0
| 本文作者： 任平 | 2021-11-15 10:22 |
人工智能在醫(yī)療領(lǐng)域的應用日趨成熟，特別是在醫(yī)學影像領(lǐng)域，多款人工智能產(chǎn)品已通過國家認證，并在國內(nèi)上百家醫(yī)院順利投入使用，AI加持下的醫(yī)學影像學，在預防、診斷、治療及預后評估的質(zhì)量和效率上都有了質(zhì)的提升。
近日，北京和睦家醫(yī)院在北京召開“和睦智能影像論壇”，本次大會由中國非公立醫(yī)療機構(gòu)協(xié)會、和睦家醫(yī)療主辦，雷鋒網(wǎng)作為首席戰(zhàn)略合作媒體進行報道。二十多位國內(nèi)頂級的臨床專家、教授以及國際知名的醫(yī)學AI應用研發(fā)團隊，共同聚焦、探討人工智能影像的臨床應用及科研進展，分享工作經(jīng)驗與研究心得。
新風醫(yī)療首席執(zhí)行官、和睦家醫(yī)療創(chuàng)始人Roberta Lipson用一段中文進行了致辭。她表示，AI技術(shù)發(fā)展很快，也有越來越多的人在使用和受益于AI技術(shù)。希望通過這次論壇，可以讓各位學者匯聚一堂，一起討論AI在臨床治療全過程的應用經(jīng)驗，以及如何為人類健康更好地服務。
中國非公立醫(yī)療機構(gòu)協(xié)會放射專業(yè)委員會主任委員郭啟勇表示，從Basic語言到c++、Java的變化，從單機、云計算到元宇宙，計算機促進了人類和社會的發(fā)展。在信息化領(lǐng)域，計算機也深刻影響了影像學的發(fā)展，CT、磁共振等數(shù)字影像集聚著數(shù)字的魅力，從CAD到AI，無一不在影響和推動醫(yī)學影像的進步。我相信，通過這次論壇，可以促進民營乃至公立醫(yī)療機構(gòu)的智能影像技術(shù)的發(fā)展。
和睦家醫(yī)療事務副總裁馬沛恩表示，我對AI在醫(yī)療領(lǐng)域的應用特別感興趣，無論是支持用于管理的臨床診斷，還是其他前沿的應用案例。作為一種工具，AI只會繼續(xù)以我們從未見過的方式支持醫(yī)療服務。我非常期待聽到來自所有專家的應用分享。我希望，今天的大會對所有參與者都是富有成效的，成為我們所有人學習、結(jié)識新老朋友的平臺。
和睦家首席醫(yī)療官孫芾在致辭中說到，非常高興大家能夠參加北京和睦家醫(yī)院與中國非公立醫(yī)療機構(gòu)協(xié)會共同舉辦的論壇。在今天的論壇中，共有二十多位專家，包含了影像基礎(chǔ)研究、臨床診斷、內(nèi)外科系統(tǒng)等多個領(lǐng)域進行學術(shù)交流，干貨滿滿。感謝各位專家的大力支持，預祝大會圓滿成功。
作為本次大會的開場報告嘉賓，郭啟勇教授是中華醫(yī)學會放射學分會第十二屆主任委員、中國醫(yī)師協(xié)會放射醫(yī)師分會前任會長、原中國醫(yī)科大學副校長、盛京醫(yī)院院長。他的演講題目是《醫(yī)學影像AI的現(xiàn)狀與未來》。
郭啟勇教授在演講中表示，AI在醫(yī)學影像領(lǐng)域已有76款產(chǎn)品獲得FDA批準，中國AI企業(yè)也在國際嶄露頭角。而AI的研究在逐步從單一應用走向疾病的全流程的管理?！皬腃AD走到AI，本質(zhì)上是圖像的特征提取、學習，沒有關(guān)注臨床的需求。所以真正的AI，未來一定是從單一的應用走向疾病的全流程管理?！?/p>
因此，未來醫(yī)學影像AI要關(guān)注幾個方面，首先，要注重技術(shù)與產(chǎn)品診斷的準確性，要進行端到端的研究，打破從科研到臨床應用的壁壘；其次，要覆蓋放射科工作全流程，從覆蓋疾病診療全流程的角度來形成AI產(chǎn)品，最大限度減少或者消除非高技術(shù)類的勞動。
而醫(yī)學影像AI也面臨諸多挑戰(zhàn)，例如：
動搖人道德主體地位風險及是否符合人類道德標準的問題（研發(fā)和使用標準化）；
大眾公平受益問題（AI助益遠程醫(yī)療）；
醫(yī)療安全風險問題（數(shù)據(jù)管理和使用標準化）；
醫(yī)療安全責任劃分及認定問題（責任認定標準化）；
監(jiān)管和政策法規(guī)問題（加強準入與監(jiān)管，物價及醫(yī)保）
郭啟勇教授表示，解決這些問題，最根本的是依靠監(jiān)管和政策法規(guī)的不斷完善，進而實現(xiàn)完整的準入和使用制定，這樣醫(yī)學影像AI的明天才會越來越美好。
作為特邀報告的第二位嘉賓，Maryellen L.Giger教授是美國芝加哥大學放射學系（基礎(chǔ)科學研究）副主席。同時，她也是醫(yī)療AI公司Quantitative Insights公司聯(lián)合創(chuàng)始人，公司QuantX產(chǎn)品為美國FDA批準的首個機器學習驅(qū)動的癌癥診斷輔助系統(tǒng)（CADx），2019年被《時代》雜志評為年度發(fā)明之一。
Maryellen L.Giger教授以AI在臨床三維乳腺MRI及新冠肺炎方面的應用為例，進行了分享。
她表示，為了有更強大的人工智能，要跨過所有阻礙道德和值得信賴的AI人工智能的陷阱，特別是在數(shù)據(jù)和人工智能算法的訓練/測試方面?！拔覀冃枰罅慷鄻拥臄?shù)據(jù)，需要避免‘弗蘭肯斯坦’式的數(shù)據(jù)庫，避免拿到過于樂觀的結(jié)果?！?/p>
因此，Maryellen L.Giger教授團隊正在開展一個數(shù)據(jù)集項目——MIDRC，包括放射科醫(yī)生，醫(yī)療企業(yè)，成像科學家都參與其中。該項目于2020年8月開始并建立的，為期2年。Maryellen L.Giger表示，所有的人工智能研究人員都可以訪問，有了這樣的數(shù)據(jù)集，我們將通過對算法性能進行真實世界驗證，加快向公眾的推廣。
第三位講者是北京腫瘤醫(yī)院醫(yī)學影像科主任孫應實，他的演講題目是《人工智能在結(jié)直腸癌診療中的應用》。
他以廣東省人民醫(yī)院劉再毅教授發(fā)表在《Journal of Clinical Oncology》雜志上的研究成果、北京腫瘤醫(yī)院與中科院自動化所田捷教授團隊關(guān)于結(jié)直腸癌療效評價的研究等多個案例進行分享。
孫應實教授在對直腸癌影像組學的文章進行總結(jié)時表示，未來有兩個方向值得探索，一個是自動分割與分類，包括術(shù)后病理的預測、長期預后的預期以及基因型的預測；第二個方面，進行多中心研究，增加訓練數(shù)據(jù)的規(guī)模，提高模型在不同環(huán)境中的泛化能力，從而有望將人工智能從研究真正推到應用。
麻省總醫(yī)院&哈佛醫(yī)學院教授 Gregory Sorenson
第四位講者Gregory Sorensen教授是DeepHealth創(chuàng)始人、麻省總醫(yī)院&哈佛醫(yī)學院教授。他的演講主題是《AI of Medical Imaging in Oncology》。
他表示，Al有巨大的前景，局限性正在得到解決，而醫(yī)學成像的發(fā)展特別適合機器學習的進步?！?0多年前在研究生院的時候，我就將研究計算機視覺作為一個副業(yè)，到了今天，計算機視覺的發(fā)展遠超想象。但與此同時，AI也和人一樣存在偏見，同時還有不可解釋性?！?/p>
他以機器學習在乳房X光檢查中的應用為例，分析了AI在一些實際醫(yī)學問題中的價值與缺陷。
Gregory Sorensen表示，“我們開始理解這些偏見，并且正在克服。這反過來使我們能夠建立一個真正有用的人工智能。如果我們能將深度學習應用于癌癥成像、病理切片、結(jié)腸鏡檢查圖像，當所有的專業(yè)知識都被濃縮到軟件中，就可以把世界上最好的醫(yī)生帶到每一個病人身邊?！?/p>
呂樂博士是阿里巴巴醫(yī)療人工智能實驗室負責人、阿里巴巴達摩院美國研究員，IEEE Fellow、MICCAI委員會成員，曾任西門子、NIH、英偉達、PAII資深科學家、資深研究經(jīng)理和執(zhí)行院長。
他發(fā)表了主題為《Facing the global health challenges in population health and oncology via scalable AI tools》的演講，主要分享在公共衛(wèi)生及腫瘤方面的AI應用成果。
呂樂博士表示，醫(yī)療AI要思考的最重要問題是對臨床的作用，要學會做“有意義”的事情。
他以南加州大學發(fā)表在《Nature Communication》的一篇論文為例，研究人員可以基于最普通的病理染色圖片，利用AI的方法可以判斷胰腺癌病人的受體是陰性還是陽性，從而幫助醫(yī)院優(yōu)化了成本（免疫染色的方法更貴，也便利了病人）。“人工智能做到了人能猜，但是做不好的事情，臨床意義很大?！?/p>
接下來，呂樂教授分享了與臺灣長庚醫(yī)院合作利用X光圖像計算骨質(zhì)疏松的風險度、與肝臟內(nèi)科醫(yī)生合作的脂肪肝定量分析、以及在腫瘤領(lǐng)域（胰腺癌、肝癌）早期診斷的多個案例，其中包括了與北京和睦家醫(yī)院放射科合作的胸部病灶篩查模型的驗證研究。
呂樂博士表示，醫(yī)療AI的技術(shù)要遵循中庸之道，既要有追求創(chuàng)新的精神，也要思考技術(shù)的臨床價值?？茖W家和臨床醫(yī)生一定要肩并肩工作，像一個真正的團隊一樣緊密合作。
北京和睦家醫(yī)院骨科主任路繼科主任發(fā)表了主題為《智能影像指導骨科機器人手術(shù)》的演講。
他表示，傳統(tǒng)的髖關(guān)節(jié)置換有不少缺點：術(shù)中骨折、術(shù)后脫位、肢體長短、邊緣負荷增加導致骨溶解，而髖關(guān)節(jié)置換后容易雙腿長短不一，還容易引發(fā)訴訟。因此，正確的假體大小和精確的位置安放是關(guān)鍵，而機器人就可以解決這個問題。
他以和睦家醫(yī)院引入的MAKO機器人為例，分享了MAKO機器人輔助髖關(guān)節(jié)置換的原理和操作，其目的是減少關(guān)節(jié)組建放置的邊緣失誤，增加關(guān)節(jié)置換的精確性和準確性，顯著減少并發(fā)癥的發(fā)生。
但是，MAKO關(guān)節(jié)置換機器人也存在一些局限性，例如價格和效率比，需要技術(shù)支持，在手術(shù)時間和失血方面沒有改進。當然，隨著機器的更新?lián)Q代，MAKO4.0版本對于復雜髖臼發(fā)育不良和腰骨盆矢狀位不平衡的髖關(guān)節(jié)置換有明顯優(yōu)勢。
中日友好醫(yī)院放射科主任謝晟發(fā)表了主題為《成人四肢骨折人工智能檢測的優(yōu)化研究》的演講。
謝晟主任基于CT金標準的成人四肢骨折AI優(yōu)化評價研究，試驗內(nèi)容是基于CT金標準對現(xiàn)有的深睿四肢骨折AI進行優(yōu)化，評價優(yōu)化前后的AI對于成人四肢骨折的診斷效能，與原始醫(yī)師評價記錄進行診斷效能的比較。
謝晟主任表示，這項研究的算法創(chuàng)新之處在于旋轉(zhuǎn)數(shù)據(jù)增強，包裹框再生成消除特征圖歧義，純陰性圖訓練降低假陽性、多層特征輸出，加強小目標識別。而在訓練集和測試集的規(guī)模上，總樣本量為666例，其中訓練集395例，驗證集99例，去除圖像質(zhì)量不合格之后的測試集為191例。而經(jīng)過優(yōu)化之后的AI，對于撕脫骨折、非撕脫骨折及其他部位骨折檢出率都實現(xiàn)了大幅度的提升。
謝晟主任也補充到，部分關(guān)節(jié)的診斷還需要進一步提高，假陰性、假陽性有望通過針對性訓練更加改善。
李純明教授是電子科技大學信息與通信工程學院教授 ，IEEE Fellow，中國體視學學會智能成像分會副主任委員。他發(fā)表了《基于知識和典型特征點的醫(yī)學影像分割方法》的主題演講。
李純明教授表示，醫(yī)學圖像的噪音、對比度低、磁共振圖像的明暗度不均勻、CT圖像的金屬偽影等，都給分割算法帶來很大的挑戰(zhàn)。而深度學習本身的不可解釋性、依靠大樣本訓練、泛化性差等缺點，也進一步促進研究人員尋求更多的創(chuàng)新點。
他以近年來在左/右心室圖像分割工作為例，試圖將解剖學知識融入圖像分割算法里。李純明教授表示，很多解剖學結(jié)構(gòu)是凸出的形狀，而這個“凸性”可以用數(shù)學上曲線的曲率來描述，研究人員就可以用算法自動算出曲線曲率，進而引導曲線的運動、實現(xiàn)圖像分割的效果。這樣的方法，也可以用在三維圖像中。
此外，他還分享了基于前向和后向擴散的圖像去噪和圖像分割的工作方法和成果。
李純明教授表示，基于典型特征點的圖像分割方法，可以簡化傳統(tǒng)的交互式分割的人工操作（從前景背景劃線到取典型特征點），簡化機器學習的方法的手工標注，降低了手工勾畫邊界的難度。
馮逢教授是北京協(xié)和醫(yī)院放射科副主任，主任醫(yī)師，她以《人工智能在癲癇影像中的應用》為題，做了報告。
馮逢表示，癲癇屬于反復發(fā)作為特征的神經(jīng)元異常放電的突發(fā)性疾病，導致中樞神經(jīng)系統(tǒng)出現(xiàn)短暫障礙的慢性疾病，影響所有年齡層次。它存在兩個發(fā)病高峰，一個是兒童青少年群體，一個是中老年群體。目前，圖像診斷和腦電圖診斷結(jié)的聯(lián)合診斷是確診和識別癲癇的重要手段，但目前至少還有50%的癲癇疾病無法確定病灶。
馮逢談到，由于個體大腦先天或后天發(fā)育的不同，以及大腦皮層本身的不規(guī)則型結(jié)構(gòu)，目前二維成像和腦電波在診斷時耗時、費力，精準度低。
她表示，以往的人工智能方法是通過機器學習圖像和腦電圖數(shù)據(jù)來做預測和診斷，但近年來大家關(guān)注到癲癇是一個長期慢性的、綜合性的疾病，通過增加小腦數(shù)據(jù)、年齡數(shù)據(jù)、心情數(shù)據(jù)等多元數(shù)據(jù)，選取不同特征學習成為臨床新手段。但難點在于這些病例都沒有很大的樣本，難以做標準化的大樣本分析。
最后，馮逢提到，目前人工智能的研究方法在癲癇臨床應用中有很大優(yōu)勢，并有以下幾個特征：一是目標癲癇的綜合征不同；二是影像設備、序列不同；三是提取的特征不同；四是機器學習的策略不同。因此不同的機器學習方法對應不同的臨床問題，很難比較得出哪種機器學習的模型更好。
何暉光教授是中國科學院自動化研究所研究員，中國科學院大學人工智能學院腦認知與智能醫(yī)學教研室主任、崗位教授。他以《人工智能在神經(jīng)精神疾病研究中的應用》為題，進行了主題分享。
他表示，在神經(jīng)精神疾病領(lǐng)域，人工智能的研究框架包含病理學研究和計算機輔助兩部分。其中前者涉及大腦結(jié)構(gòu)可塑性、大腦功能的改變、與臨床表現(xiàn)關(guān)系、潛在生物標記；后者涉及智能輔助診斷、發(fā)病風險預測、個體診療方案、腦機交互與協(xié)同。
因此必須要采集多中心、多病種、多手段（如磁共振、腦電，眼動）的數(shù)據(jù)，從腦結(jié)構(gòu)、腦功能、腦網(wǎng)絡、腦動態(tài)特性、腦可控特性等對比正常人和病人的大腦變化。得到這些數(shù)據(jù)后再對臨床和行為數(shù)據(jù)做相關(guān)性判斷，從而推進精神疾病的病理發(fā)病機制。
何暉光談到，這部分的工作屬于前端數(shù)據(jù)標記，接下來要訓練一個學習模型，并逐步構(gòu)建一個全腦通計算模型，更進一步，還要研究腦機交互和協(xié)同機制，形成一個智能診療的系統(tǒng)平臺。
最后，何暉光在展望人工智能在神經(jīng)精神疾病研究時談到，希望這樣的研究能夠結(jié)合醫(yī)生的專業(yè)知識，對特定腦區(qū)建模，將數(shù)據(jù)和理論相結(jié)合，增加模型的可解釋性，從而對神經(jīng)疾病精準調(diào)控。
會議還邀請到了中國醫(yī)學科學院報編輯部副編審李潔，她以《從醫(yī)學頂刊發(fā)文看高水平醫(yī)學AI研究論文內(nèi)容組織》為題，介紹了自己在組織醫(yī)學人工智能專題的過程中，觀察到的醫(yī)學AI論文趨勢。
李潔總結(jié)到，近年來，醫(yī)學AI領(lǐng)域發(fā)表的學術(shù)論文有五個特點：基于AI的醫(yī)學研究整體發(fā)文量在近5年數(shù)量增長達5倍，成為熱點鄰域；文獻綜述、觀點、評論性文章數(shù)量增長顯著，而臨床試驗研究發(fā)表的論文數(shù)量增長緩慢，說明AI臨床研究較為薄弱；系統(tǒng)綜述和Meta-分析文章數(shù)量較少，說明AI臨床效用研究開展不足，研究報告的內(nèi)容缺乏質(zhì)量標準；目前尚未有基于Al醫(yī)學應用的臨床實踐指南或共識出現(xiàn)，多中心臨床研究論文逐年增長是一特點。
其中，頂刊評論文章中AI在醫(yī)療衛(wèi)生領(lǐng)域的重要關(guān)注有幾點：在現(xiàn)有疾病診治臨床路徑中價值；患者獲益vs潛在風險；人工智能vs醫(yī)生診療；臨床有效性需要謹慎評價；強調(diào)應用研究的可重復性；研究方法的透明性；倫理、法律、規(guī)范；AI醫(yī)學研究報告指南。
李潔表示，臨床試驗研究發(fā)表的論文數(shù)量增長緩慢，說明臨床專家普遍對人工智能技術(shù)臨床應用的有效性持謹慎態(tài)度，同時，也說明研究論文的設計不完整。目前，已經(jīng)出臺了近 300 個臨床試驗報告指南，目前發(fā)表在新英格蘭醫(yī)學雜志上的一篇題為《人工智能檢測視網(wǎng)膜眼底照相的視乳頭水腫》論著，是一篇不錯學習范文。
最后，李潔希望未來醫(yī)學和工學以及出版方的能夠更好地合作，提供更好的人工智能臨床評價的有效的證據(jù)，讓人工智能真正為患者的預后，患者疾病的診療結(jié)局服務。
唐磊教授是北京腫瘤醫(yī)院放射科副主任，他以《胃癌影像組學研究現(xiàn)狀及展望》為題，做了線上分享。
唐磊談到，胃癌影像組學面臨的兩大瓶頸是：分期和療效評價。目前胃癌影像學分期的準確率還不盡人意，達不到臨床精準化治療的需求。
他表示，在療效評價方面，胃作為空腔臟器，缺乏RECIST標準認可的靶病灶，所以胃腔厚度變化是因為腫瘤本身還是自身充盈度，很難去做出客觀判斷。并且影像學變化后知后覺，形態(tài)改變往往遲于組織成分變化，所以臨床治療較為被動。
傳統(tǒng)的CT觀察很難從外觀上客觀評價，目前人工智能使醫(yī)學影像從黑白圖像回歸到數(shù)據(jù)本源。影像組學關(guān)鍵技術(shù)為紋理分析(像素)、人工智能可解釋性。
唐磊表示，從 17 年到 20 年，已有較多涉及到胃癌的診斷、分期、生物學行為評估到療效評價等多個領(lǐng)域的文章，大部分文章來自中國。從去年開始，胃癌影像組學或者人工智能領(lǐng)域的研究突飛猛進。目前廣東南方醫(yī)科大學的李國新教授已經(jīng)通過構(gòu)建影像組學標簽來評價胃癌的免疫微環(huán)境，進而預測胃癌輔助化療的療效。
同樣，唐磊團隊研究了胃癌隱匿性腹膜轉(zhuǎn)移的影像學評估，對傳統(tǒng)CT漏診的腹膜轉(zhuǎn)移問題做了校正，通過在MDT模式下與腹腔鏡探查的點對點對照研究，進一步提高了胃癌治愈評估的準確性，降低了后續(xù)治療的偏差。后續(xù)，唐磊團隊還制定了隱匿性腹膜轉(zhuǎn)移的風險度分級對照表，將其分為 4 級，為后期臨床階段提供了支持。
唐磊談到，現(xiàn)在已經(jīng)建立了影像組學的特征模型和深度學習的特征模型，并搭建了一個軟件系統(tǒng)，將組學+人工智能用于療效評價和疾病預測中。
閆軻是阿里巴巴達摩學院醫(yī)療AI實驗室高級算法專家，《深度病灶：在CT中大規(guī)模的病灶分析》為題，做了分享。
閆軻談到，目前已經(jīng)搭建好基于人機交互的病灶挖掘方法，用于病灶的檢測、分割以及跟蹤等，從而提高檢測效率，減少疾病漏診、規(guī)避假陽性診斷等。
他表示，目前這種算法具有較好的擴展性，即能夠基于已有的標注的2D信息擴展到相鄰的3D層面，挖掘出沒有標注的病灶；遷移性，即在一個數(shù)據(jù)集上訓練的模型可以運行到另一個數(shù)據(jù)集中，挖掘出來一些潛在的漏標病灶。
田江克主任是北京和睦家醫(yī)院的超聲科主任，以《人工智能輔助診斷在超聲診斷中的應用》為題，做了分享。
他表示，AI能在三方面給予臨床診斷數(shù)據(jù)型支持：圖像優(yōu)化和高清成像、自動檢測和測量、分析和診斷。目前多應用在宮頸癌、甲狀腺、乳腺癌、甲狀腺癌等多模態(tài)診斷中。
田江克提到，目前AI依靠智能中心式學習，并形成云數(shù)據(jù)存儲，可以在多個中心同時操作的基礎(chǔ)上，同時推動多個AI系統(tǒng)的學習和進步。
他表示， AI在超聲當中的優(yōu)勢到底是什么？一是解決了年輕醫(yī)生對于圖像解讀一致性較低的問題，減少觀察者之間的差異，二是診斷準確度與高年資醫(yī)生相似，三是便于基層標準化推廣和教學。
談到現(xiàn)實影響時，田江克談到，人工智能最大的幫助就是解放了醫(yī)生的一只手，在醫(yī)患縮短檢查的同時，讓醫(yī)療回歸初心，讓醫(yī)生和患者之間的互動更加和諧。
陸菁菁為北京和睦家醫(yī)院放射科主任，以《醫(yī)學影像人工智能應用與研發(fā)匯報--隱形的翅膀》為題進行現(xiàn)場分享。
陸菁菁表示，人工智能主要在兩個方面影響醫(yī)學領(lǐng)域：一嵌入影像臨床工作流，二推動醫(yī)生和科學家聯(lián)手開拓新領(lǐng)域。目前，AI已經(jīng)用于CT肺小結(jié)節(jié)篩查、CT-冠脈血流儲備分數(shù)測定、可視化三維重建、手術(shù)導航、乳腺影像智能評估、骨齡生長發(fā)育檢測中。
隨后，陸菁菁提到，目前，AI在疾病診斷和智能預測上成熟度較高，解決了過去過度依賴解剖學和圖像檢測的問題。并且，越來越多的醫(yī)生與AI技術(shù)研究員協(xié)作，不僅能為算法提供反饋建設，還能夠真正參與到系統(tǒng)調(diào)試中，改變了過去做研究就是發(fā)論文的狀態(tài)。此外，AI還會吸引更多的人關(guān)注到臨床研究，讓智能科技賦能精準醫(yī)療。
趙迎新為安貞醫(yī)院老年心血管病中心主任，VIP科第一負責人。她以《基于造影的冠狀動脈無導絲系統(tǒng)FFR：從臨床研究到臨床實踐》為題，做了分享。
她講到，傳統(tǒng)診斷路徑是醫(yī)生目測患者是否為血管狹窄或推斷是否為心臟缺血，誤診率高達1/3。目前通過 QFR 的應用，在造影后直接計算FF 值，成為目前比較客觀的評價血管狹窄或心臟缺血的高效證據(jù)。
趙主任表示， AI 已經(jīng)幫助讓臨床工作變得更精準，更簡單，還能給予醫(yī)生診斷支持，做出更加精確的決策。尤其是 Q-Learning 范式指導臨床實踐，全過程指導術(shù)前虛擬討論、術(shù)中實踐和術(shù)后恢復。
孫福成教授為北京醫(yī)院心內(nèi)科副主任，北京大學醫(yī)學部教授，在心血管臨床、保健、冠脈介入診斷及治療方面具有豐富經(jīng)驗。他以《冠脈介入治療：腔內(nèi)影像技術(shù)還是功能學指標指導？》為題做了線上分享。
孫福成表示，冠脈介入治療的優(yōu)勢是降低死亡率、改善生活質(zhì)量；不良后果是再狹窄、血栓。因此，腔內(nèi)影像技術(shù)成為輔助識別與診斷冠脈夾層的重要手段。
腔內(nèi)影像學能夠?qū)崟r精確評估血管管腔及病變斑塊情況，比如IVUS與OCT作為冠狀動脈腔內(nèi)影像學技術(shù)，在指導和優(yōu)化大多數(shù)PCI流程中具有優(yōu)越性。IVUS 與OCT指導PCI能夠降低MACE與心源性死亡發(fā)生率。對于支架內(nèi)再狹窄， IVUS和OCT能夠明確ISR的發(fā)生機制，指導病變預處理、優(yōu)化介入治療策略，并且現(xiàn)已制定IVUS，OCT指導“介入無植入”PCI策略。
他總結(jié)到，腔內(nèi)影像技術(shù)與生理學技術(shù)在結(jié)合時有四點特征：不同技術(shù)的目標各異；兩種技術(shù)互補，不存在相互替代；兩種技術(shù)的融合是將來的趨勢；無創(chuàng)性技術(shù)的應用是一大前景。
王德昭是北京和睦家醫(yī)院心臟中心主任，首都醫(yī)科大學心臟病學系副教授。他以《DEEPVESSEL FFR：基于人工智能的冠狀動脈FFR值分析軟件》為題做了分享。
他表示，不管CTA還是冠脈造影仍有一些誤差，不能單純作為治療決策。目前脈影——CT-FFR技術(shù) （基于CT的冠狀動脈血流儲備分數(shù)測定）技術(shù)提供了一個非侵入性的狹窄的檢測方法。
隨著圖像處理技術(shù)和計算流體動力學的發(fā)展，無需有創(chuàng)手術(shù)，僅僅通過CT造影模型重構(gòu)、血動力模擬計算FFR值已經(jīng)成為現(xiàn)實。FFR技術(shù)融合了圖像處理、計算流體力學、解剖學等多學科技術(shù)，基于CT數(shù)據(jù)進行模擬計算從而獲得FFR數(shù)值，形成指導臨床的報告。
王德昭表示，過去的臨床策略是目測病人癥狀，并結(jié)合心電圖、CTA或者冠脈造影等輔助檢查，最終決策藥物治療還是手術(shù)治療。現(xiàn)階段 CTA FFR 能夠直接跨過造影步驟，降低 70% 的不必要的冠脈造影，準確度達到90%，提高24%的治療質(zhì)量，降低 33% 的醫(yī)療花費。但在中國，F(xiàn)FR使用率非常低，不到1%，歐美國家在 10%左右，還有很大的普及空間。
朱剛為北京和睦家醫(yī)院副醫(yī)療總監(jiān)、外科及泌尿外科主任。他以《三維影像在泌尿外科機器人手術(shù)當中的應用》為題，做了線上分享。
他表示，目前的三維影像重建技術(shù)，能夠挖掘更深的數(shù)據(jù)，比如靜脈信息，集合系統(tǒng)的信息，更好地顯示器官的結(jié)構(gòu)和空間關(guān)系。
朱剛提到，對于外科醫(yī)生來講，這項技術(shù)便于術(shù)前規(guī)劃，可視化展示血管分支的分布和變化，目前多用于一些復雜腎臟腫瘤切除手術(shù)和靜脈癌栓手術(shù)中。這種手術(shù)的難度一是部分切除，鎖邊縫合，二是惡性腫瘤的完整切除，防止腫瘤或癌栓在切除過程中破裂擴散，解決過去盲性切除難題。
朱剛表示，未來還要把三維影像圖像和機器手術(shù)圖像進行重疊，識別重要的血管位置和關(guān)系。
最后，朱剛總結(jié)到，三維成像技術(shù)對于復雜的外科手術(shù)規(guī)劃具有可行性和實用性，可以幫助外科醫(yī)生查看內(nèi)窺鏡圖像后面的結(jié)構(gòu)，并且三維成像導航可優(yōu)化腫瘤控制和功能恢復。
黃宇清是北京大學第三醫(yī)院海淀院區(qū)胸外科執(zhí)行主任，科技部國家重點專項及北京市科委科技項目評審專家。她以《3D 數(shù)字成像在肺癌手術(shù)中的應用與展望》為題，做了分享。
黃宇清表示，肺癌在不分性別的情況下，是全球癌癥發(fā)病率和死亡率最高的惡性腫瘤。低劑量 CT 在肺癌早期篩查中具有非常大的優(yōu)勢，但在多發(fā)性（良性和惡性共存）結(jié)節(jié)中的診斷、術(shù)前規(guī)劃和術(shù)中操作中，需要應用AI成像技術(shù)。
首先，AI輔助篩查及診斷，進一步提升早期肺癌檢出率，比如位置、長徑、體積、類型、密度、良惡性、倍增等。其次，黃宇清重點提到肺結(jié)節(jié)自動三維可視化定位在手術(shù)規(guī)劃的優(yōu)勢：1、肺結(jié)節(jié)的精準、直觀定位；2、切緣球輔助判斷，輕松實現(xiàn)手術(shù)范圍、有效切緣的評估；3、闡明解剖特點，預判變異，有助于路徑制定；4、突出靶段解剖關(guān)系，降低難度，縮短學習時間。最后，為一些非專業(yè)的人員提供一個標準化參考，有助于醫(yī)生向患者講述醫(yī)療方案，對整個手術(shù)的規(guī)劃和操作提供更加的精準的支持。
任偉是北京和睦家醫(yī)院骨科門診主任，香港大學創(chuàng)傷骨科臨床Fellow，香港大學醫(yī)學院3D打印建模助理研究員，在3D打印、精準醫(yī)療、機器人導航等方面具有豐富的經(jīng)驗。他以《3D打印的臨床應用》為題，做了分享。
他提到，目前3D打印技術(shù)在國內(nèi)多運用在心肺外科、肝膽外科、神經(jīng)外科、泌尿外科、骨科、牙科/輔助器具等方面。其中，3D打印在骨科的應用主要分為兩個部分，一是輔助手術(shù)，通過打印模型來制定術(shù)前計劃、通過制作術(shù)中定位導板實現(xiàn)精準定位、通過定制內(nèi)置物實現(xiàn)個性化治療。二是輔助康復器具，量身定制固定支具和個性化定制義肢。
任偉表示，未來3D打印將出現(xiàn)兩大發(fā)展趨勢，一是3D打印技術(shù)與機器人技術(shù)結(jié)合實現(xiàn)關(guān)節(jié)置換如Monogram機器人。二是3D打印技術(shù)與細胞治療技術(shù)結(jié)合用于組織再生、器官移植等，比如關(guān)節(jié)軟骨、膝關(guān)節(jié)半月板、肌肉組織、血管等。
大會在當天下午五時圓滿結(jié)束，與會者和直播平臺的觀眾都表示這是一場高水平的學術(shù)盛宴。大會有效促進了理工醫(yī)同道在醫(yī)學影像人工智能領(lǐng)域的觀點分享和碰撞，并且會議內(nèi)容重復彰顯了精準智能影像在服務各個臨床科室業(yè)務中所起到的重要作用---“精準醫(yī)療，影像先行”。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
