刘士远：医学影像AI发展进入深水区以后的思考
在医疗人工智能应用论坛，上海长征医院影像医学与核医学学科的刘士远主任分享了其在医学影像AI发展进入深水区以后的思考。
刘士远从五个方面描述了医学影像AI的发展，首先是影像的需求，现在每月上海三甲医院预约都在两个礼拜以上，技术员可以轮班倒，机器让它不休息，但是做完以后没有这么多医生出报告，这可能是一个瓶颈问题，即使做完了也没有这么多人出报告，面对这样的压力，可能写报告都写的角膜脱落还是写不完，写不完会形成漏诊、误诊，所以面对临床影像当中中国医生的不足，AI是非常有需求的。我们现在人工智能的范围很大，从简单的机械臂到一个自动化，然后都可能归到智能的范围。刘主任提到，我们所说的人工智能是什么？所有的公司都做什么方面的人工智能？是哪个环节的人工智能，核心竞争力在哪里？提出医生选择合作伙伴的时候也要知道公司水平在哪里，核心竞争力在哪里。公司挖所谓的科学家的时候也要瞪大眼睛，现在AI所谓的算法科学家很多，但是人才奇缺，因为真正的科学家很少。
同时，刘士远强调了在医学影像AI领域，医生的重要性，所有的AI产品医生是终端用户，又是AI产品研发的启动者和源头源头，需要解决什么问题是医生说，然后数据在医生手里，基于深度学习的核心是标注的数据，这个标注在医生手里，如果标注不靠谱后面都是零。他提到，我们还要来建一些相关的标准，行业的标准，一些产品的标准，起到引领的作用，培育的作用，好不好用要反馈，比如说现在一些AI产品在临床上，是不是愿意用，反馈，然后便于AI公司不断地完善。AI是一个好东西，医生要拥抱它，宣传它，引领它，只有这样大家一起努力，才能让AI在一个好的环境里面像新生儿一样越长越壮，将来能够孝敬我们。
第二个方面，刘士远说到了我们需要什么样医疗影像AI产品。首先它要符合临床使用的场景，其次在这个产品做好了以后，一定要使用方便，要有一个很好的人机交互的界面，才能够让大家愿意去用。核心的是你这个产品要有很好的敏感性和特异度，不能漏诊。总的来说，这个产品要以检查部位和检查目的作出终端解决方案，要像现在影像科出报告一样，有一些描写，有一些诊断，有一些建议，多器官多任务的输出形式还是有前途的。
目前关于影像的AI产品，最接近临床的就是肺结节的检测，肺结节的鉴别速度有所提升，效果不错，其他的比如说脑卒中，骨头方面做的比较多的骨折，还有一些针对冠脉、乳腺，背景相对单一简单的来做AI产品，这个方向是对的，先从简单的开始解决。比如说脑出血，脑卒中的自动识别以及检测、量化，相关产品已经上线，实际情况中两次脑出血的量在肉眼看差别不大，但是AI能够准确的分析出量的变化，这对临床也具备指导意义，比如出血是活动性的，还是已经稳定，是不是需要进一步治疗，它是非常有作用的。
第三个方面，刘士远指出国内虽然数据很多，但是获得来源不畅，没有合法的渠道。另外是行业标准缺乏，比如脑出血图像的辨识是需要大家达成一致的认识，他表示，如何描述术语，一定要量化统一认识。为什么大家不愿意贡献数据，是因为尚未真正让数据可溯源，成为供给者的贡献，包括数据的伦理问题，这都需要相应部门立法，包括上海市卫生和健康发展研究中心，出台若干管理法规。
第四个方面，刘士远指出了图像标注存在的问题，其一是对图像的认识不统一，比如肺结节区分为磨玻璃结节和实性结节，尤其是小的结节，乍看像磨玻璃结节，实际上是实性结节，需要考虑到结节大小，位置，具体怎样判断，都需需要专家讨论确立。另外结节边界是否清楚，其边界是否一样，可能导致标出来的结果不一样。其二是标注的方法，区域标注法和紧密包裹法标注差别很大，其中血管的改变会影响性质判断，所以不同标注方法会影响输出结果。其三是量化的方法，大小的测量通用测平均直径、测体积等方法，我们需要有共识，有定义地规范方法的使用。
第五个方面是产品检验环节，此处医生是比较被动的。首先要了解生产过程，只有医生参与更多、了解更多，才能有发言权，另外模型的效果还是需要第三方公认机构检测。刘士远提到，通过构建肺结节模型，目前已经建立一套标准数据库建设的模式，未来对其他疾病模型的标准构建可以参照这个模式进行。
-
焦点事件
-
科技前沿
-
精英视角
-
精英视角
-
焦点事件
-
焦点事件
-
精英视角
-
精英视角
-
项目成果
