AI应用在医学影像上的优势和痛点解析

人工智能发展至今，技术上不断取得突破，寻找落地应用场景成为AI企业的头等大事。近年来，随着国家对医学影像行业发展的支持，“AI+医学影像”成为一种全新的领域，有着非常广阔的前景。

医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程，它包含以下两个研究方向：医学成像系统和医学图像处理。

医学成像系统是对图像行成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；医学图像处理是指对已经获得的图像作进一步的处理。

医学影像学的发展，使医生对图像的调阅、图像质量的控制等有了更大的主动性，它使得医生工作的关键模式发生了改变。

其一，它能满足科室的需要，简化科室的管理，可以减少医生的劳动强度，并保留病人原始就诊数据；其二，它能对医生的科研、教学都有很大的帮助；其三，它可以解决未来可能发生的法律纠纷。

医学影像产业主要分为两个部分，一是影像设备，包括零部件厂商、整机厂商、软件，二是影像诊疗，包括医生、影像中心、影像耗材、远程诊断服务等。

目前我国医学影像行业面临两大痛点，第一是医学影像医生缺口大，误诊率高、效率低，服务模式亟待创新；第二是医学影像分析工作繁琐重复，极度消耗精力。

信息技术发展促进了医学影像和教学科研工作的开展，它和生物技术、基因工程以及医学工程的结合，会加速新技术的更新。人工智能技术的发展为解决当前中国医学影像面临的难题提供了一种新思路，“AI+医学影像”被认为这个领域的“救命稻草”。

为什么医学影像的发展离不开AI技术？因为医疗数据中有大部分来自于医学影像，医学影像数据仍在逐年增长，但影像科医生的增长速度和工作效率不足以应对这样的增长趋势，这将给医生带来巨大的压力。目前医学影像数据大部分仍然需要人工分析，最明显的缺陷就是不精准，依靠经验所做的判断容易造成误诊。

除了医学影像对AI的潜在需求，国家政策高度支持医学影像行业及“AI+医疗”的发展，医学影像在医疗 AI 领域技术成熟度最高，也有望最先实现商业化。

在“AI+医学影像”实现商业化之前，需解决这些难题才能大面积应用。算法、算力和数据被认为是人工智能的三大核心要素，数据量的增长、运算力的提升和深度学习算法的优化将带来人工智能效率的持续提升。

目前医学影像领域算法快速突破，算力持续增长，如何获取足够丰富且高质量的医疗影像数据成为提升诊断准确度的最关键因素。2018年8月31日詹松华教授将在OFweek（第二届）人工智能产业大会——AI+医疗论坛上分享自己的主题演讲《人工智能在医学影像应用的困难与挑战》，深入探讨人工智能在医学影像领域的重大挑战及对策，以及自己在人工智能应用于医疗影像方面的最新研究和思考。

AI正在逐渐超越影像科医师的眼力极限，更快、更准地提供诊断报告，但是人工智能在临床实际应用却为数不多。詹松华教授认为不是影像科医师的主观拒绝，而是目前的AI水平确实不高，在实际应用中存在很多缺陷，造成推广困难。AI工程师需要倾听临床的声音，解决假阳性和假阴性的问题，开发更多的实用软件，软件更加人性化、更多的投入，而不是超越实际的宣传，要与放射科医师一道，共同提高影像检查的图像和诊断的质量。