世界知识产权组织报告：中国知识产权申请数量全球领先
06-06
5月12日，全球磁共振成像领域最负盛名的会议ISMRM（国际医学磁共振学会）于2022年正式闭幕。
伦敦为期7天的会议期间，AI赋能医学影像成为核心主题。
在有限医疗资源的约束下，人们不断追求更高效的解决方案。
也正是因为如此，AI在MRI（磁共振成像）中的应用成为ISMRM的一个关键主题。
其中，三大方向值得关注：一是基于AI的图像加速成为讨论焦点。
该技术方案满足了人们对更高质量、更安全、更快捷的医学图像的渴望；其次，正如Meta首席AI 科学家 Yann LeCun博士在会议主题报告中指出的那样，AI相关医学影像技术正在逐步进入广泛应用，AI影像产品正在进入加速临床产业化；最后，AI MRI成像在人体特定部位/疾病的进一步发展也是本次ISMRM热点话题的关键因素，包括乳腺、心脏等。
01、在备受关注的AI成像加速大会上，影像医生与AI专家斯阐释了人工智能在医学影像领域的革命性发展潜力。
其中，最能直接产生临床和产业价值的方向包括： ● 提高成像速度，降低扫描成本 ● 从源头减少造影剂的使用 ● 预测图像 ● 建立丰富的数据库，协助集中临床护理，提供美国最好的医院之一梅奥诊所的心血管放射科医生蒂姆·莱纳和ISMRM协会主席博士表示，所有制造商和科研团体都在研究如何优化临床诊断的各个方面。
每个环节都包含很多可以优化的东西。
这给人工智能和机器学习提供了充分的发挥机会。
斯坦福大学 Greg Zaharchuk 教授是美国功能神经放射学会主席、《磁共振成像杂志》副主编。
他在会上做了专题报告，并被多家医学媒体报道。
主要介绍机器学习的好处以及“上游人工智能”的研究和应用。
“这项研究并不是要预测图像上的内容，而是用一些图像来预测其他（更有价值的）图像，特别是预测图像中的每个像素值，”他解释道。
：“深度学习非常擅长从图像中预测关键信息值。
基于这样的优势，深度学习非常适合降低影像成本——这也是我们可以直接让患者受益的一点。
我们希望科技能够让患者的生活变得更好，这总是一件好事。
”他也是知名AI医学影像公司Subtle Medical Inc.的联合创始人。
Subtle Medical于2011年与斯坦福大学影像AI科学家宫恩浩博士共同创立，致力于从AI+医学影像出发，结合深度学习学习和图像重建技术，将耗时、低质量、有害（辐射剂量）方式采集的数据转化为高效、高质量、更安全的诊断级医学图像，目前已获得深度渗透医疗。
4、获得美国FDA AI软件（K）认证，并在国内NMPA和欧洲等地完成产品注册，在全球数百家医院和影像中心临床使用，实现了人工智能软件新模式。
业务实施和按病例付费，成为人工智能医疗影像优化领域的加速器，莱纳表示，还有人工智能工具可以生成预先填充的报告，以“帮助放射科医生更轻松地处理病例”。
莱纳认为，人工智能技术可以用来减少序列的扫描时间。
而检查整个成像流程是否存在效率低下的情况，是成像行业的热门话题。
“当病人在检查台上时，人工智能可能会提出一些有用的建议，比如‘程序会提示这里看到了一些异常信号，可能要添加这个扫描序列，’”他说。
正如 Greg Zaharchuk 和 Leiner Yao 教授所说，整个行业都在努力优化扫描效率、降低成像成本、减少扫描时间，让成像过程对患者来说尽可能简单，而技术人员的影响也长期存在。
——行业长期存在的痛点。
如今，人工智能较传统技术带来了新的飞跃和机遇，为这一行业痛点指出了答案。
它正在优化 MRI 流程、提高效率，甚至提高 MRI 安全性。
在性能方面有很大的潜力。
02.AI医学影像时代已经到来，进入广泛应用期。
随着AI在医学影像加速、筛选、优化等领域的不断完善，各大企业、学术界、医疗机构也在推广AI技术的应用。
实际实施和应用。
5月11日，在ISMRM年会上，AI领域的全球知名专家Yann LeCun做了会议主要报告，介绍了AI在医学影像中的应用以及是否可以直接从原始图像中获取数据。
通过深度学习模型预测疾病和异常。
LeCun 被认为是“深度学习教父”之一。
他在纽约大学任教，是 Meta/Facebook FAIR 的领导者之一。
2016年获得计算机协会颁发的图灵奖。
Yann LeCun教授的报告重点介绍了Facebook FAIR联合纽约大学医学院教授、Subtle Medical科学顾问Florian Knoll、博士等医学影像王牌组织了多项AI挑战赛，以加速磁共振图像的重建，包括Subtle Medical、飞利浦、联影、AIRS等机构和企业均在相关竞赛中跻身各阶段排名前列，有力推动了相关AI影像加速技术的开发与合作。
正如 LeCun 的报告所表明的那样，人工智能在医学成像中的作用并不只存在于大学实验室或尖端的同行评审论文中。
据悉，目前相关技术已全面进入临床应用，并作为基础设施渗透到整个医学影像流程中。
在本次ISMRM年会上，通用医疗宣布将继续向客户扩展其深度学习图像重建解决方案AIR Recon DL，新的采购可以通过软硬件升级的形式进行。
如上所述，申投医疗开发的软件产品可以兼容任何品牌和型号的设备，这大大拓宽了其产品的应用范围和申投医疗的发展前景。
此前，西门子医疗与Subtle Medical正式宣布合作。
最新的西门子MR设备将预装SubtleMR等深度渗透的医疗软件和技术，无需额外的软硬件升级即可实现产品性能的全面提升。
近日，Greg Zaharchuk教授接受成像技术权威媒体Image Wire采访。
他指出，深度穿透医学重点关注的影像模式是MRI磁共振和PET核医学分子影像，因为这两种影像最贵（US MRI~,PET,PET~,PET），速度最慢（一般30在美国-60分钟），90%的成本和大量的时间都在机器成像过程中。
人工智能可以显着提高成像速度和医院效率。
同时，深透医疗在更多影像模式上持续创新，产品线涵盖其他核医学影像、CT、X射线等检查。
深透医学技术从成像过程入手，利用AI技术提高图像质量，让医疗机构能够在更短的时间内检查更多的患者，并减少辐射剂量。
另一方面，公司专注于降低MRI造影剂剂量和PET辐射剂量，提供更安全、更有利于患者健康的无创检查。
该产品已进入FDA审批沟通流程，并与制药巨头拜耳医疗在AI软件和造影剂方面展开战略合作。
在深度应用方面，申投医疗也完成了全球化布局。
此前曾宣布与西门子、拜耳分别达成数千万美元的实际应用合作。
据悉，神投科技自成立以来，已与美国数十所顶尖医学院、医院和第三方影像中心开展早期测试，其中包括斯坦福大学、加州大学、旧金山医学院（UCSF） 、MD安德森肿瘤医院和梅州医科大学。
奥地利医学中心等，并与天坛医院、上海华山医院、南京鼓楼医院、安徽医科大学第一附属医院等国内顶尖医院开展科研合作；还与西门子医疗、东软医疗、飞利浦中国、英伟达、英特尔、通用汽车等医疗、医疗企业等知名企业开展AI技术合作与开发。
Subtle Medical在ISMRM上展示技术解决方案 Subtle Medical联合创始人Greg Zaharchuk教授在接受Image Wire采访时透露，Subtle Medical计划推出Subtle QC质量控制计划——一种智能成像闭环系统，将确保医学图像收集过程高效，取得成功。
此外，深圳医疗还计划将Subtle QC、SubtleMR、SubtlePET、SubtleGAD等产品结合起来，共同为客户提供系统化的工作流程解决方案，提高效率。
据神投医疗创始人兼CEO博士介绍，相关质控技术已与多家医院、影像联盟、CRO公司进行合作或测试。
或许，我们也可以根据深圳医疗的规划，畅想AI赋能医学影像的未来。
发展至今，人工智能在医学影像领域的应用越来越深入、系统化，就像一棵小树逐渐长成参天大树。
地下，“AI+医学影像”的根系不断拓展，神投医疗等前沿企业持续以直击行业痛点的方式进行产品研发；地面上，整个流程各部分的产品都已充分开发和充分开发。
联合起来，共同优化医学影像的整个流程和工作方法。
届时，可以预见，AI在医学影像领域的潜力将得到充分发挥。
03. AI MRI成像在人体特定部位/疾病的进一步发展。
除了整体趋势外，本次会议还涵盖了人工智能技术应用于MRI在乳腺癌、脑MRI等多个特定疾病领域的进展。
亮点案例1：人工智能帮助高危女性进行乳腺筛查加拿大圣约翰纽芬兰纪念大学的研究人员使用决策树和模拟模型来评估八种不同乳腺癌筛查策略的成本效益。
他们发现，最具成本效益的方法依赖于对指数筛查乳房 X 光检查进行风险分层的人工智能分析；被确定为低风险的女性在 40 多岁时不会接受任何额外的筛查，而高风险的女性将每年接受乳房 X 光检查。
“通过准确识别和筛查更多高风险女性并避免筛查低风险女性，这种经济高效的基于人工智能的筛查策略可以帮助解决现有的关于延迟诊断以及传统筛查可能出现的误报的担忧策略，”Shweta Mital 和 Hai Nguyen Yao 写道。
研究人员表示，使用人工智能对女性进行风险分层并仅筛查高风险女性可以比现有筛查指南产生更多的经济价值。
亮点案例2：机器学习实现1分钟脑部MRI扫描斯坦福大学研究人员开发了一种MR指纹采集和重建框架，用于定量和多对比成像，需要大约一分钟的扫描时间和短至五分钟的重建时间分钟。
发言人Sophie Schauman表示，借助机器学习算法进行图像合成，该方法可以提供5种常见临床对比、各向同性分辨率为1毫米的高质量图像，以及定量T1、T2和质子密度图。
肖曼说：“该项目的未来方向包括继续收集临床数据，旨在使用半监督方法将患者纳入训练数据集中，并提高管道对患者在视野中定位的鲁棒性。
” “我们还旨在通过获取更快的 B0 和 B1 图来校准定量成像，进一步优化时间/质量权衡。
”亮点案例三：利用人工智能减少造影剂钆的使用 Deep Transparency Medical 联合创始人、斯坦福大学放射学系教授 Greg Zaharchuk 在周六的会议上表示：“人工智能和深度学习的出现使我们能够使用新方法随着MR在医学影像领域的广泛应用，随着时间的推移，我们会获得越来越多的MRI数据，相信这些里面蕴藏着很多信息。
我们的临床医生和科学家还无法看到或提取这些图像数据，但人工智能模型可以有效地识别和利用它来获得更准确的诊断或研究。
”Greg Zaharchuk 教授目前正在与 Subtle Medical 的算法和工程师合作。
研究如何利用深度学习来减少造影剂钆的使用。
这项研究涉及开发一种先进的深度学习算法，该算法可以学习使用卷积神经网络模型从零对比剂量和低对比剂量图像预测标准对比剂量 MRI 扫描。
神投医疗创始人兼CEO宫恩浩与博士于2016年研究并发表了这项技术，并荣获北美放射学会杰出科研成果奖和福布斯30-under-30大奖。
该技术获得美国NIH 1万美元科研经费，并与拜耳医疗保健等影像制药公司合作。
可以减少 90% 的造影剂剂量。
深度学习可以进一步提高造影剂剂量成像的有效性。
图像质量评估表明，在不牺牲诊断质量的情况下，造影剂钆的使用量可以减少10倍。
亮点案例4：MRI放射组学和机器学习可以识别炎症性肠病（IBD）亚型中国兰州大学第二医院王军领导的研究人员开发了一种基于小肠造影增强MRI放射组学分析的机器学习模型。
在测试中，性能最佳的算法产生的曲线下面积 (AUC) 为 0，用于区分溃疡性结肠炎和克罗恩病。
王军表示，炎症性肠病的全球负担日益加重，许多国家和地区的水平显着上升。
他说，目前 IBD 没有单一的金标准诊断测试，并且有许多疾病过程可以诊断为 IBD。
与传统 T2 加权成像相比，对比增强 MRI 可以更好地显示整个肠壁。
研究人员试图在这些 MRI 检查中应用放射组学来区分溃疡性结肠炎和克罗恩病。
“以增强MR为核心的放射组学模型在IBD的鉴别诊断中表现出了良好的性能，增强图像可以在血供、内部病变等方面反映更多有价值的肠道炎症信息。
”王军说。
从本届ISMRM的亮点案例可以明显看出，业界对基于AI的医学图像重建与加速的讨论有增无减。
利用人工智能作为优化医学影像流程的手段已经迎来了一种趋势。
未来，医学影像AI将加速发展并极大改变技术人员和临床医生的工作方式，其相关企业也将持续驱动产业变革，迎来真正的智慧医疗数字化时代。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-17
06-18
06-06
06-18
06-17
最新文章
三只松鼠：门店扩张已全面暂停
Nvidia 已准备好“统治”AI
【创业24小时】2023年11月16日
【创业24小时】2022年10月20日
倒计时一天，浙江这座小镇要火了！
沃图网络获数千万A轮投资，加大投入海外网红营销SaaS平台建设
泰山天使基金部分退出拉手半年回报180倍
西格数据完成1000万元A+轮融资，国发创投领投