人工智能發(fā)展至今，技術(shù)上不斷取得突破，尋找落地應(yīng)用場景成為AI企業(yè)的頭等大事。近年來，隨著國家對醫(yī)學(xué)影像行業(yè)發(fā)展的支持，“AI+醫(yī)學(xué)影像”成為一種全新的領(lǐng)域，有著非常廣闊的前景。

醫(yī)學(xué)影像是指為了醫(yī)療或醫(yī)學(xué)研究，對人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過程，它包含以下兩個研究方向：醫(yī)學(xué)成像系統(tǒng)和醫(yī)學(xué)圖像處理。

醫(yī)學(xué)成像系統(tǒng)是對圖像行成的過程，包括對成像機(jī)理、成像設(shè)備、成像系統(tǒng)分析等問題的研究；醫(yī)學(xué)圖像處理是指對已經(jīng)獲得的圖像作進(jìn)一步的處理。

醫(yī)學(xué)影像學(xué)的發(fā)展，使醫(yī)生對圖像的調(diào)閱、圖像質(zhì)量的控制等有了更大的主動性，它使得醫(yī)生工作的關(guān)鍵模式發(fā)生了改變。

其一，它能滿足科室的需要，簡化科室的管理，可以減少醫(yī)生的勞動強(qiáng)度，并保留病人原始就診數(shù)據(jù)；其二，它能對醫(yī)生的科研、教學(xué)都有很大的幫助；其三，它可以解決未來可能發(fā)生的法律糾紛。

醫(yī)學(xué)影像產(chǎn)業(yè)主要分為兩個部分，一是影像設(shè)備，包括零部件廠商、整機(jī)廠商、軟件，二是影像診療，包括醫(yī)生、影像中心、影像耗材、遠(yuǎn)程診斷服務(wù)等。

目前我國醫(yī)學(xué)影像行業(yè)面臨兩大痛點，第一是醫(yī)學(xué)影像醫(yī)生缺口大，誤診率高、效率低，服務(wù)模式亟待創(chuàng)新；第二是醫(yī)學(xué)影像分析工作繁瑣重復(fù)，極度消耗精力。

信息技術(shù)發(fā)展促進(jìn)了醫(yī)學(xué)影像和教學(xué)科研工作的開展，它和生物技術(shù)、基因工程以及醫(yī)學(xué)工程的結(jié)合，會加速新技術(shù)的更新。人工智能技術(shù)的發(fā)展為解決當(dāng)前中國醫(yī)學(xué)影像面臨的難題提供了一種新思路，“AI+醫(yī)學(xué)影像”被認(rèn)為這個領(lǐng)域的“救命稻草”。

為什么醫(yī)學(xué)影像的發(fā)展離不開AI技術(shù)？因為醫(yī)療數(shù)據(jù)中有大部分來自于醫(yī)學(xué)影像，醫(yī)學(xué)影像數(shù)據(jù)仍在逐年增長，但影像科醫(yī)生的增長速度和工作效率不足以應(yīng)對這樣的增長趨勢，這將給醫(yī)生帶來巨大的壓力。目前醫(yī)學(xué)影像數(shù)據(jù)大部分仍然需要人工分析，最明顯的缺陷就是不精準(zhǔn)，依靠經(jīng)驗所做的判斷容易造成誤診。

除了醫(yī)學(xué)影像對AI的潛在需求，國家政策高度支持醫(yī)學(xué)影像行業(yè)及“AI+醫(yī)療”的發(fā)展，醫(yī)學(xué)影像在醫(yī)療 AI 領(lǐng)域技術(shù)成熟度最高，也有望最先實現(xiàn)商業(yè)化。

在“AI+醫(yī)學(xué)影像”實現(xiàn)商業(yè)化之前，需解決這些難題才能大面積應(yīng)用。算法、算力和數(shù)據(jù)被認(rèn)為是人工智能的三大核心要素，數(shù)據(jù)量的增長、運(yùn)算力的提升和深度學(xué)習(xí)算法的優(yōu)化將帶來人工智能效率的持續(xù)提升。

目前醫(yī)學(xué)影像領(lǐng)域算法快速突破，算力持續(xù)增長，如何獲取足夠豐富且高質(zhì)量的醫(yī)療影像數(shù)據(jù)成為提升診斷準(zhǔn)確度的最關(guān)鍵因素。2018年8月31日詹松華教授將在OFweek（第二屆）人工智能產(chǎn)業(yè)大會——AI+醫(yī)療論壇上分享自己的主題演講《人工智能在醫(yī)學(xué)影像應(yīng)用的困難與挑戰(zhàn)》，深入探討人工智能在醫(yī)學(xué)影像領(lǐng)域的重大挑戰(zhàn)及對策，以及自己在人工智能應(yīng)用于醫(yī)療影像方面的最新研究和思考。

AI正在逐漸超越影像科醫(yī)師的眼力極限，更快、更準(zhǔn)地提供診斷報告，但是人工智能在臨床實際應(yīng)用卻為數(shù)不多。詹松華教授認(rèn)為不是影像科醫(yī)師的主觀拒絕，而是目前的AI水平確實不高，在實際應(yīng)用中存在很多缺陷，造成推廣困難。AI工程師需要傾聽臨床的聲音，解決假陽性和假陰性的問題，開發(fā)更多的實用軟件，軟件更加人性化、更多的投入，而不是超越實際的宣傳，要與放射科醫(yī)師一道，共同提高影像檢查的圖像和診斷的質(zhì)量。