近年来，人工智能(AI)以各种方式进入了日常生活，从智能手机的语言识别工具到金融交易的分析，到
自动驾驶汽车的算法，以及各种棋盘游戏，医学影像非常有可能是不久后的一个根本性的转变。
AI智能影像产品可以帮助
放射科医生提升诊断的准确率、节省工作量不断加大的放射科医生的时间，以及可以进行良恶性检测和自动生成检测报告等。本文将从国外媒体报道和国内AI医疗影像企业盘点两方面来解读。
用人工智能给医学影像增加价值
在未来的5到10年内，人工智能很可能从根本上改变诊断成像。虽然这绝不能取代放射科医生，但它可以帮助满足日益增长的成像检查需求，防止诊断错误，并使生产力持续提高。
人工智能时代的影像
“很容易预测到，人工智能将越来越多地应用到医学成像系统中，”意大利医生Francesco Sardanelli在一篇关于放射学主导趋势的
社论中评论道。
同样的，根据最近的一项民意调查，超过50%的医学领导者期望人工智能在监测和诊断方面的发挥重要的作用。尽管在成像领域的某些方面，人工智能已经是一种常见的应用，但市场分析预测到在未来5到10年，人工智能将进一步发光
发热。一些新的人工智能方法，如“
深度学习”，可以为定量、标准化和个性化成像铺平道路，同时有助于防止诊断错误，同时还能持续提高生产力。
哈佛医学院的放射学家基思·德雷尔(Keith Dreyer)在美国的一次专家会议上强调，“有意义的人工智能将会提高质量、效率和结果”，根据最近的一项民意调查，超过50%的全球卫生保健领导人期望人工智能在监测和诊断方面的作用能够扩大。
改变准则的挑战
有几个因素同时使AI融入放射学中。首先，在世界上许多国家，随着对诊断成像的需求不断上升，在放射学方面接受培训的医生遇到了短缺问题，这就导致了对工作效率和生产力更高的需求。例如，在2012年至2015年期间，英国的放射科顾问工作人员增加了5%，而同期CT和MR扫描的数量分别增加了29%和26%。如今，基本上放射科医生每3 - 4秒就要解释一个图像。
其次，随着数据的不断增多，如今扫描仪的图像分辨率不断提高。事实上，医疗数据的总体数据每三年翻一番。放射学在未来很有可能会从定性解释转为定量准则，从广泛的数据集中推导出临床相关的信息。“图像不仅仅是图片，它们更是数据，”美国国家放射学家Robert Gillies和他的同事们说。然而，这种转换需要很多自动化程序，至少其中一部分会在人工智能领域中出现。
最重要的是，错误诊断是一个尚未解决的问题。研究表明，有大概4%的错误诊断概率，错误率根据各个案例不同而变化，并且严重依赖于程序。此外，被忽视的病理结果不仅导致更糟糕的患者结果，而且也导致患者买单的机会。
人工智能可以帮助克服这些挑战，对于有效率的、基于数据的、且容易出错的诊断来说，AI是不可或缺的一部分。该领域一系列惊人的进展为这种乐观提供了足够理由。
让AI成为临床的一部分
人工智能在医学成像领域的应用并不算是新的，然而算法在目前是新的，它比传统的应用更强大。与以往的人工智能方法不同（美国在上世纪90年代末首次引入人工智能技术，主要用来筛查乳房x光检查，然而这有许多缺点），如今的技术会被证明是革命性的。
特别是深度学习，一种创新的机器学习方法，是分析成像数据的非常有力工具。深度学习依赖于被称为
人工神经网络(ANNs)的
计算机程序，这种神经网络受到大脑中神经生物结构的启发，在
图像识别任务中，这样的ANNs的错误率现在只有几个百分点。
例如，一项初步研究表明，当使用两种深度神经网络进行图像分析，放射科医生仅仅评估可疑病例的情况下，几乎所有的肺结核病例都可以在
胸片上检测到。这样的
工作流程可能具有重大的实际意义，特别是在那些缺少放射科医生的地区。其他的临床人工智能应用范围包括CT的
肺结节的改进检测、对脑组织和神经疾病的定量分析、成像生物标记、对
心血管病人的死亡率风险评分。
今天，人工智能已经在加速放射科的工作。例如西门子Healthineers开发了一款基于AI的诊断软件“syngo.via”。它可以自动检测解剖结构、独立给椎体和肋骨编号、帮助精确的覆盖不同的测试。公司目前拥有400项专利和申请，并支持与顶级医院开展各种研究合作，以推广该领域。
显然，在实践中实施人工智能将需要跨学科合作，所以放射学专家在其中发挥了重要作用。对于证明每一种新算法的益处、考虑许可程序和技术标准的要求来说，这也是至关重要的。
然而，先进的人工智能方法很可能会在诊断成像中设置一个基准，不仅允许更高的自动化和生产力，而且还史无前例地使用了超出人类认知限度的定量成像数据。
“这些即将到来的发展并不会取代医生的角色,但将为医生们提供高度精确的工具来检测疾病、以一种容易理解的方式来分层风险、优化特定病人的治疗方式和进一步的测试,”
洛杉矶 Cedars-Sinai 医疗中心的Piotr Slomka和他的同事在最近的一次专家评审中写道。
具体地说，在一些领域，比如说心脏成像，已经形成了定量导向，人工智能的采用可能非常迅速。然而，在许多其他领域，基于人工智能的算法很快就会把它们自己变成虚拟的“第二读者”，从而使放射学朝着更有价值和更高效的治疗方向发展。