准确 ，效率也显著提升 ，最主要是诊疗过程是透明 ，可回溯 ，一旦出现错误诊疗能够快速查明原因。客观、准确、高效病理图像智能分析第9页人工智能在医学影像中

7、发展面临问题第10页人工智能在医学影像中发展面临问题人工智能在医学影像领域还需大力发展当前，国内医学影像领域人工智能绝大多数仅集中于单纯图像识别，缺乏医学数据积累和对影像汇报分析，人工智能还处于弱人工智能时代，AI 只是医生助手和工具，即使在健康领域已经有涉足，不过形成商业化应用还不多。第11页人工智能在医学影像中发展面临问题1.人工智能辅助诊疗法需要集成各种设备，需要搭建云平台，借助云平台大数据屡次分析来检验医学数据。2.一些医疗领域人工智能算法准确度还有待提升，需要计算机专业人士继续进行深入研究，提升算法准确度，到达可商业化水平。3.各种医疗健康数据标准不一，同时因为各种原因使得各单位、各

8、医院数据不能连接起来进行使用共享和分析。4.基于图像识别人工智能还未投入实际应用，除了算法本身问题，还需要相关人士对其产品目标用户、付费模式、关系渠道等不停探索和探寻，只有形成了可盈利商业模式，基于图像识别人工智能算法才能真正走到社会中，实现它价值。第12页展望第13页展望AI 技术发展推进医疗智能化智能医疗应用场景连续扩大争先布局打造智能医疗生态圈行业内投融资活动活跃第14页AI 技术发展推进医疗智能化1.数据方面，医疗行业数据量呈指数增加2.算力方面，海量数据并行运行能力不停提升3.算法方面，深度学习算法模型迭代快速智能医疗已渗透至医疗产业多个步骤。根据医疗产业产业链结构,将人工智能应用场

9、景划分为诊前预防、诊断治疗、药品研发以及医院管理四大类。产业发展潜力巨大,预计可达到千亿元级市场,可能成为 AI 技术与医疗行业深入结合未来新风口。医疗作为当下最为炙手可热人工智能技术应用领域之一,各类拥有些人工智能技术企业争相在医疗领域布局。包含腾讯觅影、阿里云ET和讯飞等企业等在医疗行业不一样领域都做出很多贡献。 与国外相比，近年来国内智能医疗投融资活动十分活跃。全部融资事件中,最具热度是药品研发、智能诊疗、医学影像、医用机器人。同时,国内人工智能医疗领域仍存在多重挑战。首先,高质量数据获取难。其次,我国 AI 医疗应用产品存在单一化、同质化问题。智能医疗应用场景连续扩大争先布局打造智能医疗生态圈行业内投融资活动活跃展望第15页结论第16页结论104030201影像科医生在未来社会发展中，看片子是基本医疗诊疗能力。应着重提升对影像背后大数据潜在知识挖掘能力，而且学会利用人工智能技术，站在科技时尚前端，成为新时代下影像信息学教授。我们有理由相信，在可预见未来，人类医生将不会被机器所取代，不过人工智能一定能够帮助医生在医学影像中一些功效领域做出更加好