人工智能在肺結(jié)節(jié)診斷中的應(yīng)用

人工智能在肺結(jié)節(jié)診斷中的應(yīng)用

一醫(yī)學(xué)影像識別的臨床應(yīng)用現(xiàn)狀目前，醫(yī)學(xué)影像人工智能正以迅猛的速度從實(shí)驗(yàn)階段過渡到臨床試用階段。大型數(shù)據(jù)集可用性的改善、計(jì)算能力的提高以及學(xué)習(xí)算法的進(jìn)步，為醫(yī)學(xué)影像人工智能的開發(fā)和應(yīng)用帶來重大突破，相關(guān)行業(yè)顯示出蓬勃的發(fā)展趨勢和動力。[1]（一）臨床痛點(diǎn)我國醫(yī)學(xué)影像領(lǐng)域存在四大痛點(diǎn)：醫(yī)療資源不足、醫(yī)學(xué)影像領(lǐng)域?qū)I(yè)醫(yī)生缺口巨大、醫(yī)學(xué)影像誤診率偏高、醫(yī)學(xué)影像診斷效率低。1.醫(yī)療資源不足與發(fā)達(dá)國家相比，中國的醫(yī)生密度仍然存在較大的差距，例如歐美發(fā)達(dá)國家每千人擁有接近4名執(zhí)業(yè)醫(yī)生，而中國僅2.2名。此外，醫(yī)療資源的地域分布不均衡，醫(yī)療資源與經(jīng)濟(jì)發(fā)展水平高度相關(guān)，引發(fā)就醫(yī)難、看病貴等社會問題，以及千里求醫(yī)等現(xiàn)象。即使是醫(yī)療水平較為先進(jìn)的地區(qū)也存在優(yōu)質(zhì)醫(yī)生資源短缺的情況，導(dǎo)致醫(yī)院無法滿足患者持續(xù)增加的需求。引入人工智能技術(shù)可減少人工成本和時(shí)間消耗，彌補(bǔ)醫(yī)生空缺，提高醫(yī)院治療效率。2.醫(yī)學(xué)影像領(lǐng)域?qū)I(yè)醫(yī)生缺口巨大隨著醫(yī)療影像設(shè)備的普及，目前我國的醫(yī)學(xué)影像數(shù)據(jù)的年增長率達(dá)到30%，然而放射科醫(yī)生數(shù)量年增長率僅為4%，如此巨大的增長率差距使得患者取片等待時(shí)間不斷延長、待診數(shù)據(jù)不斷積壓、醫(yī)生工作壓力不斷增大，從而導(dǎo)致誤診漏診率上升，貽誤診斷治療最佳時(shí)機(jī)。并且，因我國獨(dú)立上崗醫(yī)生培訓(xùn)周期長達(dá)8年，在醫(yī)患關(guān)系緊張的社會環(huán)境下，醫(yī)學(xué)生報(bào)考量下降，畢業(yè)率降低，醫(yī)生數(shù)量難以滿足急劇增長的醫(yī)療需求，且難以在短時(shí)間內(nèi)消化吸收每年新發(fā)表的大量醫(yī)學(xué)論文和跟進(jìn)最新進(jìn)展。人工智能的高效性與大數(shù)據(jù)容量使人工智能能夠快速學(xué)習(xí)不同的病癥圖像、處理不同的圖像種類，其平均數(shù)周到數(shù)月的訓(xùn)練周期遠(yuǎn)小于醫(yī)生培養(yǎng)周期，而且人工智能的可復(fù)制性決定了其一旦訓(xùn)練完畢，即可在短時(shí)間內(nèi)不受時(shí)空限制復(fù)制并部署，并可同步更新版本。3.醫(yī)學(xué)影像誤診率偏高由于受到多種客觀因素（如知識、偏見、情緒、精神和身體狀態(tài)等）影響，人工診斷的誤診率相當(dāng)高，美國首診誤診率超過30%，中國基層醫(yī)療誤診率超過50%。并且，由于我國醫(yī)學(xué)專業(yè)人員數(shù)量不足、工作量繁重，進(jìn)一步推高了醫(yī)學(xué)影像專業(yè)醫(yī)生對疾病診斷的出錯(cuò)率。例如，一家三甲醫(yī)院平均每天大約接待200名肺結(jié)節(jié)篩查患者，每位患者平均產(chǎn)生200～300張CT影像，則醫(yī)學(xué)影像專業(yè)醫(yī)生每天需要閱讀4萬～6萬張CT影像。[2]長時(shí)間的高負(fù)荷工作極易使醫(yī)生產(chǎn)生生理或心理上的疲勞，即使是經(jīng)驗(yàn)非常豐富的高年資醫(yī)生的誤診漏診率也會在一天繁重的工作中上升。人工智能在客觀學(xué)習(xí)大量數(shù)據(jù)后，可以全天候無疲勞地進(jìn)行大量并行診斷運(yùn)算，能顯著降低或排除各種主客觀因素的影響，從而降低誤診率。4.醫(yī)學(xué)影像診斷效率低靶區(qū)勾畫、病灶標(biāo)記等細(xì)致的工作往往需要花費(fèi)醫(yī)生較長的時(shí)間，例如，每位腫瘤病人的CT圖像200～300張，醫(yī)生需要手動在每位病人的每張CT圖像上的器官、腫瘤位置一一進(jìn)行勾畫和標(biāo)注，而按照這種傳統(tǒng)方法至少需要耗費(fèi)醫(yī)生3～5個(gè)小時(shí)的時(shí)間。[3]肺結(jié)節(jié)等微小病灶的篩查如真正要起到作用，則需要醫(yī)生多次細(xì)致觀察每一層圖像，以避免漏診。相比于傳統(tǒng)方式，人工智能可以大批量快速處理數(shù)據(jù)并給出診斷結(jié)果，且其計(jì)算速度與硬件計(jì)算能力直接相關(guān)，可根據(jù)需要增加計(jì)算能力，使診斷效率滿足與日俱增的閱片需求。無論是患者，還是醫(yī)師和醫(yī)院均能從人工智能醫(yī)學(xué)影像領(lǐng)域受益，對患者來說，人工智能可使結(jié)果獲取速度加快，準(zhǔn)確性和可靠性提升；對醫(yī)師來說，人工智能可大幅減少閱片時(shí)間、提高工作效率、降低誤診漏診風(fēng)險(xiǎn)，提高競爭力，改善醫(yī)患關(guān)系；對醫(yī)院來說，基于云平臺的人工智能醫(yī)學(xué)影像診斷可系統(tǒng)性地降低醫(yī)院投入的成本，尤其對于基層醫(yī)院來說，可以通過人工智能實(shí)現(xiàn)以往無法提供的高質(zhì)量診療服務(wù)，有助于提升整體醫(yī)療水平，普及優(yōu)質(zhì)醫(yī)療資源（見表1）。表1人工閱片與人工智能閱片對比比較內(nèi)容人工閱片人工智能閱片閱片方式醫(yī)師逐一查看，經(jīng)驗(yàn)判斷機(jī)器初篩判斷，由醫(yī)師最后判斷閱片時(shí)間長，一套CT影像10分鐘以上短，根據(jù)硬件計(jì)算能力決定準(zhǔn)確率醫(yī)師間差異較大，依靠個(gè)人經(jīng)驗(yàn)，長時(shí)間工作易疲勞影響準(zhǔn)確率無疲勞、準(zhǔn)確率高、穩(wěn)定客觀性無法避免主觀性較為客觀記憶力無法避免遺忘無遺忘建模條件少多信息利用度低高重復(fù)性低高定量分析難度高低經(jīng)驗(yàn)傳承困難容易，可大量復(fù)制成本高低|Excel下載表1人工閱片與人工智能閱片對比（二）發(fā)展優(yōu)勢在中國，AI醫(yī)學(xué)影像是人工智能在醫(yī)療領(lǐng)域應(yīng)用最廣泛的場景[4]，主要由以下幾個(gè)優(yōu)勢決定。1.龐大的醫(yī)療影像數(shù)據(jù)量數(shù)據(jù)是人工智能最重要的原材料，在目前圖像識別算法已較為成熟、研究較為充分的情況下，數(shù)據(jù)量就成為影響人工智能算法效果的決定性因素。圖像和標(biāo)注數(shù)據(jù)結(jié)構(gòu)較為簡單，便于算法進(jìn)行學(xué)習(xí)。大量高質(zhì)量的影像和標(biāo)注數(shù)據(jù)是保證人工智能應(yīng)用的基礎(chǔ)。2.技術(shù)快速迭代，算法日益成熟醫(yī)學(xué)影像數(shù)據(jù)以圖像為主，基于深度學(xué)習(xí)的圖像識別技術(shù)可以很好地發(fā)揮作用。[5]在計(jì)算機(jī)運(yùn)算能力、算法不斷改進(jìn)、大數(shù)據(jù)分析不斷深入的背景下，人工智能技術(shù)可以快速迭代。3.國家政策的大力支持近年來，政府各部門出臺多項(xiàng)政策不斷加大對國產(chǎn)醫(yī)學(xué)影像設(shè)備和醫(yī)療人工智能的支持力度?！丁笆濉眹覒?zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》《戰(zhàn)略性新型產(chǎn)業(yè)重點(diǎn)產(chǎn)品和服務(wù)指導(dǎo)目錄》《新一代人工智能發(fā)展規(guī)劃》等政策文件的發(fā)布標(biāo)志著人工智能醫(yī)學(xué)影像的發(fā)展進(jìn)入了快車道。4.資本大量入場人工智能技術(shù)從實(shí)驗(yàn)室到醫(yī)院，商業(yè)資本是最重要的推手之一。醫(yī)療人工智能領(lǐng)域的投資額在2018～2019年的資本寒冬中逆勢上漲，充分體現(xiàn)了市場對于這一領(lǐng)域的前景的信心，極大地推動了行業(yè)的發(fā)展。（三）應(yīng)用場景人工智能在醫(yī)學(xué)影像上的應(yīng)用主要分為四類：影像分類、目標(biāo)檢測、影像分割、影像檢索（見圖1）[6]。圖1人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用基于醫(yī)學(xué)影像的人工智能能夠?yàn)獒t(yī)生閱片和靶區(qū)勾畫提供一些輔助和參考，充分節(jié)約了醫(yī)生時(shí)間，減輕了醫(yī)生的工作負(fù)擔(dān)，同時(shí)也提高了疾病診斷、放療及手術(shù)的精度。[7]在“醫(yī)學(xué)影像”應(yīng)用場景下，人工智能技術(shù)主要滿足以下三種需求。1.病灶區(qū)域識別與標(biāo)注人工智能醫(yī)學(xué)影像系統(tǒng)對醫(yī)學(xué)影像進(jìn)行圖像分割、特征提取、定量分析、對比分析等工作。基于醫(yī)學(xué)影像的病灶自動識別與標(biāo)注系統(tǒng)能夠在幾秒之內(nèi)實(shí)現(xiàn)對十萬張以上的影像的處理，這大大提升了醫(yī)生的診斷效率，減輕了醫(yī)生的工作負(fù)擔(dān)，同時(shí)提高了診斷準(zhǔn)確率。2.靶區(qū)自動勾畫與自適應(yīng)放療需要人工智能醫(yī)學(xué)影像系統(tǒng)針對疾病放療環(huán)節(jié)的影像進(jìn)行靶區(qū)自動勾畫與自適應(yīng)放療。靶區(qū)自動勾畫及自適應(yīng)放療產(chǎn)品可以幫助放療科醫(yī)生對200～450張CT片進(jìn)行自動勾畫，時(shí)間縮短到30分鐘一套，并且在患者15～20次上機(jī)照射過程中不斷識別病灶位置變化以達(dá)到自適應(yīng)放療，可以有效減少射線對病人健康組織的傷害。3.影像三維重建針對手術(shù)環(huán)節(jié)需要人工智能醫(yī)學(xué)影像產(chǎn)品在人工智能進(jìn)行識別的基礎(chǔ)上進(jìn)行三維重建。通過人工智能可以幫助醫(yī)生更好且更高效地理解疾病的整體三維形態(tài)和拓?fù)浣Y(jié)構(gòu)，分析其與周圍重要結(jié)構(gòu)的毗鄰關(guān)系，有利于指導(dǎo)手術(shù)的順利進(jìn)行。[8]二肺結(jié)節(jié)人工智能的現(xiàn)狀及發(fā)展目前，肺癌仍是我國發(fā)病率和死亡率最高的惡性腫瘤。早發(fā)現(xiàn)、早診斷、早治療是改善肺癌預(yù)后最重要的途徑。受環(huán)境、吸煙、油煙及遺傳等因素的影響，肺癌的發(fā)病率、致死率已居我國常見惡性腫瘤的第一位，其中，以肺腺癌最多，且隨著我國人口老齡化，罹患肺癌的總?cè)藬?shù)呈現(xiàn)持續(xù)升高趨勢。詢證醫(yī)學(xué)數(shù)據(jù)顯示，早期肺癌5年生存率顯著高于中晚期肺癌，因此，對于肺癌來說，早發(fā)現(xiàn)、早診斷及早治療對改善預(yù)后，降低死亡率和提高患者生存質(zhì)量具有重要意義[9]，而影像學(xué)是發(fā)現(xiàn)早期肺癌的重要手段。在放射科醫(yī)生的日常工作中，肺結(jié)節(jié)的篩查是一件具有挑戰(zhàn)的任務(wù)，特別是在高壓工作狀態(tài)下，對微小病灶（實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)、混合結(jié)節(jié)等）存在人為疲勞造成的漏診或誤診。其中，磨玻璃結(jié)節(jié)（GroundGlassNodule，GGN）惡性化概率高，發(fā)現(xiàn)困難，是結(jié)節(jié)篩查的難點(diǎn)。臨床上對早期純磨玻璃結(jié)節(jié)的診斷主要依靠傳統(tǒng)CAD技術(shù)對CT影像的人工閱片，其診斷難點(diǎn)主要在于早期磨玻璃肺結(jié)節(jié)體積較小，特征較不明顯，難以判斷結(jié)節(jié)的浸潤程度和良惡性，形成臨床決策（外科手術(shù)或隨診監(jiān)視）困難，實(shí)踐中經(jīng)常存在漏診、誤診和過度治療等問題?？茖W(xué)的管理、隨訪和治療肺磨玻璃結(jié)節(jié)可以早期發(fā)現(xiàn)惡性病變，有利于更好地改善患者預(yù)后，提高肺癌患者的生存率，改善肺癌患者的高死亡率。然而，目前我國對于肺磨玻璃結(jié)節(jié)的隨訪和管理尚未達(dá)成共識，對肺磨玻璃結(jié)節(jié)患者手術(shù)時(shí)機(jī)的選擇也沒有統(tǒng)一的結(jié)論，主要的依據(jù)仍然是醫(yī)生的臨床經(jīng)驗(yàn)。因此，如何更加精準(zhǔn)地診斷和處理肺內(nèi)長期存在的磨玻璃結(jié)節(jié)，是擺在醫(yī)生和患者面前的一個(gè)難題。肺是一個(gè)開放性器官，肺部疾病的發(fā)生、發(fā)展及特點(diǎn)有極大的變異性，規(guī)律極難掌握，這給準(zhǔn)確診斷、鑒別診斷和及時(shí)正確的治療帶來很大的困難。[10]在肺部疾病中，肺結(jié)節(jié)是目前最常見的肺部異常表現(xiàn)。隨著低劑量CT的廣泛應(yīng)用，尤其是薄層HRCT（1mm），肺部小結(jié)節(jié)的檢出率越來越高，尤其是小的磨玻璃結(jié)節(jié)。根據(jù)Fleischner協(xié)會指南，不同數(shù)量的磨玻璃結(jié)節(jié)，其處理策略不同，這意味著零漏診檢出所有肺結(jié)節(jié)對個(gè)體化的處理策略至關(guān)重要。但目前每個(gè)病例的薄層CT圖像在300～500幅不等，巨大的工作量會使得醫(yī)生視覺疲勞，導(dǎo)致部分結(jié)節(jié)被漏診，可能會導(dǎo)致不同的臨床處理后果，進(jìn)而可能會影響患者的預(yù)后。目前，國內(nèi)外研究報(bào)道，應(yīng)用深度學(xué)習(xí)的方法已經(jīng)能相對準(zhǔn)確的檢出肺磨玻璃結(jié)節(jié)，并且檢出的模型在不斷優(yōu)化，檢出率也在不斷提高。有研究者運(yùn)用影像組學(xué)的方法，對胸部CT上表現(xiàn)為磨玻璃密度結(jié)節(jié)的肺腺癌的術(shù)前圖像進(jìn)行了影像組學(xué)特征的提取及分析，結(jié)果顯示影像組學(xué)特征在浸潤性腺癌和非浸潤性病變之間具有良好的浸潤性預(yù)測效果。說明人工智能技術(shù)作為一種非侵入性的生物標(biāo)志物，能夠檢出肺磨玻璃結(jié)節(jié)，也能夠判斷其浸潤性。這對于大部分影像科醫(yī)生及臨床醫(yī)生來說，無疑是一個(gè)激動人心的發(fā)現(xiàn)。在數(shù)家三甲醫(yī)院中進(jìn)行的磨玻璃結(jié)節(jié)檢測實(shí)驗(yàn)表明，人工智能的檢出準(zhǔn)確率均在80%以上，顯著高于胸部影像專家對同批數(shù)據(jù)診斷的準(zhǔn)確率。人工智能作為一個(gè)“不知疲倦”、高效的方法，可以有效提高肺結(jié)節(jié)的檢出率，這也充分說明了人工智能技術(shù)在肺結(jié)節(jié)檢測中的應(yīng)用前景。由于經(jīng)濟(jì)水平、教育水平和晉升體制在我國存在很大的地區(qū)和系統(tǒng)差異性，各家醫(yī)院的CT設(shè)備性能不均衡、掃描方法不統(tǒng)一，影像診斷醫(yī)生水平相差懸殊，高水平的診斷醫(yī)生成為稀缺資源。為了全面提高肺癌的早期診斷水平，更好地在全國范圍內(nèi)有效推行肺癌篩查，縮小不同地區(qū)水平異質(zhì)性造成的漏、誤診現(xiàn)象，通過人工智能深度學(xué)習(xí)的方法，開發(fā)普適性強(qiáng)、準(zhǔn)確率高，可廣泛用于任何地區(qū)、任何醫(yī)療單位的肺結(jié)節(jié)檢測和鑒別診斷系統(tǒng)是非常有必要的。為肺結(jié)節(jié)患者排憂解難，為提升肺結(jié)節(jié)的整體診治水平提供可依賴的工具，為優(yōu)質(zhì)醫(yī)療資源下沉，解決基層看病難問題提供切實(shí)有效的解決路徑。醫(yī)學(xué)影像智能診斷系統(tǒng)的部署、應(yīng)用，在提升醫(yī)生工作效率、報(bào)告質(zhì)控、療效評估與精準(zhǔn)醫(yī)療、減少醫(yī)療糾紛等方面均發(fā)揮了顯著作用。同時(shí)，在實(shí)現(xiàn)精準(zhǔn)早期肺癌篩查并采取積極的治療，大幅度提升患者治愈率和生存率，大幅度減小社會和家庭醫(yī)療負(fù)擔(dān)，降低醫(yī)保費(fèi)用支出等方面也具有明顯的經(jīng)濟(jì)效益與社會效益。以推想科技為代表的眾多醫(yī)學(xué)影像人工智能公司將胸部CT輔助篩查產(chǎn)品在早期肺癌篩查應(yīng)用中，在全國多家醫(yī)院上線使用以來，廣受好評，成功嵌入放射科醫(yī)生的工作流程。其具有高性能的并行運(yùn)算能力，有效挖掘肺癌的核心特征點(diǎn)，高效判斷不同序列影像是否存在疑似癌癥的特征，實(shí)現(xiàn)肺癌早診、早治的技術(shù)性突破。通過輔助人工智能篩查產(chǎn)品不僅能夠大大提升肺癌篩查的效率，同時(shí)人工智能輔助篩查產(chǎn)品對半實(shí)性與磨玻璃結(jié)節(jié)等早期肺癌征兆展現(xiàn)出了優(yōu)越的敏感性，能夠幫助放射科醫(yī)生大大減輕工作負(fù)擔(dān)并提升診斷的準(zhǔn)確率。2019年在Radiology：ArtificialIntelligence上發(fā)表的EvaluatingaFullyAutomatedPulmonaryNoduleDetectionApproachanditsImpactonRadiologistPerformance，對人工智能和影像科醫(yī)生檢測肺結(jié)節(jié)的敏感度和效率進(jìn)行了比較分析。在這項(xiàng)涉及薄層CT掃描的多中心研究中，包含了實(shí)性結(jié)節(jié)、亞實(shí)性結(jié)節(jié)、鈣化結(jié)節(jié)和胸膜結(jié)節(jié)，其中16357例來自3家頂級醫(yī)院的數(shù)據(jù)用于對模型進(jìn)行訓(xùn)練，2130例來自10家其他醫(yī)院的數(shù)據(jù)用于測試模型的效果（見表2）。表2論文中訓(xùn)練集和測試集中各類型結(jié)節(jié)的分布情況統(tǒng)計(jì)表類型訓(xùn)練集測試集結(jié)節(jié)數(shù)病例數(shù)結(jié)節(jié)數(shù)病例數(shù)實(shí)性結(jié)節(jié)18554763647341036≤6MM1522554564406848＞6MM33292180328188亞實(shí)性結(jié)節(jié)3127566801716583≤5MM1785034871252343＞5MM134253193464240鈣化結(jié)節(jié)6262991496256胸膜結(jié)節(jié)19871050797255總計(jì)580781635777432130|Excel下載表2論文中訓(xùn)練集和測試集中各類型結(jié)節(jié)的分布情況統(tǒng)計(jì)表數(shù)據(jù)標(biāo)記的金標(biāo)準(zhǔn)由兩位有10年胸部CT閱片經(jīng)驗(yàn)的醫(yī)師分別標(biāo)記，如標(biāo)記有分歧之處，由第三位有15年閱片經(jīng)驗(yàn)的醫(yī)師討論達(dá)成一致后確定。所有類型的磨玻璃結(jié)節(jié)統(tǒng)一歸為亞實(shí)性結(jié)節(jié)。檢測結(jié)果顯示，在平均每例假陽數(shù)為1時(shí)，模型的敏感度為0.74.每例假陽數(shù)為8時(shí)，靈敏度可提升為0.86（見圖2）。圖2論文中模型檢測結(jié)果的FROC（free-responsereceiveroperatingcharacteristic）曲線為了考察人工智能輔助肺結(jié)節(jié)檢測對傳統(tǒng)方法的優(yōu)效性，兩位醫(yī)師分別在有和無人工智能幫助的情況下對測試數(shù)據(jù)集進(jìn)行閱片，結(jié)果顯示在有人工智能輔助閱片時(shí)，檢測靈敏度均有顯著提升，且閱片時(shí)間從每例15分鐘減少至5～10分鐘。此外，針對不同輻射劑量、病人年齡層、儀器制造商的測試結(jié)果顯示，此三類變量對人工智能的檢測的結(jié)果無顯著性影響。由此可見，人工智能在肺結(jié)節(jié)的輔助診斷中表現(xiàn)出了較高的敏感度和魯棒性，并能顯著提高影像科醫(yī)師對肺結(jié)節(jié)的診斷正確率和診斷效率。三人工智能展望當(dāng)前，我國醫(yī)學(xué)影像人工智能發(fā)展中較為突出的優(yōu)勢包括醫(yī)師和研究者群體普遍關(guān)注人工智能技術(shù)，研究者需求一致，醫(yī)師在合作中能提供研究者需求的圖像數(shù)據(jù)、臨床資料、數(shù)據(jù)圖像標(biāo)注、提出臨床需求和臨床問題、產(chǎn)品反饋信息，且大多數(shù)醫(yī)師對此類資料的分享持積極態(tài)度，醫(yī)師與研究者均有著比較熱切的合作意愿。此外，合作中醫(yī)師及研究者共同認(rèn)可的數(shù)據(jù)分享方式是醫(yī)師提供免費(fèi)數(shù)據(jù)，兩者共同開展科學(xué)研究且共享科研論文，對于數(shù)據(jù)安全的重要性也達(dá)成共識。[11]目前存在的挑戰(zhàn)：①在醫(yī)學(xué)影像人工智能領(lǐng)域，無論是醫(yī)院或科研機(jī)構(gòu)在人工智能研究基礎(chǔ)方面，如成立人工智能研究院或成果轉(zhuǎn)化部門、結(jié)構(gòu)化報(bào)告等都較為薄弱。建立良好的行業(yè)環(huán)境，推動政策和法規(guī)的制定，將會實(shí)現(xiàn)醫(yī)師及研究人員的雙贏局面。②人工智能產(chǎn)品在醫(yī)學(xué)影像的應(yīng)用場景目前還非常局限，大多數(shù)集中在肺結(jié)節(jié)篩查；醫(yī)院、科研機(jī)構(gòu)及企業(yè)間的合作相對薄弱；搭建醫(yī)工結(jié)合平臺，創(chuàng)造更多合作交流機(jī)會。③大部分醫(yī)師和研究者認(rèn)為數(shù)據(jù)安全重要，各家醫(yī)療單位的數(shù)據(jù)不愿開放和分享很大程度上是基于信息安全的因