中国医学影像AI大会上,医生呼吁研发“多任务机器学习”

2018.12.22点击:

 大数据结合人工智能,在医疗上最有望实现突破的是医学影像领域。首届中国医学影像AI大会近日在上海国际会议中心召开,上海长征医院影像医学与核医学科主任、中国医学影像AI产学研用创新联盟理事长刘士远表示,人工智能医学影像系统要落地,需要基于临床医疗场景,实现机器学习的“举一反三”。


  国务院发布的《新一代人工智能发展规划》提出,要发展智能医疗,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,实现智能影像识别、病理分型和智能多学科会诊。本届大会由中国医学影像AI产学研用创新联盟主办,业内专家和企业代表云集,通过这一平台进行深入交流。


  “AI医学影像”是将人工智能在图像识别领域取得的突破应用于医学影像领域,达到提高诊断效率和准确率的目的。据刘士远教授介绍,目前“AI医学影像”的应用方向主要有三类:疾病筛查、病灶勾画、脏器三维成像。应用病种已覆盖乳腺癌、皮肤癌、肺结节、心血管等多种疾病。


  刘士远指出,国内不少企业在开发肺结节筛查产品,但从临床角度看,肺结节筛查只是胸部CT检查的“冰山一角”。因此,这类产品还需要对肺组织、心血管组织、纵膈组织等部位进行疾病筛查。“检查人体某个部位时,需要覆盖这个部位所有的器官及所有疾病,这样才符合医生的临床诊断习惯。”医学影像AI产品要具备这种全病种筛查能力,必须进行多任务的机器学习。多任务学习是让机器模仿人类学习行为,通过“举一反三”同时运行多个学习任务。


  体素科技CEO丁晓伟博士十分认同这一观点。毕业于上海交通大学、加州大学洛杉矶分校的他,在科研中看到了大数据与人工智能应用于医疗的前景。2016年,他与加州大学洛杉矶分校杰出教授、英国皇家科学院院士德米特里·特尔佐普勒斯创立了体素科技。研发团队一直在探索多任务机器学习,运用渐进密集V型深度神经网络技术,将3D医学影像数据分割速度提高了120—240倍。这为多任务机器学习提供了新方法。


  本届大会上,体素科技发布了胸部CT、眼科、皮肤产品体系全病种战略。胸部CT全病种解决方案覆盖所有常见病灶,能为医生提供有价值的辅助诊断。视网膜全病种筛查解决方案通过眼底照相,结合病人信息,能全面检查主要慢性眼底疾病,并对其他病变进行预警。“体素肤知汇”则是智能皮肤全病种测评解决方案,公众将图像上传至手机客户端,就能完成皮肤类疾病远程诊前问诊。


  谈到“AI医学影像”的未来发展路径,刘士远表示,在医疗数据方面,需要更多医生参与,提供高质量、多病变的数据以及多任务标注。技术团队则需要在算法上有所突破。“基于单病种的机器学习,可能很难解决问题,机器要具备多任务计算和学习的能力。”(作者:俞陶然吴佳妮)

来源:上海市科学技术委员会