免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

醫療影像與AI技術結合后，人類的健康可能會獲得更多、更可靠的保障

放射科醫生在AI時代面臨著更多的機會和挑戰，而對更廣闊的大眾來說，技術能帶來的是更多的保障與更高的醫療水平。

在本次活動中，來自吳恩達實驗室的博士生Pranav Rajpurkar現場展示了Xray4All平臺：用戶上傳截取的x光影像照片，約1秒的傳輸后，用戶就可以在線獲得結果。若檢測影片出現了異常，平臺將用高亮標記異常部位。

“這個技術的應用場景特別適合用于解決發展中國家、全球衛生場景中臨床醫生資源短缺的問題。”Pranav總結到。

另一家融資超過4500萬美元的美國AI影像公司Arterys則計劃通過現實世界的數據來為全球人類提供醫療決策，自動化日常的醫療任務，進一步推動醫療平等化、民主化，并提供預防性分析。

Arterys如今的AI產品均基于云計算進行處理，這種模式的處理速度遠比醫院內部計算系統中計算更快捷、更安全可靠。

AI技術在美國臨床應用：AI系統產業化的關鍵步驟

作為醫療投入占政府總支出最高的國家之一，美國在AI技術的推廣上一直走在了世界前列，而中國作為平均醫療資源緊張的人口大國，同樣對AI醫療存在巨大的需求。

這次課程上，國內的推想科技、美國的Nuance、以及在中美協同推廣的深透醫療（Subtle Medical）受邀進行了報告，會議尾聲，三家企業以“Implementing AI： the last mile”為主題，探討了臨床部署AI系統產業化的最后關鍵步驟。

推想科技在中國處理了數百萬的病歷，并在美國多家醫院／影像中心開展測試。Nuance則在美國臨床影像的語音識別工具、讀圖標記工具占領了巨大的市場份額，也在推廣其“Nuance AI market”醫學影像AI應用商店。

深透醫療是三家中唯一有AI產品獲FDA批準進行商業化的。深透醫療CEO宮恩浩博士介紹了如何臨床部署其FDA獲批的SubtlePET產品，以及對申請中的SubtleMR等產品進行臨床測試。

深透醫療SubtlePET的AI產品是首個獲批的醫學影像增強應用，也是首個獲批的核醫學的AI應用，其產品價值在于可利用AI達到4倍左右的影像采集加速，為減少輻射以及造影劑劑量提供解決方案。這意味著，病人將獲得更便捷、更高質量、更安全、更智能的臨床影像檢查。

在美國，AI要邁進醫院必須跨過嚴格的門檻，必須與醫院信息系統深入融合；與臨床醫生確認系統效果；并給出購買AI系統后，醫院將收獲的回報。

“在準備部署時，我們需要和臨床醫生、信息系統負責人以及醫院管理運營方面多方面溝通。以深透醫療為例，公司臨床和銷售負責人需要和醫院進行快捷而有效的真實數據測試，在盡可能不影響醫院現有運行的情況下，實時讓醫院用自己的數據進行臨床測試。通過實際的測試以及真實可觀的影像檢查加速，可以很客觀地讓醫院看到AI為醫院帶來新的臨床價值以及經濟價值，從而進展到采購與部署。”深透醫療CEO宮恩浩告訴記者。

醫學影像后處理公司TeraRecon的CEO，同時也是醫學影像AI平臺Envoy公司的CEO， Jeff Soreson與著名影像醫生、影像AI推廣者Eliot Siegal教授，同樣以互相采訪的形式討論了如何優化影像AI的工作流程、部署過程。

“對AI算法深度的臨床驗證是推廣醫學AI非常關鍵的一步，我們在向這個目標不斷發展。”Eliot Siegal教授強調。

技術局限性與面臨的挑戰

雖然醫學影像已經是AI領域最適合、也能最快部署的領域之一，我們仍面臨著重重挑戰。

首先，以深度學習為代表的的AI技術仍是一個“黑箱子”。這意味著技術能夠讓醫療影像檢測達到較高的準確度，然而AI仍然很難理解數據之間的真正關系以及如何分類數據。

“在斯坦福，我們希望能夠為醫學影像感知打造更好的注意力分布圖（attention map），來避免黑箱效應。”斯坦福醫學院教授Dr． Saafwan Halabi表示，“最近有很多研究和報道討論到基于數據的對抗攻擊算法（Adverserial Attack）可以讓識別路標的AI無法正常工作。而在醫療AI中，如何保證AI不被誤導是非常重要的一環，這方面研究的顯然遠遠不夠。”

斯坦福AIMI人工智能醫學影像研究項目負責人，本科課程的負責人之一Dr． Matthew Lungren討論了臨床AI的偏見問題“bias and implications for medical imaging AI”。 AI在實際臨床用時很可能引入數據偏差（bias），比如對于醫學影像識別的分類器，識別的是圖像里的其他標記，而不是影像中的病灶本身。

目前的工具對于數據和算法中的偏差問題并不能很好的理解，實際臨床應用的AI必須要讓人能在使用中理解結果的可信性。在系統設計中考慮人機互動以及AI算法給出置信度分析可以大大幫助人來減少可能的偏差問題。

麻省總院機器學習實驗室負責人之一Jayashree kalpathy教授則希望打造出一個魯棒性更強的模型，并通過轉移學習以及聯邦學習完成多醫院合作項目，實現在不用分享敏感數據的情況下分享訓練出深度學習AI模型，進而推動醫院間的深度合作。

總的來說，人工智能還有諸多不完美之處有待突破，但在未來，AI必定能成為健康生活的重要支撐。當然，這需要行業中的從業者共同努力，共同帶來更加有效率、有合理的健康醫療系統。

文 ｜ 趙泓維