前言

随着科技的发展，AI在医学中的应用正在不断扩大。 据研究公司Allied Market Research 估计，到2025年，医学+AI市场将从2017年的7.19亿美元增长到18.1亿美元，从2018年到2025年的复合年增长率为49.6%。 而自从AI来到医学影像，争议一直就没停过。 “AI会让大批影像医生下岗! ”“AI会让影像医生更自信! ”“AI都躺在医院里吃灰……”暂且不提AI和影像医生之间的爱恨情仇，我们先来看看这些年除了辅助医生诊断之外，AI在医学影像中还干了些啥?

一、AI+医学影像设备

医学影像设备是医学影像数据产生的源头，直接决定着医学影像的质量。 而医学影像的质量，又直接影响着医生的诊断和治疗。 越来越多的影像厂商开始从源头着手，用AI赋能医学影像设备更快更好地进行成像，如相比于传统的迭代或基于模型的重建算法，AI算法能更迅速地重建CT图像。 佳能医疗和GE医疗在2019心血管CT学会上分别展示了其在2019年春季通过FDA认证的CT图像重建软件，AiCE深度学习重建(DLR)软件和深度学习图像重建(DLIR)软件。

AiCE深度学习重建(DLR)软件使用具有不同内核大小的10个卷积神经网络(CNN)算法来重建图像。 这个AI驱动的软件需要大量的计算能力，系统使用71.2 teraflops。 teraflop是计算速度的单位，相当于每秒一百万次浮点运算。 相比之下，IBM Watson AI软件的运行速度为80 teraflops，Playstation 4游戏机运行速度为1.8 teraflops，Xbox One X游戏机运行速度为6 teraflops，iPhone X运行速度为5 teraflops。

深度学习图像重建(DLIR)软件这种下一代图像重建使用专用的深度神经网络(DNN)来生成GE医疗称为TrueFidelity的CT图像。 据GE医疗称，与当前的迭代重建技术相比，TrueFidelity CT图像可以提供更好的图像质量、图像清晰度和噪声纹理。

此外，还有厂商在影像设备中嵌入AI算法，连同PACS(医学影像图像存储与传输系统)优化放射科工作流程。 如GE医疗在移动X线机Optima XR 240 amx中嵌入了一套AI算法。 这套算法能识别标记出哪些胸片可能是“气胸”，并将疑似“气胸”的影像通过PACS发送给影像医生，通知影像医生优先诊断。

二、AI+器官分割/智能勾画靶区

病变器官的正确定位与准确勾画是放疗计划运作的基础和关键。 其分割的准确程度直接影响到后续放疗计划设计的准确度和放疗的效果。 按照传统方法对影像进行勾画，需耗费大量时间。 应用AI技术勾画靶区不仅能大幅提高效率还能避免由于靶区勾画的不准确导致的无效治疗。 目前，AI智能勾画靶区已经成功运用在肺癌、乳腺癌、鼻咽癌、肝癌、前列腺癌、食管癌和皮肤癌上。

西门子医疗在RSNA2019上推出了两个基于AI的器官分割软件助手(均还在等待FDA认证)。 AI-Rad Companion Brain MR基于形态计量学分析，能在MR影像中自动勾画大脑轮廓，并测量大脑体积辅助影像医生作出快速诊断。 AI-Rad Companion Prostate MR能用于辅助活检。 它能在MR影像上自动勾画出前列腺的外部轮廓，辅助影像医生快速标记病变，从而让外科医生更快完成活检。 这两个软件都适用于不同厂商的MR设备，并可以在西门子医疗云上使用。

三、AI+医学影像三维重建

医学影像的三维重建是通过算法对二维数字断层图像序列形成的三维体数据进行处理，将其变换为具有直观立体效果的图像，来展示人体组织的三维形态。 医学影像三维重建模型作为临床医生诊病、治病的辅助工具，发挥着越来越重要的作用。 虽然医生可以通过观察医学影像来发现并诊断病情，但这种诊断方式有可能由于图像本身的对比度、分辨率等原因引起医生的误判、误诊，并且从一组二维图像构想出人体器官的三维结构有相当大的难度，在某些情况下甚至可能会引起误诊从而影响医疗进程。

用AI算法将二维断层图像进行处理，将重要的部位突出显示，将不需要的部位屏蔽或删除，必要时将系列二维图像转变成为具有直观立体效果的三维模型，展现人体器官的三维结构与形态，从而提供用传统手段无法获得的解剖结构信息，为进一步模拟操作提供视觉交互手段。

结语

自从AI来到医学影像争议就没停过。无论是AI+医学影像设备智能成像还是在PACS中运用AI优化放射科工作流、AI智能勾画靶区、用AI对医学影像进行三维重建都显示出了AI会是医生的好助手。 用一项新技术完全替代旧技术的想法本身就过于武断。AI不会取代影像医生，而是辅助医生更好地进行诊断。