在全球的放射学者心目中，RSNA（北美放射学年会）无疑是个神圣的舞台。

这是世界上最大的放射学会议，拥有来自世界各地的影像设备公司的最新的技术和产品的展示，也有来自世界各地的放射学者的最新的科研成果的发表。对于任何想在RSNA发表自己科研成果的放射学者来说，向RSNA进行投稿是走上世界放射学舞台的第一步。

近日，动脉网从推想科技独家获悉，2019年推想科技AI学者科研平台InferScholar^® Center及科学家团队，助力多家临床合作医院共完成RSNA投稿超过300篇（RSNA投稿截止日为芝加哥时间4月10日，现已截止）。而就在一年前，这个数字仅为6篇。

推想科技用户投稿分布

据RSNA2017稿件统计结果显示，这一年共收录了340篇，中国学者投放的稿件已在当年创造历史新高。这一数字距推想与合作医院投稿数量仅相差不到40篇。

从2012年科研人员再拾起淡忘的卷积神经网络算法，到如今各类人工智能产品落户医院，仅仅过了不到8年。一切或许还是发展得太快了，科研仍需要时间验证，产品亦需要科研的支持。

在2019年春节期间，RSNA最新的旗舰杂志《Radiology：Artificial Intelligence》上，杂志主编Charles博士就曾写道：“现在百家争鸣的时代，各家公司都宣称自己具有某种功能的AI系统，但是这些系统是否能够达到他们宣传的效果，必须要经过非常严格的临床验证。” 

事实上，RSNA 2018的200篇入选人工智能（AI）板块的摘要（包括口头发表、海报展示）中绝大多数是基于某种AI算法的技术可行性实验（technical feasibility study），也就是对某个模型做一些微调，通过小样本数据进行测试，更偏重概念验证（proof-of-concept）方面的初步探索, 而基于成熟商业AI产品的临床科研验证文章极少。

而早在2018年夏季，推想科技创始人&CEO陈宽就开始考虑AI学科建设和规模化临床验证性科研的布局，几个月后创建了致力于用AI深度学习技术与医生一起进行临床验证性科研合作的推想iCR，在短时间内迅速组建了由海外归国的博士后、国内顶级医院的设备专家、AI深度学习科学家组成的iCR团队，邀请了原GE医疗中国CT影像研究中心 (CTRC) 主任和首席科学家沈云博士担任iCR院长。

加入推想后的沈云博士立刻投身于基于InferScholar^® Center的创新之中：“目前大部分医学AI的科研课题都偏重于用AI算法进行概念性验证，以临床为中心、真正通过临床验证的研究却凤毛麟角。而医学是最严谨、讲究实证的学科，医学AI也不例外——任何成果在应用于患者之前，都需要严格的研究、在有同行评议的期刊上发表结果、以及在真实世界环境中的临床验证。”

推想科技全球临床科研合作学院（iCR）院长、首席临床科研合作科学家

沈云博士

因此，医学人工智能的发展亟需更多医者投入到相关研究之中，加速真实世界环境的临床验证，用科研成果对现有AI的发展佐以证明。InferScholar^® Center在正推动这一过程实现。

投稿数量的剧增来源于推想科技借助深度学习技术设计的AI科研平台InferScholar^® Center，这一平台开创了规模化临床验证性科研的先例，为任何想做科研的医者提供傻瓜式数据分析平台，研究各类医学命题。

据沈云博士介绍，300余篇RSNA投稿文章摘要均包含由医院用户基于推想科技AI产品和技术进行的临床验证性课题。这些课题分布于CT肺、CT骨疾病、CT脑疾病、DR骨龄等部位的病种。例如其中西部某三甲医院投稿的非镇静儿科CT检查就是一篇典型的验证性研究。

集深度学习、影像组学等多种功能，软硬件一体的推想AI科研平台InferScholar ^® Center为此次RSNA投稿提供了平台和技术方面的支持，大大提速了科研大数据的利用率和利用速度，使规模化的临床验证成为可能。

具体而言，医学专家可自主选择孵化AI的数据、模式、逻辑、参数等，将让AI更加契合医疗业务特性，并从临床角度获得更多科研成果。

这一产品的推出顺应了医者当下的需求：越来越多的医学研究者不仅希望使用AI产品，也希望结合自身的医疗大数据和临床经验优势，进行AI方面的自主临床研究。

而对于本次300篇RSNA投稿的阶段性胜利，沈云博士表示：“这是AI深度学习技术进行规模化验证性科研的起点，而与推想科技合作的每一家医院、每一位影像学者都是其中的参与者和见证者。我们希望未来有更多影像学者参与其中，与我们一起共同开启AI规模化临床验证性科研的新纪元！”

沈云博士是原GE医疗中国CT影像研究中心 (CTRC) 主任和首席科学家，工学博士、医学博士，东京女子医科大学客座讲师，陕西中医药大学终身科研教授。沈云博士具有独到的科研合作模式和理论，奠定了CT科研的标准，在日本和中国的影像界都有很高的地位和影响力。