- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
- · 《影像研究与医学应用》[05/29]
一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。 二、投稿方式： 1、 请使用电子邮件方式投递稿件。 2、 编译的稿件，请注明出处并附带原文。 3、 请按稿件内容投递到相关编辑信箱 三、稿件著作权： 1、 投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、 投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
除了影像诊断，医学影像AI还有这些“未来畅想”
作者:网站采编关键词:
摘要：从2016年到现在，医学影像人工智能在将近4年的时间里发展迅速。早在2016年至2017年期间，影像AI产品主要集中的病种有糖网和肺结节，2018年逐渐扩大病种范围，包括骨龄、乳腺、脑出血
从2016年到现在，医学影像人工智能在将近4年的时间里发展迅速。早在2016年至2017年期间，影像AI产品主要集中的病种有糖网和肺结节，2018年逐渐扩大病种范围，包括骨龄、乳腺、脑出血、骨折等等。去年一些AI公司和医院也进行了临床验证、寻求多病种模型的研发和应用。
2020年上半年已经有三四家企业获得了三类医疗器械注册证。随着卫健委对智能化医疗机构、智能化医院认证的开展，相信未来智慧医院、智慧科室的概念会深入人心，而且会真正实现智慧医院的全流程改造，这应该是不远的愿景。
中国的创业公司很多，涉及AI的医学影像初创公司将近70家，公司发展百花齐放，也良莠不齐。目前，有几家公司已获得CFDA三类证，比如针对脑肿瘤、冠脉FFR和眼底疾病等AI产品，多数公司产品已有二类证，有的还拿到了FDA和欧盟CE认证。
随着产品种类的丰富化，逐渐贴近于医生想要的临床场景，医院里面的医生和患者也越来越以积极的态度接受和使用AI。纵观整个资本圈或者人工智能圈，医学影像AI产品仍是关注热点。同时，各个公司在商业环节正积极探寻落地方式，部分地方政府进行了有效的落地探索。
诊断性产品是现阶段医学影像AI产品的主流
医学影像AI产品有些已经在临床常规工作中广泛使用，甚至一线医生对AI产品产生了依赖性。
以肺结节为例，2017年上海长征医院放射科一线医生使用肺结节AI模型的月点击率大概50%左右，2018年为60-70%。疫情期间虽处于停滞状态，但在2020年3月份恢复工作后，其使用率快速恢复到80%以上。由此可得见，肺结节AI产品有着不错的临床使用效果，医生和AI工具的结合基本上可以达到不漏诊，尤其是对于6毫米以下的小结节。
现阶段，诊断性产品在AI产品的研发热度上位居首位，主要是影像诊断、病理诊断等。其次是临床决策、数据管理、挖掘及手术方案的制定。
放眼未来5-10年，临床治疗的决策、方案制定可能会跃居第一位，诊断会降至第二位，紧跟其后的是疾病预防、康复护理以及大健康等产业。未来AI产品，要以患者为核心，多模态的数据为学习材料。基于深度学习融合的多种算法，争取覆盖医疗全流程、全病种各个环节，未来产品不会是单一形态，组合形态或者整体解决方案将会成为常态，也会在早期筛查、诊断、治疗决策、预后管理上面发挥越来越大的作用。
医学影像AI在未来会呈现多种发展趋势
第一，向产品多样化发展。
从产品分类上来看，目前，57家初创企业中，从事影像诊断的占77%，搭建云平台的只有7%，其它病例诊断、放疗、手术辅助等占5%，这些大部分都集中在影像诊断大分类上，总体而言太为拥挤。
从病种来看，主要集中在肺部、眼部、心血管，在病种上泛化不够。从产品的分类到病种上都需要进一步向多样化发展、扩大覆盖面。
第二，加深产品功能垂直深度。
以肺结节为例，理想模型不仅要检出病灶，还要实现图像的分割、量化、定性、随访等信息，最后出具结构化报告。在整个影像工作流程呈现全链条、全栈式的深度解决方案。
从冠脉的解决方案看，产品不仅包括图像处理功能，还包含疾病诊断和结构化报告，如果结构化报告符合质控要求，才能真正解决临床工作中的影像痛点。
第三，单部位向多部位发展或者单病种向多病种多任务模型发展。
临床影像检查是基于部位申请和实施的，一个部位包括多个器官，一个器官包括多种疾病。倘若影像AI临床上只能检测出单一器官里面的某一种疾病是远远不够的。
比如肺部不仅有肺结节，还有间质性增生、肺炎等等各种病变，肺的AI模型就需要检出肺部的各种病变。一个病人去做胸部CT，不可能只针对肺组织，还要看心血管系统、纵隔、胸壁、横隔等，这些解剖部位的疾病也都要能够检出，这样才能满足临床的需求。基于部位的多病种、多任务模型，是未来临床场景的发展方向。
第四，软硬一体化是未来的发展趋势。
AI作为深度学习的模型，对于普通消费者来说不易感知，需要借助载体看到产品的形态。
AI算法与硬件融合，可以提升智能密度，降低50%-80%建设投入；而软件功能的有效释放则需要硬件、硬件系统架构支撑及人机交互界面，从而使得AI产品能够最为有效的满足病人的治疗需求和医生的诊断需求。
第五，基于互联网，实现优质医疗资源下沉。
互联网医疗辅以AI产品，能够通过互联网落地到基层，以此提升基层的诊断水平，实现大医院优质医疗资源的下沉和分级诊疗。
文章来源：《影像研究与医学应用》 网址: http://www.yxyjyyxyy.cn/zonghexinwen/2020/0904/482.html