<mark id="oztn4"></mark>
0
| 本文作者： 李雨晨 | 2022-09-27 11:55 |
近日，MICCAI Fellow、上海科技大學生物醫學工程學院創始院長、聯影智能聯席 CEO 沈定剛教授在第25屆MICCAI大會上，作了題為《人工智能在全棧全譜醫學影像中應用與創新研究》（Full-stack Full-spectrum AI in Medical Imaging）的主題演講，基于中國醫療AI的實踐經驗，提出了聯結工業界與學術界的、全棧全譜醫學影像創新的新思路。
MICCAI 協會是國際公認的醫學影像計算（MIC）和計算機輔助介入（CAI）領域的頂級綜合性學術組織，每年秋天的MICCAI 學術年會聚集了全球醫學影像領域的專家與會。
會議內容反映了醫學影像領域的最新成果，代表了學科發展的新方向，具有國際公認的學術地位和影響力。
今年的MICCAI會議于9月18-22日在新加坡召開，沈定剛教授是本屆大會三個特邀主題（Keynote）演講者之一。
會后，雷峰網與沈定剛教授進行了一次對話，圍繞轉變研究思維、打破圈層利益等方面提供了諸多寶貴意見，并分享了公司及學院的最新建設成果。
他表示，MICCAI的三個主題演講中，會包含MIC和CAI兩個方向，另一個則是探討更為宏觀的主題，如今年的AI倫理、公平性等。
三個主題演講會由不同方向的學者來進行推薦，然后召開會議進行確定，并最后由一位專門的主席（區別于大會程序主席）來進行邀請。
邀請沈定剛教授的學者，是法國雷恩大學的Pierre Jannin教授。
他在設計和開發用于神經外科的圖像引導手術系統方面擁有約20年的經驗，是國際計算機輔助外科學會（ISCAS）的秘書長，并在多個期刊擔任副主編和審稿人。
2018年，Pierre Jannin教授當選為MICCAI Fellow。
據雷峰網(公眾號：雷峰網)了解，此次演講籌備近3個月時間，由上科大、聯影智能等十多個人的團隊共同參與。演講主題的關鍵詞是“全棧全譜“，這其中包含了沈定剛教授對學科發展的深遠思考。
他表示，許多學術研究僅零散地用于醫學影像的某個環節，并不會從整體上對臨床工作流帶來明顯的提升。只有從全棧全譜角度將AI方法組合起來，從掃描前、掃描中、掃描后全流程來研究和開發醫學影像AI，才有可能真正帶來臨床工作流的革新。
“打個比方，一個疾病的診療流程是一根繩子。你在前端的圖像分割、分類上做的很好，給繩子增加了5%向上的力，但是這股力傳導到繩子末端已經損耗殆盡。所以，如果只關注其中的一個點，最后將整條繩子動起來的概率非常低。”
所以，沈定剛教授希望學者們用“由點成線”的思維來考慮問題，把很多全棧全譜的“線”堆積起來構成“面”，解決真正的臨床問題，也就是“點-線-面”的思路。
“在AI時代，我們更應該考慮一個問題的整體解決方案，而不是其中的一個點。有人鉆得很深、鉆了一輩子，但是要回頭想想，這對于解決臨床問題有什么好處。可以說，大多數是沒有多大好處、多大用的東西。因為臨床需要的，是一大批AI工具。”
如何做到這一點，關鍵在于把所有的AI工具標準化、模塊化，進行組合、快速開發新的產品。這就需要學者、產業界人士學會共享，從解決臨床問題的思路出發。
對于青年學者，沈定剛教授建議他們多去綜合性的大型實驗室里，學會從全局的視角看問題。
“做圖像分割的同學，思考自己的工作如何給后面分類的同學提供幫助、彼此扶持，這樣才能得到綜合性的訓練。”
沈定剛教授曾擔任MICCAI 2019的大會主席。在他的推動下，華人在世界學術舞臺上的影響力越來越大。
從論文而言，2019年，亞洲的錄取文章比例已經達到37%（美洲為36%，歐洲為26%），超過了美洲，而這些錄取的文章里，絕大多數（150篇左右）來自于中國。
他做了幾件事情，將審稿人的數量擴充至1300人左右，并實行了一個非常好的策略：
首先，讓MICCAI 2019的六十多位領域主席，每人至少推薦一定數量的專家；
其次，在MICCAI上，華人擔任領域主席的數量通常非常少，沈定剛教授做的一點改變是，提升華人擔任領域主席的比重，將原先13.8% (MICCAI 2018) 的比例提升到了今年的43.5%，有三十位領域主席是華人。
因此，MICCAI對國內醫療AI領域很大的一個貢獻在于，不光把年輕的學者作為領域主席推在全世界面前，同時也把中國在醫學影像AI方面的工作推向全世界。
然而，隨著會議的最佳論文以及青年學者中華人的身影越來越多（本次大會審稿人的名單詳見閱讀原文），也引發了沈定剛教授的擔憂。
他認為這不是一個好現象。
因為某一個國家或地區的學者占據重要的地位后，會形成一個個小的文化圈子和利益圈子，論文就會出現投機取巧或打“人情分”的現象。
在一些極端情況下，MICCAI審稿的雙盲機制也會失效，這是他不愿意看到的事情。
沈定剛教授表示，“我希望國內的人在MICCAI這個領域里做得越來越好，也希望大家相互支持，給年輕人更多機會，但是這不應該成為學術牟利的跳板，而是保持純粹的學術初心，為醫學、為患者做切切實實的事情。”
目前，沈定剛教授任職于上海科技大學和聯影智能，他分享了各自的進展。
8月，國家科技創新2030-“腦科學與類腦研究”重大項目首批項目陸續開題。
其中，由上海科技大學生物醫學工程學院創始院長沈定剛教授指導的“嬰幼兒腦發育隊列” 重大項目與“上海科技大學-兒童青少年發育隊列建設子課題”于近日正式開題。
“嬰幼兒腦發育隊列”項目，由上科大生物醫學工程學院研究員、副教授、博士生導師、嬰幼兒腦發育影像實驗室主任張寒牽頭；
“上海科技大學-兒童青少年發育隊列建設子課題”由上科大生物醫學工程學院研究員、副教授、博士生導師、助理院長王乾負責。
項目對標國際最高水平，將基于聯影醫療最新科研型3.0T磁共振系統，進行涵蓋嬰幼兒和兒童青少年這兩個重要年齡段的腦智發育研究。
沈定剛教授將其稱之為一個“歷史性”的現象。
“現在廣泛應用于腦科學研究的磁共振機器，就是由美國的腦計劃研究帶動起來。所以在國家重大前沿科研項目中，既要研究解決腦科學領域的眾多科學問題，也應該以此帶動國內相關技術和產業的發展，讓高端影像設備企業有更多的打磨機會。”
兩個項目/課題中，上海科技大學將與復旦大學附屬兒科醫院、上海師范大學、西安交通大學、上海大學等機構緊密合作。
除了上海科技大學生物醫學工程學院創始院長的身份，沈定剛教授還是聯影智能的聯席CEO。
他表示，目前聯影智能的產品已經多達40+個，產品已經部署上千家醫院，銷售額上億元。
以下為沈定剛教授大會演講的內容節選。
近年來，醫療 AI 在全球范圍內迎來了極大的發展，越來越多的業內頂尖學者投身醫學影像 AI 領域，從 2018 年起，MICCAI 接收和發表的醫療 AI 相關文章數量也顯著增長。這一點從 MICCAI 被高頻研究的關鍵詞中可以窺見。
MICCAI 文章中的高頻詞
然而許多學術研究僅零散地用于醫學影像的某個環節，并不會從整體上對臨床工作流帶來明顯的提升。
只有從全棧全譜角度將 AI 方法組合起來，從掃描前、掃描中、掃描后全流程來研究和開發醫學影像 AI，才有可能真正帶來臨床工作流的革新。
此外，很多算法只能從影像中識別單一病灶或疾病，但在臨床中醫生卻需要同時檢查所有可能存在的疾病并出具報告。
另一方面，臨床診斷往往不僅使用一種模態，而是結合多種模態完成檢查。因此，我們需要從全譜（即多模態）的角度研究如何診斷疾病。
針對復雜多樣的臨床問題，在產業實踐中，我們通過產學醫融合創新的方式，進行全棧（貫穿成像、篩查、隨訪、診斷、治療的疾病診療工作流）和全譜（覆蓋X-ray、CT、MR、PET、PET-CT 等多模態）的醫學影像 AI 研究，開發了通用的全棧全譜技術模塊。這些通用模塊像魔方組件一樣，經過不同的排列組合，快速高效地形成不同的產品與解決方案，為臨床帶來實際價值。
以肺癌為例，全球每年新增肺癌患者 220 萬例，因肺癌死亡 180 萬例。肺癌診療也面臨篩查覆蓋人群少、效率低，隨訪流失病人多，診療難度大等痛點。針對這些痛點，我們構建了全流程的肺癌智能健康管理全棧 AI，包括健康評估、篩查、診斷、治療、預后、隨訪等功能，通過 AI 賦能臨床為肺癌患者帶來福音。
肺癌智能健康管理全棧 AI 首先聚焦低劑量 CT 重建，減少了 30%-70% 的輻射劑量，提升了成像質量，幫助醫生提高 8%-15% 的肺結節檢出率，該技術已獲 FDA 認證。
基于低劑量 CT 圖像，構建多任務、多尺度深度神經網絡，實現了氣管和肺實質的分割和標注，并定位、分類和分割結節，實現肺結節篩查與診斷，該產品已獲中國 NMPA 三類證，在中國應用于 800 余家醫院，實現日篩查患者 5 萬余人。
在隨訪環節，通過配準引擎將隨訪患者在不同時間的多幅影像進行解剖結構匹配和病灶匹配，自動量化結節變化。該隨訪系統已在 600 余家醫院使用，月使用量 150 萬余次。
在放療環節，聯影智能分割引擎可在 0.7 秒左右自動勾畫靶區，Dice 系數可達 97%。配備自動勾畫引擎的一體化 CT-linac 放療設備使得傳統需二十天左右才能完成的首次放療流程縮短至 20 分鐘左右的一站式放療，「精準狙擊」肺癌病灶。
一站式放療已在復旦大學附屬腫瘤醫院、中山大學腫瘤防治中心、金華市中心醫院成功應用于直腸癌（23mins）、鼻咽癌（29 mins）、乳腺癌（23 mins）及肺癌在線自適應（計劃調整10 mins 45 sec）的病患首次放療中。
在不同模態的快速低劑量掃描中，以圖像多域映射技術為基礎可將模糊、偽影或欠采樣的圖像恢復成與全采樣質量相當的高清圖像。這些技術可以應用在CT、MRI、PET 等影像的重建任務中。
如應用于 MRI 的 AI 壓縮感知技術 ACS (AI-assisted Compressed Sensing)，在采用百萬級的數據訓練后，可在百秒內完成全身各部位多序列成像，不僅保持高清影像質量，而且極大縮短磁共振掃描時間。此項 ACS 技術已獲 FDA 認證，并已在 250 余臺磁共振設備上得到使用。
圖像多域映射也可應用于低劑量 PET 重建，聯影智能研發的 HYPER-DLR (HYPER Deep Learning-based Reconstruction) 技術在相同圖像質量的情況下，可提升掃描速度近 10 倍。該技術已賦能 250 余臺 PET 設備。
ACS 技術與 HYPER-DLR 技術
一種有效的人工智能模塊化引擎可有效賦能全棧工作流和全譜的設備模態。以聯影智能的分割引擎為例，在多模態影像上均可達到秒級精準分割的目標。通過開發檢測、分割、配準、分類、映射等人工智能技術模塊，經過不同的排列組合可在短期內開發出不同臨床產品。
例如，新冠肺炎期間，我們在兩周內快速研發出貫穿自動掃描、診斷、量化、隨訪全流程的新冠肺炎 AI 產品，并將其落地 320 余家醫院，幫助醫生快速掃描與診斷；
我們用 1 個月的時間從無到有，開發出腦轉移瘤檢測軟件，經過多中心臨床驗證，在假陽性沒有顯著改變的基礎上，輔助醫生提升 21% 檢測敏感度，每例平均閱片時間減少了 40%；
在腦卒中輔助診斷中，完成了一站式腦卒中解決方案中四大 AI 系統的開發（出血、缺血、CTP、CTA)。
基于通用模塊快速開發的產品
AI 應用從研發到落地的快速轉化，離不開技術模塊的積累和組合，也離不開產學醫的緊密協作。
在腦科學領域，我們正通過產學醫協作，進行 0-80 歲的全生命周期的腦健康研究，包括 0-6 歲早期腦發育、大腦老化研究和基于 MR 的分鐘級腦健康篩查。
在早期腦發育研究上，上海科技大學牽頭承擔了“嬰幼兒腦發育隊列” 重大項目，是中國腦計劃的重要組成部分。
在這個項目中，上海科技大學與多家大學、醫院、企業合作，引入聯影高端影像設備和聯影智能 AI 技術，共同進行 0-6 歲早期腦發育研究。
數據采集方面突破了傳統鎮定掃描的方式，通過讓嬰幼兒熟悉場地，在睡眠狀態進行掃描，來最大程度減少掃描影響。
考慮到嬰幼兒對磁共振的噪聲和掃描時長尤為敏感，通過 ACS 技術可實現快速掃描，節省 44% 時間，極大提高數據采集質量和成功率；
通過 MTP 技術，可實現一次采集產生 16 個對比和 9 個定量映射，取得豐富測量序列；
為了避免嬰兒身體運動而導致掃描結果不佳，通過穿戴式頭部監測儀，可在掃描期間監控嬰兒頭部運動并前瞻性調整梯度，進行運動補償，讓掃描更清晰；
我們還專門定制了嬰兒線圈，給嬰兒帶來舒適的掃描體驗。
在整項研究中，我們采用的技術均已應用于聯影科研級高端磁共振 uMR 890，這款設備也已在上海科技大學生物醫學工程學院裝機，未來 5 年內計劃掃描 1000 名研究對象。
伴隨嬰幼兒生長發育，在不同時間維度上用不同模態的檢查方式，組合不同的技術分析手段，可以獲得多種多樣的研究結果，形成一個橫跨發育周期的全棧全譜的腦發育影像研究，再通過專業量表對孩子進行發育評估、出具腦發育健康報告，可全維掌握大腦的生長發育情況。
在大腦老化研究方面，我們通過 AI 可進行皮質分割、阿爾茨海默風險監測、隨訪、海馬體萎縮評估、腦小血管疾病評估等，并提供精細的腦健康評估報告。
在阿爾茨海默疾病的診斷上，我們正在開展“基于多模態醫學影像智能融合的 AD 早期診斷評價模型研究”，利用 AI 進行 MR 的快速采集，學習 MR 與 CT、與 PET 的表征關系，生成 PET/CT 圖像，然后利用訓練好的多模態分類器，進行老年癡呆癥的快速診斷，致力于實現從影像采集到最后診斷在幾分鐘內完成。
AI 皮質分割、AI 阿爾茨海默風險監測、AI 隨訪、AI 海馬體萎縮評估、AI 腦小血管疾病評估
醫學影像計算（MIC）與計算機輔助介入（CAI）的結合才是真正的、整合的醫學影像人工智能（MICCAI）。
MICCAI 研究的內容與醫療元宇宙也十分相關，不僅體現在輔助診斷，也體現在輔助治療。
在 MIC 方面，我們開發了腦分割、配準等算法；
在 CAI 方面，我們開發了智能手術規劃、智能手術導航；在術后療效評價中，我們也開發了評估算法。結合元宇宙新技術，將為疾病診斷、治療規劃、術中導航創建身臨其境的多元感知。
隨著醫療水平和現代科技的不斷發展，醫療 AI 的學術研究只有真正落地臨床場景才具有價值，希望更多學者能突破邊界，進行更深遠的產學研醫協作，共同推動前沿生命科技發展，造福人類。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
