随着精准医疗和医疗大数据时代的到来，医疗资源不足且分布不均衡的问题越发凸显，医学影像学是医疗痛点的突出体现，其快速发展的同时，仍然面临以下三方面挑战：①临床影像诊断目前主要依靠医生的主观经验，通常根据病灶大小、形态、数目、位置和密度（或信号）等形态学信息做出判断，难以准确量化，不能满足当前精准医疗背景下疾病诊疗评估的需求。②医学影像设备飞速发展，图像空间分辨率、时间分辨率大幅提升。单个患者的扫描或重建即可产生大量薄层、高分辨率的医学图像，给医生阅片带来巨大压力。③我国医疗机构的影像设备装机数量逐年攀升，而影像科医生的数量增加有限，导致医生工作严重超负荷。因此，亟需发展新的技术和方法，解决现代影像医学发展面临的挑战性问题。

近年来，人工智能（AI）的发展，为医学影像在疾病精准诊疗中的应用带来新的机遇。美国是世界上第一个将人工智能发展上升到战略层面的国家，人工智能的战略规划被视为美国新的“阿波罗登月计划”，美国希望能够在人工智能领域拥有其在互联网时代一样的霸主地位。英国发布机器人技术及自动化系统《2020 年国家发展战略》（RAS 2020 National Strategy）以加速人工智能技术的应用；日本政府在2015年编制了《日本机器人战略：愿景、战略、行动计划》，以促进人工智能机器人发展。

我国自2015年开始，连续高密度、高强度地发布了一系列相关鼓励政策，做出了关键性的战略布局

2015 年，国务院在《中国制造2025》中将智能制造列为主攻方向，这是人工智能迎来爆发式发展的标志。同年，《全国医疗卫生服务体系规划纲要（2015—2020 年）》的公布也将“互联网+”正式纳入医疗卫生新蓝图，这是国家对医疗人工智能布局的开篇。随后，有关医疗人工智能的政策不断推出。

2016 年《“十三五”国家科技创新规划》提出“重点发展大数据驱动的类人智能技术方法”；同年《“健康中国2030”规划纲要》对智慧医疗等关键技术突破提出要求。

2017 年《新一代人工智能发展规划》提出“三步走”的战略目标，宣布举全国之力在 2030 年抢占人工智能全球制高点，规划中明确提出实现智能医疗的宏伟目标，号召推广应用人工智能治疗新模式、新手段，建立快速精准的智能医疗体系，基于人工智能实现智能影像识别、病理识别等。随后《促进新一代人工智能产业发展三年行动计划（2018—2020 年）》发布，计划从各个方面详细规划了人工智能在未来三年的重点发展方向与目标。

科技部在2019 年8 月发布了《国家新一代人工智能创新发展试验区建设工作指引》，指出要充分发挥地方在试验区建设中的主体作用，从人工智能技术应用示范、政策试验、社会实验及基础设施建设4 个方面推动人工智能发展创新，3 年内形成一批人工智能与经济社会发展深度融合的典型模式，积累一批可复制、可推广的经验做法，打造一批具有重大引领带动作用的人工智能创新高地。

2020 年3 月4 日，中央明确指示要加快 5G 网络、数据中心等新型基础设施建设进度。新基建是构筑我国科技创新高地的重要基础，尤其是5G、数据中心等的高质量部署，将开启人工智能发展新空间，注入增长新动能，加固、升级人工智能长期发展创新的数字底座，为我国人工智能发展按下“加速键”，也带来新的机遇。

2016年，医学影像人工智能成为北美放射学会关注的焦点

2017 年，RSNA 大会主题为“探索、发明和转化（Explore，Invent，Transform）”，主流观点认为AI 是一个重要的创新、赋能和提效的工具，开展了9 个AI 主题讲座，共49 家公司参展，发表相关论文104 篇。

2018 年，RSNA 大会主题为“明天的放射学（Tomorrow’s Radiology）”，主流观点认为AI 可以提高影像科医生的工作效率，使其有更多时间可用于病人的人文关怀，大家要拥抱AI。开展了12 个AI 主题讲座，共105 家公司参展，发表论文211 篇。

到2019 年，RSNA 专门为AI 领域设置了一个展馆，主题为“共见无限可能（See Possibilities Together）”，收录的AI 相关论文达519 篇，主题讲座扩展到23 个，参展公司达166 家，其中包括通用（GE）、西门子、飞利浦、富士、联影和东软等医疗设备厂商。

AI 已经从医学影像辅助诊断扩展到整个行业的方方面面，未来将在影像科发挥巨大价值，这一点已成为业内共识。近五年，医学影像AI 领域论文发表量逐年增加，现已共发表近6000 篇，我国以近20% 的占比仅次于美国（35%），位居世界第二，但我国在高质量文章方面与国际还有差距。神经、胸部、腹部等影像科亚专业及核医学在这一领域备受关注，发文量最多。2018 年2 月，Cell 发表题为Identifying MedicalDiagnoses and Treatable Diseases by Image-Based Deep Learning 的论文，该文是我国研究团队首次在顶级生物医学期刊上发表的有关医学AI 的研究成果，也是世界范围内首次使用如此庞大的标注好的高质量数据进行迁移学习，并取得高度精确的诊断结果。另外，中华放射学学术大会（CCR）在2015 年至2019 年间，收录相关论文1289 篇，2018 年和2019 年两年中，相关论文呈爆发式增长，学者们关注的重点集中在胸部、神经及乳腺领域。

目前，我国有100多家医疗AI公司，其中约有一半从事医学影像AI产品开发

我国各医院部署的绝大多数AI 系统，是与医学影像相关的。运用AI 技术对影像数据进行深度学习和决策判断，已经成为智能医疗的核心。国内很多大学附属医院的放射学专家与科研院所及AI 科研人员展开了深度合作，研发的部分技术处于世界先进水平。

2018 年3 月，中国食品药品检定研究院启动肺结节影像标准检测数据库建设，目的是评估进行肺结节检测、分类、分割和大小测量的AI 产品。中检院和中华医学会放射学分会（CSR）心胸学组联合研究了肺结节的标注规则、标注流程、质量控制等，发布了《胸部CT 肺结节数据标注与质量控制专家共识（2018）》，旨在统一对AI 专用医学影像数据标注规则与方法的理解，鼓励全社会有序开发医学数据资源，促进医疗AI 产业全链条协调发展。为促进我国医学影像AI 相关产业技术的创新和发展，中国医学影像AI 产学研用创新联盟（CAIERA）于2018 年4 月在上海成立。第一批加盟的有62 家三甲医院、22 所科研机构及45 家AI 创业公司，代表了国内医学影像AI 领域权威的声音。联盟是我国医学影像AI 领域最有影响力的跨学科创新型组织，其成立为我国医学影像AI 产学研用链条的有机结合奠定了良好基础。同年12 月，联盟主办了首届中国医学影像AI 大会，政产学研资医等领域国内外众多领袖级专家、学者及AI 相关行业代表出席大会，推动了医学影像AI 行业的融合与发展。

2020年，我国人工智能医疗器械产品审批迎来了重大突破

目前已有4 个与影像相关的产品获批。1月，科亚医疗的“冠脉血流储备分数计算软件”产品取得了第一张国家药品监督管理局（NMPA）人工智能三类医疗器械注册证，该产品适用于冠状动脉CT 血管影像，功能包括图像基本操作、基于深度学习技术的血管分割与重建、血管中心线提取、基于深度学习技术的血流储备分数计算。6 月，安德医智旗下BioMind“天医智”的“颅内肿瘤磁共振影像辅助诊断软件”成为首个NMPA 批准的医学影像人工智能辅助诊断软件，该软件运用深度学习算法，能够实现颅内肿瘤（如脑膜瘤、听神经瘤、髓母细胞瘤、胶质瘤等）的人工智能精确诊断，并自动生成一份结构化报告，内容包括肿瘤位置、体积等精准信息，可帮助医生快速诊断，并提高影像科医生对脑肿瘤的诊断能力。8 月10 日，Airdoc 等的“糖尿病视网膜病变眼底图像辅助诊断软件”正式获批NMPA 三类注册证。

经过人工智能和影像医学领域几年间的磨合和碰撞，医学影像人工智能领域的研究逐步进入了“理性”和“务实”的状态。人工智能在医学领域的突破很可能率先发生在影像界，未来将与放射科医生的诊疗流程实现无缝融合，重塑医学影像服务的模式。影像医学作为医疗领域中新技术发展和应用最前沿的学科，将在第四次工业革命中迎来精彩的发展变迁。

以上内容引自《中国医学影像人工智能发展报告（2020）》

主编：刘士远

限时折扣中……

扫描即可下单

科学出版社赛医学（sci_med）