G上海长征医院萧毅教授：医学影像图像( 二 )

脑肿瘤AI产品，针对颅脑肿瘤的脑区分割、肿瘤鉴别。
除此之外，基于人工智能的分割技术，在退行性病变和脑白质病变上进行的模型训练，也获得了相对理想的结果。
除了对单病种进行单一模型的构建之外，企业也向纵深化发展。

文章插图

一个脑卒中的案例中，在传统的工作模式下，我们先进行CT扫描，图像经过处理后，可以查看动脉是否有狭窄和斑块，最终一个结构化报告。
如果我们使用人工智能辅助的方式，我们可以迅速地获得最结果，使得患者处理的时间从1000多秒降低到86秒。
图像的后处理实现了全自动、报告有了标准化的处理，甚至是最后的审核与打印，也减轻了医生的负担和工作量。
这是深受临床欢迎的智能模型的一个方向。

文章插图

在头颈部的应用，主要是对于甲状腺结节的鉴别，这也是富有挑战性，因为近几年来，国内越来越多的消融手术使手术病理数据大量减少。
据现有的结果来看，现在有两个公司的模型效果比较好。以浙大孔德兴教授所在的德尚韵兴提供的数据显示，该公司对甲状腺结节鉴别的敏感性和特异性都超过了90%。

文章插图

人工智能企业扎堆的肺部影像应用集中在三大块：第一，肺癌。肺癌早期筛查、良恶性鉴别以及预后预判。
第二，肺炎。AI在新冠疫情中发挥了重要作用，这也是2020年、2021年多家公司得到社会认可的重要原因。
第三是肺气肿。
目前，肺部疾病相关的行业标准、数据库、指南等已经在拟定和筹建中，肺结节部分的已经完成。
肺部疾病辅助系统在国内外各大医院应用广泛，明显提高了工作效率。
相关的技术也更加聚焦到肺部疾病辅助系统如何优化医生的工作流程、假阴性和假阳性的风险控制、在医联体内的联动以及云诊断等实际工作场景上，帮助医生快速精准定位和定性结节，肺动脉高压时提高预警，肺结核和矽肺智能诊断。
除了以上临床应用，AI在基因预测以及浸润性分型中，都发挥了重要作用。
肺炎AI则是一个因时而生的产品，可以在2-3秒内检出病变，10秒完成全流程评估，及时筛查出疑似病人，帮助医生对确诊病人进行分型、对重症患者进行预警，进而评估确诊患者的预后情况，这对于提高诊断的时效性是不可或缺的。

文章插图

心血管AI的难度会更大，主攻的企业在一开始集中在形态学的重建上：重建心脏的冠脉，检出斑块。现在的工作更加深入，可以进行功能学的评估：如CT血流储备分数心肌量化等评估。
使用人工智能进行形态学及功能学的评价，医生就可以对心血管疾病有一个相对完整的认识，初步满足临床的需求。
不仅如此，随着对疾病认识的增加，人工智能企业也逐渐地往深、往宽处走。心血管疾病筛、诊、治一体化的解决方案，不仅仅是满足筛查、诊断，同时还对治疗决策与规划进行了大量模型的构建，而完整的解决方案才是医生所需要的内容。

文章插图

乳腺癌是全球范围内女性最常见的死因，在中国也如此。用AI的手段来辅助经验不足的医生，进行准确的诊断，是一个有意义的命题。
我国AI研究起步虽然较晚，但在乳腺影像中的应用发展较快。国内AI企业研发较成熟的乳腺相关辅助诊断系统，基本围绕乳腺钼靶开展。

G上海长征医院萧毅教授：医学影像 图像( 二 )

G上海长征医院萧毅教授：医学影像图像( 二 )