最近需要AI人工智能磁共振这样医疗设备，预算不足，有没有可以租赁的渠道？

来源：蜘蛛抓取(WebSpider) 时间：2022-06-19 03:36 标签： AI人工智能

　　4月26日，国家卫健委发布了《关于进一步加强脑卒中诊疗管理相关工作的通知》(以下简称《通知》)。《通知》明确，完善全国脑卒中诊疗服务体系。要大力推进急诊急救体系建设，强化脑卒中诊疗相关院前急救设备设施配备，完善技术规范和操作流程。鼓励开展“卒中急救地图”建设，打造“区域黄金时间救治圈”。

　　政策的推动标志着国家对于脑卒中预防的重视程度不断增强，脑卒中由于高发病率、高死亡率和高致残率的特点，已成为我国第一位死亡原因，不稳定的颈内动脉易损斑块是造成卒中的极高危因素，故确定斑块是否受损是阻止脑卒中发生的重要条件。

　　翼展医疗集团联合清华大学生物医学影像研究中心的产业转化平台、北京清影华康科技有限公司共同推动的磁共振斑块影像人工智能解决方案，正是借助人工智能技术来解决动脉粥样硬化斑块的医学影像识别问题。

　　磁共振斑块影像人工智能解决方案核心技术优势

　　磁共振斑块影像人工智能解决方案是以清华大学深厚的工科背景为依托，基于数万份专家标注的标准病例研发生成。模型可从斑块形态、成分特征方面进行准确全面的判读分析，血管壁分割准确率达97.2%，为医生快速定位病灶以及了解病变区域的情况提供帮助，减轻医生的工作压力，提高诊断的效率和诊断的准确度。

　　机器首先对图像质量进行分析，判断图像是否可以使用，对不能使用的图像反馈给医生重新扫描，提高分析的准确率。

　　评估结果对测试数据集的敏感性和特异性(来自清华大学团队)

　　其次，自动获取多个MR图像序列并对图像质量评估，剔除不合格图像的同时进行图像配准，生成多对比度的血管重建图像，对斑块的结构及成分进行自动识别，几分钟内即可完成精确分割颈动脉、勾勒斑块轮廓、分析斑块成分、检测其三维立体分布状态。

　　诊断结果采取国际公认的AHA美国心脏学会标准进行病情评估及风险预测，有利于血管外科医生、神经科医生、介入治疗医生以及心脑血管医生对患者的干预防治与临床决策。

　　在对比实验针对非常见样本的处理中，放射科医生手动勾勒的轮廓显示为错误;而模型能够正确对颈动脉壁进行划分，充分证明了模型的鲁棒性。

　　下图左侧为人工标注，右侧图像为机器标注。可以明显看出机器标注出了豁口，有豁口意味着斑块已经破裂，在临床上表面破裂的斑块被称为高危斑块，内容物会流出，对患者危害很大，急需诊治。

　　左侧为人工标注，右侧为机器标注(来自清华大学团队)

　　磁共振斑块影像人工智能解决方案独有的竞争优势

　　磁共振斑块成像解决方案的研发依托清华大学影像学临床实验项目——中国人动脉粥样硬化风险评估(CARE II)，该项目旨在利用最新磁共振影像学方法，对引发缺血性“脑卒中”的“动脉粥样硬化”高危斑块进行筛查、诊断、风险预警和预后跟踪，从而建立起适合中国人群的影像学诊断标准，为国人脑卒中的防控提供重要影像学依据。

　　在实验过程中，研发小组联合北京医院、北京大学第一医院、301医院等14家项目合作医院，收集了来自全国1000多名患者的3万余例样本数据，并且全部经过专家统一标注，是全球最大的颈动脉斑块标准数据集。数十位合作专家来自国内顶尖的三甲医院，且职级均在副主任医师以上，并且在血管斑块影像方向拥有十多年的研究经验，确保诊断内容的标准化和专业化。

　　除了拥有全球最大的标准数据集以外，磁共振斑块影像人工智能解决方案的技术团队均来自清华大学生物医学影像研究中心，是中国最早一批研究该领域的开拓者，“可以说没有这个团队，就没有斑块成像技术的产生”，产品负责人介绍说，技术团队的成员均毕业于国外顶尖的高校，拥有多年的理论知识和实际研发经验。

　　人工智能算法开发的牵头人李睿博士是清华大学医学院生物医学工程系副研究员、生物医学影像研究中心副主任。主要从事心血管磁共振成像方法的开发工作，尤其对颅内外斑块成像、血流成像有较为深入的研究。主持和参与十三五重点专项课题2项、国家自然科学基金项目3项、北京市科技计划项目1项、校内交叉项目1项、横向项目2项。

　　磁共振斑块影像人工智能解决方案临床应用

　　磁共振斑块影像人工智能解决方案可连接医院影像归档系统，利用磁共振斑块影像数据，通过定性测量和定量测量帮助医师对颈部、颅内等血管床进行动脉斑块的精准分析，降本增效，使医师从繁重的重复性劳动中解放出来，有更多时间与患者互动，专注于更有价值的事情，并为临床诊断、治疗以及预后评估提供完美的解决方案。

　　左侧颈动脉典型图像(来自清华大学团队)

　　目前磁共振斑块影像人工智能解决方案的临床应用主要包括三点，首先帮助医生确认斑块的形态，判定斑块内成分并区分斑块易损还是稳定，这对于卒中的发生有重要的预测价值;其次，明确斑块的数目、累及范围，帮助医生明确疾病的救治目的，以及指导治疗和预后判断;最后，机器代替人工书写报告，提高诊断效率和准确率，节省患者等候时间，缓解医院的就医压力。

　　磁共振斑块影像人工智能解决方案具备先进的技术优势和巨大的应用潜力，其赋能临床医院的价值是不可估量的。该产品满足了医院、医生及广大群众的需求，运用这一智能工具，为心血管疾病患者提供更好的医疗服务，提升临床医疗水平。

近日，由浙江省自然科学基金委员会发起，浙江大学医学院附属邵逸夫医院放射科联合医学人工智能联盟举办的《之江科学论坛——浙江大学医学院附属邵逸夫医院2018医学影像学高峰论坛》在邵逸夫医院举办。

在此次论坛上，在场的医生和专家们不仅讨论了人工智能在临床的应用，同时也在思考人工智能快速发展过程中给临床医生带来的困惑。与会期间，动脉网采访了邵逸夫医院三位专家，试图了解他们对医疗AI现状的应用与思考。

浙江省政协副主席、邵逸夫医院院长、著名外科专家蔡秀军致开幕词

10家医疗AI企业的产品均落地邵逸夫医院

作为一家四次通过JCI国际医院评审的公立三甲医院，邵逸夫医院放射科的检查量是惊人的。据放射科主任胡红杰介绍，2017年医院的CT检查达261471人次，DR检查达250808人次，磁共振检查达83107人次。其中，CT和磁共振检查量的增长率高达25%和13%，而且医院近5年来的检查人次都是以两位数的速率在增长。

繁重的检查量给放射医生带来了庞大的工作量。2016年，医院放射科平均每天完成的CT检查为809人次，2017年增加到909人次，据胡红杰预计，在2018年将再增加100人次，超过1000人次。

就目前的检查量而言，医生还可以按时出具报告，然而随着检查人次的不断增加，单靠人力已经不太现实，因而借助医疗人工智能辅助医生读片将成为必要的方式。自2016年以来，已经有10家医疗AI公司与邵逸夫医院放射科进行合作，共同打磨医疗AI产品。

在这些合作的AI公司中，合作的深度各有不同。有些企业仅是将产品放在医院供医生使用，效果难以评估；有些则是在医院的PACS系统中安装了辅助诊断软件，医生使用起来相对便捷；最优的方式是AI公司安排工程人员到科室里与医生一起完善产品。

胡红杰表示，现阶段医疗AI产品处在初级阶段，还不足以替代医生的工作。由于看病是极其复杂的过程，医疗AI只能辅助完成其中一个环节，在可标准化的重复步骤中帮助医生。比如在肺癌筛查实例中，AI主要承担肺结节的识别和良恶性的判断，而医生则负责最终考虑结节是否需要切除，以及手术后的康复、生活等问题。“虽然AI还在初级阶段，但是作为一名放射医生，要看到医疗AI的发展，未来几年，它必将改变现有医生的工作流程。”胡红杰同时说到。

大会主席、邵逸夫医院放射科主任胡红杰教授

除了肺部，医疗AI在其他领域也可大有作为

虽然医疗AI发展迅速，但是胡红杰也发现一些小问题。比如，大多数AI公司都是从肺结节项目切入，对其他领域的研发相对较少。出现这样的情况是因为肺部的筛查量巨大，以邵逸夫医院为例，每1000个CT检查中，就有40%属于胸部CT，因而肺结节筛查的市场空间是非常大的。

但是，我们也不能忽视，除了肺结节的筛查之外，甲状腺结节、乳腺结节、肝脏占位、前列腺等异常病变的筛查也需要耗费医生大量的精力，未来的需求都很大。为了改善这些问题，邵逸夫医院除了直接使用企业提供的产品，帮助他们完成打磨迭代之外，医院自身也在与高校合作研发医疗AI产品。

目前，邵逸夫医院与高校团队正在进行中的交叉研究主要三个方面：

一、围绕肝脏的占位进行自动的分级

肝脏占位分级是比较麻烦的，现在主流的方式是基于美国放射学院推行的LI-RADS标准。但是，这套标准系统在不断地更新，不少医生没有那么多学习时间去跟上它的更新节奏。

注：LI-RADS（肝脏影像报告和数据系统）于2011年3月提出并已广泛用于临床实践。该系统主要适用于存在肝细胞癌（HCC）风险的患者，旨在完善肝脏CT和MRI检查的阅片、解读和报告标准。对于HCC高危人群，LI-RADS将CT或MRI检查所发现的肝脏结节分为五类：良性、良性可能性大、怀疑HCC、HCC可能性大、HCC（分别对应为LI-RADS 1-5级）。

邵逸夫医院放射科副主任医师张峭巍告诉动脉网记者，科室在三年前就和浙江大学计算机系合作借助AI系统进行自动分级来解决这个问题。

目前，邵逸夫医院研发的这套系统与两名医生做一致性评价的对比时发现，L-5的准确性已经达到93.8%，而医生只有92.3%。

邵逸夫医院放射科副主任医师张峭巍

据张峭巍介绍，医疗AI产品发展到现在已经开始影响医生的工作流程。科室有越来越多的医生自愿选择在工作中使用医疗AI产品。过去医生们的工作流程是读完影像片子后，写报告提交。现在是在提交报告之前，不少医生会选择参考AI系统出具的报告，与自己的进行比对和查漏补缺。AI系统从某种层面上，可以增强医生出具报告的信心。

不过，张峭巍也同时表示，现阶段的AI是AI，PACS是PACS，两者还没有完全实现无缝协同。这让医生在操作时会显得不够人性化，在一定程度上会影响医生的使用热情。将AI系统无缝对接到PACS系统，也将是下一步发展的方向。

二、基于影像组学/机器学习方法术前预测肝癌术后早期复发

据胡红杰介绍，在当前的肝癌临床治疗过程中，有些相对早期的肝癌本以为可以很好的治愈，可是在康复过程中却复发；有些患者已经是晚期，似乎无药可救了，却又恢复得很好。

这其中存在医生尚不清楚的某种规律，医院希望利用新一代AI技术，及其强大的计算能力和学习能力，去找到这种规律，目前该研究已经取得了一些进展。

我要回帖

更多关于 AI人工智能 的文章

 

随机推荐