人工智能是当前信息技术领域最重要的革命性技术之一，在医疗界的发展与推广也是日渐受到重视，尤其是在医学影像领域。我国是全球最积极推动AI研发和应用的国家之一。近日《中国医学影像人工智能发展报告（2021-2022）》发布，该报告涵盖了全国34个省市、自治区三级医院到民营医院等多机构。调查显示中国人工智能影像产品保有量持续增长，三级医院现有AI产品应用情况已达73.9%，AI病灶自动检出被认为是临床最具价值的功能。报告同时指出，实际可用产品有限、不能很好嵌入现有流程、产品性能不可靠是医学影像AI产品的三大主要矛盾。鉴于此，本次采访了人工智能医学影像专家朱文丰医师，以期打开研发应用思路走出现有局面。

惠州市中心人民医院放射科朱文丰医师，高级人工智能工程师、知名医疗机构影像组学专家指导，中国医师协会专业会员，中国计算机学会专业会员，曾发表高质量国家级期刊十数篇，独立拥有人工智能医学影像软著专利15项，并获得科学技术进步奖。从事医学影像分析与生物特征识别的研究工作，尤其精于人工智能医学影像辅助诊疗应用。

医学影像科是医疗诊疗中重要的一环，会直接影响了医院整体的诊疗质量。医学影像学也是从现代文明中受益最多的学科之一，同时它也带动了很多临床亚专科的发展，比如血管外科、神经外科等。朱文丰深刻了解学科的重要性，因此他充分结合长期在放射科诊断的大量经验，专研各类病理学知识，在心血管影像、肿瘤影像等方面深入研究，尤其是在肝血管瘤、冠状动脉起源、肠系膜肿瘤、宫颈癌、骨关节病变等诊断识别方面获得成果，并获得科学技术进步奖的认可，也在影像特征识别与病理学上打下坚实基础。

朱文丰也同时意识到如果只靠目前依赖厂家研发医学影像技术是难以获得进一步提升，尤其是在目前来看特异度不高的病症上，发生误诊漏诊，也难以实现重病早发现的目标。幸而得益于人工智能算法的发展，朱医师开始主动在医工交叉的人工智能医学影像领域进行探索研究。

朱医师深谙医学影像当前现状，他总结了以下几大特点：

1）医疗影像工作严重饱和，不可避免漏诊误诊。

我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，医师超负荷运行，医疗影像工作处于极为饱和的情况。很多患者，特别是涉及心脑血管和肿瘤的，CT检查图像基本都有几千张图像，医师需要逐张检查需要花费很长时间，也很难实现结合多类型医疗影像进行联合诊疗。这样就很容易发生漏诊误诊的情况。

2）单靠目前影像检测也很难诊断某些病症。

正如前文提到的，在一些特异度不高的情况下，病症在影像学的表现是极为相似的，进一步验证需要采取有创手术或穿刺进行病理研究，又或者某些病症不适合取样，都会极大影响治疗决策。

3）依赖医生经验，影响诊断。

放射科医师培养需要依赖大量的经验，而医学影像工作极为饱和的情况，很难实现双重审查，尤其基层医师解读经验不足，都会影像诊断效果。

“中国影像数据庞大，是威胁更是机会。”朱医师通过数年人工智能算法研究后深有感慨，“得益于医学影像数据量庞大，并采用全球统一的DICOM标准存储，医学影像领域具备运用人工智能进行突破发展的优质条件。”

通过机器学习等人工智能算法与病理学的庞大数据库基础，目前已经可以实现了多部位的高效的处理和分析，快速给出辅助判断结果，并给出定量数据分析，降低筛检中的漏诊率。朱医师更是利用了自身在冠脉与肿瘤上的影像学基础，独立研发了多组基于人工智能冠脉、肿瘤辅助识别、风险预测软件，大量应用反馈软件准确率高，稳定性好，拓宽了医疗影像诊断的作用时间线，为慢病重病早筛早预防发挥了重要作用。

随着人工智能算法的不断迭代，深度学习等算法的运用成为攻陷医疗影像诊断难题的机会。相较深度学习，机器学习通过人工定义特征的图像特征，构建分类器进行预测，有较强的可解释性，但灵活性较低、依赖专业知识，在有庞大病理学数据库基础上能解决很多专业不足的问题；而深度学习是通过运用计算机来定义提取特征，对难以提取特征的病症尤为合适。

“总体而言，研究的方法就是从解决不了的临床问题出发，灵活利用人工智能算法的特性结合大数据，最终回到解决临床问题上来。”朱医生总结道。医师诊断需要通过图像呈现，人眼对结构进行判断，遇到数据量大、信息复杂的情况，医师没法处理更没有办法得出结论；而AI通过高通量的处理对高纬信息进行提取建模处理，从而能实现对病症的精准诊疗，从信息获取、信息处理模式、信息处理能力上都是远超传统模式，这是以往医学影像诊断远远达不到的效果。

Tags：影像(46)诊断(14)医师(4)医学影像(1)

转载请标注：信息网——朱文丰：人工智能为医学影像诊断打开全新局面