医疗AI成下一个蓝海 医械巨头如何抢滩？

　复旦大学附属华山医院感染科主任张文宏教授曾提及，医疗人工智能最为成熟的智能影像识别（CT图像识别）在防疫中做出了重要贡献。

    他认为，AI在医疗机构的应用，在检测体系的应用，归根结底是线下和线上数据融合，并能够为公共卫生系统提供实时预警。

    受到集中于2016-2017年人工智能投资热潮的影响的结果，至少多达70-80家的企业参与智能医学影像研发，但真正能实现技术落地的企业却是屈指可数。

    此前，GE医疗首款人工智能CT设备APEX CT正式推出，配合GE独有的全数控QUANTIXTM高能球管，搭载了通过深度神经网络训练开发出的人工智能CT图像处理技术TrueFidelityTM，让每一次扫描都能获得以往CT设备无法比拟的高清图像质量。

    对于医生来说，越高像素的成像、还原真实的效果越好，就好比千万像素摄像头捕捉到的、还原真实的效果，为医生提供更有利于精准诊断的信息。

    对患者而言，一个是辐射更低、更安全，一个是医生诊断更精准、减少漏诊的可能性，患者更安心。

    相比传统CT图像对腹部检查一般都选择5mm厚层重建，TrueFidelity可对任意体型任意部位的检查进行0.625mm的薄层图像重建，真实还原图像的解剖细节和纹理，提高微小病灶的发现几率，有助于早诊早治，极大提高医生的诊断信心。

    尤其是对于天然对比度低的组织结构，比如腹部成像，TrueFidelity的诊断优势尤为明显，并为临床诊断带来了显著突破。

    在四川大学华西医院提供的临床测试中，应用了TrueFidelity的图像下完全达到了常规的诊断标准，解决了超低剂量CT扫描导致的噪声太大无法诊断的问题，且最低只需10%的辐射剂量，就得到了TrueFidelity真理图像。

      北京儿童医院的测试病例也显示，经过TrueFidelity，任意扫描0.625mm薄层重建，空间分辨率能提高8倍，1.25mm微小病灶检出率提升50%，最终额外发现了3个之前看不到的微小病灶。

10年迭代，AI技术的创新诉求

    长久以来，CT射线的潜在风险始终是医疗专家和患者最为担忧的，如何平衡图像质量和辐射剂量是CT影像发展永恒的两难。

    因为，CT照出来的片子并不是直接投射出来的，而是经过复杂的设备，从不同的角度扫描人体之后，必须再借助计算机的处理形成纹理，医生才有读懂它的可能。

    其中的关键就是计算机处理这些数据的方式——算法。

    因此，而重建算法的出现与不断升级，就是为了更好地解决这个问题。

    **代CT图像FBP算法的缺陷是，如果射线量不足，算法重建下的图像质量就会明显降低，但射线量过高，对患者的辐射损伤太大。

    第二代CT图像算法可以在射线剂量低的条件下，通过算法弥补射线信号的不足，但图像中的高频信息会被扭曲和丢失，就好像用美颜相机过度磨皮，图像的真实性难以判断，给医生的精准诊断加大了难度。

    迭代算法推出10年来，一直在不断改进，但由于其自身的局限性，医生的接受度并不理想，在实际工作中的使用频次也并不高。

    尤其是近年来，越来越多的证据表明，迭代算法存在的局限性在临床上表现得愈发明显。

    特别是低对比度的诊断任务，如肝转移或胰腺占位性病变的检出，迭代算法会导致低对比度结构的空间分辨率下降，降低病灶的可检测性。

    为此，如何实现低剂量、低噪声、自然纹理的三者兼得，成为彼时CT重建算法亟待突破的一大瓶颈。

低剂量、低噪声、真实图像纹理三者兼得

    虽然高端CT设备通过一系列硬件的提升，加之影像重建技术的优化，不断改善了诊断效能，但始终无法突破影像过度平滑的技术限制。

    GE医疗深耕CT领域40年，不断积累经验的同时进行技术创新，如今更是通过深度神经网络训练开发出了人工智能CT图像处理技术打破此前的迭代算法限制。

    不同于其他深度学习算法以迭代图像作为训练目标，GE医疗使用的是高质量、高剂量的FBP图像来训练深度神经网络，也就是医生口中的“ground truth”作为训练集，极大保证了最终训练结果的准确度，可将低剂量的CT扫描数据还原成高质量的FBP图像。

    传统基于机器学习的迭代算法，高度依赖专家经验，需要人工设计模型和确定、优化提取特征，对提取数量也有一定限制，不能超过人脑处理的极限，否则模型的准确性也会达到瓶颈。

    然而基于深度学习的重建算法，无需人为操作，自动优化深度神经网络，可调节的参数也是迭代算法的一万倍，并基于大量极端和案件案例作为验证数据集，保证模型的泛化准确性。

    且随着数据量的增加，模型准确性不断提升，重建速度可适用于常规和急诊需求，不会因去除噪声而导致微小病灶遗漏。

    深度学习重建算法的出现，可谓完美地解决了一直困扰CT的难题，能够实现低剂量、低噪声和真实图像纹理三者兼得。

    通过这种深度神经网络训练开发出的人工智能CT图像处理技术TrueFidelity，是经FDA批准的业界首个还原原始图像的深度学习CT影像重建算法。

    一直以来，医学的真谛，就是透过表象，看到真理，而人工智能等科学技术手段，正是撬开真理大门的钥匙。

    以TrueFidelity为代表的深度学习重建算法，突破了医学影像始终无法突围的重建算法门槛，开启了CT技术人工智能元年，更为人类打开了通往精准医疗的捷径，为更智能、更精准的医学影像诊断开创了无限可能。