作者：杨俊

正如以往的年份一样，RSNA，在那个老地方，老时间段，依旧不变的是芝加哥的气温，大风和下雪，但新的变化却是影像放射医生如何更好的思考有人工智能的未来（大会主题：How emerging technology will empower tomorrow’s radiologists to provide better patient care）。You do not wait for the future, because it’s already here. 

开幕式上，周日一早的Arie Crown Theater就像忙碌的医院一样，座无虚席。RSNA主席Dr. Vijay M. Rao做了开场主题演讲，她向众人描述了如果她的孙女在25年后成为影像医生，2043年的影像科日常会是如何和智能技术结合的一天。她认为现在先进的技术，尤其是数据分析和AI技术能够帮助医学影像医生更好的优化流程，提供给医生更好的诊断，使得影像医生能够提供完善的病患诊疗方案。

这些年，我从加拿大的图像算法实验室，到GE healthcare的临床高级应用研究部门，再到AI医疗行业，对Dr. Rao这点我是深深认同的（我也从事神经+影像的跨学科科研合作）。不仅仅是对未来技术可能会提供的价值的认同，而且还是对影像医生想不断的融入临床诊治多学科流程，更好的提供医疗方案，推动医学科研边界发展的认同。影像医生不能只是image readers（阅片者），更要具有临床思维，真正提供total patient care（全方位的患者服务）。

作为一个衔接技术的临床科学工作者，如果要升华对Dr. Rao的主旨含义，我认为是把今天发展的全新技术，包括数据库分析和AI技术，用于提升她能看到的下一代医生的临床教育，让影像科医生在实践中更多地、更全面地参与到患者服务，有更多机会去做推动医学的科学研究，从而不断实现影像医生的定位——“we are doctor’s doctors”，做到真的beyond imaging，而仅非阅片者。这一切构成一个成功医者的完整医学教育和成长系统（education-practice-research-achievement），让新的技术融入到这其中——这便是Act For Future。

在医生教育方面，今年的“机器学习展示平台”由Google cloud和Arterys共同协办，Google cloud注重于算法框架层面和基础研究，为感兴趣的医生和技术人员讲解了最新的进展和开放的平台。Arterys则展示了两款FDA批准的产品（心脏结构和肝脏影像的人工智能平台）和医学图像的云计算AI。会议上知名厂商和研究机构都展示了其最新的工作进展。在培训学习方面，GPU芯片公司Nvidia举办了为期一周的learning classroom，增加了医生们实际学习人工智能应用和上手操作算法的机会。

在图像识别方面，乳腺癌X光检查、数字乳腺断层摄影与肺癌CT病灶检测的深度学习研究可以说是占据了一些指定演讲1/3的内容，而前两年比较风靡的radiomics（影像组学）研究则已经明显减少。AI技术除了直接作用于各种图像和病灶的识别方向，还在更上游的原始图像处理，改进图像重建技术发挥了新的作用。比如GE healthcare推出的基于深度学习的图像重建技术DLIR可以达到上一代ASIR技术的同样去噪效果，但重建时间大大缩短。来自美国斯坦福大学的Gong等人，利用3D U-net进行脑部MR增强图像的学习和重建，比较了减少钆造影剂情况下的深度学习后图像与原始全剂量钆造影剂的图像质量和可诊断性，可以达到无差别的效果。在学术期刊上，Dr. Rao正式宣布了增加Radiology: Artificial Intelligence子刊，成为医学界第一个成立人工智能的同行评审学术期刊，足见其重要性。

RSNA 2018的机器学习展示区

在AI的大浪之下，我有了一些与科研转化和产品相关的感想。深度学习在乳腺，肺结节，肺癌方面的覆盖率已经处于较高状态，从会场上的国外研究方向可以看出来，还未应用于临床决策。究其原因是因为临床医生得到的决策依据是否充分，结论切合金标准的稳定性有多好等等。另一方面，在实际落地和应用场景中（已有或即将FDA批准），眼科疾病，脑血管，心血管疾病的图像应用已经有了一定的成果；在其他高发肿瘤和骨折，骨龄的图像分析方面，AI也已有初步的科研趋势出现，当然这还需要更好的多中心实验来验证。

个人认为在医疗的终端问题——诊治环节上，AI切入的落点还不够，也不深。美国FDA目前的de novo级别智能系统，其实在某种程度上降低了AI医疗产品的审批级别，为这个新生的领域设置了一个良好的初步生态环境，有利于发展真正紧扣治疗决策辅助的临床产品，而不是仅仅停留在所谓的“image reader”的基础上。一种新技术的出现，必定是伴随着以往技术和诊断流程的改进或革新，而在医学这样高知识，高经验且本身不断突破的领域中，需要我们具备热忱又耐心的积极准备，做到真正的源于医学，回归临床，Act For Future。

正在审批的国内某独角兽医疗AI公司的儿童骨龄判别系统

从这届RSNA来看，医学影像界正在以最积极的态度拥抱人工智能的发展，实际产品的可用性，新技术的医学教育和科研将会是未来落地的重要考量因素。影像不能作为我们的终端目标，它是诊断手段，而我们先进的图像/数据处理和AI技术可以帮助医生更定量更有效的发挥这种手段，这些技术正在以我们从未见过的方式来开拓数字化诊断的能力, 全新的去定义影像医生的total patient care，更加全面的参与多学科临床策略的制定。