人工智能（AI）在醫學影像上的應用發展與展望
—— 迎接AI 2.0的時代

對于AI的新期待：AI 2.0

2017年RSNA大會上，主席Dr. Richard Ehman就人工智能在醫學影像的發展做了一番精彩的講話。一時間，AI在醫學影像上的應用和發展成為熱門話題，并在五年的時間里持續升溫，逐漸變得更成熟、更多元、更實用。

五年前，當影像人剛剛接觸AI時，都在議論AI對于圖像和診斷結果能帶來什么改變。基于AI學習理解能力的技術，不斷地在為我們提供更加精準的圖像、更加標準的數據結果和更加智能的報告生成過程。AI 1.0 由此誕生。

然而，五年后的今天，人工智能的應用與發展實現了飛速進步。為了給病患提供更高質量的醫療服務，精準醫療面臨新的挑戰。圖像質量要求更高，對于設備和攝片技術的要求也更高。影像人不再面對的是單一的影像數據，而是更多面的信息匯總，包括臨床科室信息、病患信息和跨院信息等。海量信息的融合勢必為AI帶來了更多技術挑戰和應用場景。

因此，我們對于AI的期望也變得更高。它不僅僅擁有學習理解的能力，同時也要能夠處理和優化更多細節。通過智能推理與優化，更好地協助我們應對海量數據信息的涌入，提供更高質量、更精準且更個性化的醫療診斷輔助。這便是我們對于AI 2.0的期待。

1 醫學影像AI 2.0的四化：標準化、個性化、精準化、全局化

一千個人眼中有一千個哈姆雷特。相信不同人對醫學影像AI的發展應用也有不同見解。在此，筆者總結出了幾項AI 2.0在醫學影像上的應用與發展方向，與各位分享探討。

1.1 標準化

無疑，目前的AI產品已經能夠實現一定程度的標準化操作，比如提供一些基礎的協議推薦和操作輔助。然而，面對更多元的海量數據的匯集，期望AI可以提供更加精細的數據處理能力和更加細化的參數推薦，將標準化流程植入到AI大腦，使得無論任何背景的操作者都可以輕松駕馭精密的影像設備， 并且可以輔助更多影像檢查及診斷的標準、共識盡早落地，得以實踐。

1.2 個性化

個性化與標準化，魚和熊掌為何不可兼得？精準醫療的重點之一便是以患者為中心，通過科技的更迭為患者提供更加適宜的檢查和更加精準的結果。而AI可以做的，則是通過智能推理與優化，基于每個患者的個體差異，量身裁衣，定制掃描方案，使參數最佳，劑量最優。從而提升患者的整體檢查體驗，促進更加有效的醫患溝通，優化整體檢查環境。

1.3 精準化

自AI進入醫學影像領域以來，一直在助力醫學影像診斷與輔助鑒別， 幫助提高診斷準確性，減少醫師繁瑣重復的工作，提高診斷效率和信心。 而AI在精準化上的發展，不會僅僅停留于鑒別與輔助診斷。AI智能優化下更加標準的數據歸納整理與流程、更加個性化的方案設定、更加前端的圖像處理與可視化、更多解剖部位的精細分析，都將為高質量醫療服務提升精準性（圖1）。

圖1 AI2.0全流程自動化流程助力精準化CT檢查

1.4 全局化

AI不僅僅應該應用于醫療服務的單一環節，而是應該結合院前、檢查、診斷、治療、隨訪、康復等多個環節，從而形成一套完整的AI鏈。 如果有一款AI產品A專注于院前信息登記與整理，產品B專注于標準化檢查流程，產品C專注于診斷輔助，產品D專注于隨訪對比，那么，是否會誕生一款AI產品X平臺，能夠將整條醫療服務鏈串聯起來，整合整體數據與流程，輔助診療全局，使得全環節信息更統一、流程更高效、效果更精確。

2 對于醫學影像AI的展望：未來在哪兒

醫學影像AI仿佛是一個快要成年的孩子，經歷了不斷地學習成長后，正在接近成熟，然而也將面臨未來更多的挑戰，而我們也在為它的未來發展做準備。

未來的醫學影像AI將逐步從科研走向臨床。當AI逐步成熟，科研文獻呈指數級增長時，我們也要避免文獻泛濫，實現科研落地臨床，才能惠及更多大眾群體。

未來的醫學影像AI將從單向朝雙向發展。AI從來不是技術單方面的輸出，而應該實現更多場景下的與人互動。我們要始終相信，在醫療服務環境中，醫師永遠是主動方。而AI則在與醫師的互動中自我學習，呈現更精準個性化輸出，成為影像醫師的最有力助手。

未來的醫學影像AI將逐步從檢查、診斷、治療涉足至預防，通過全局優化與管理，實現更有效的健康管理和更早期的疾病預防治療。成為守護大眾健康的全流程重要裝備。