admin 所有版权归中国经济网所有。
中国经济网新媒体矩阵
网络广播视听节目许可证（0107190）（京ICP040090）
近年来，日本制造的高性能医疗影像设备相继出现，让医疗健康影像信息更加清晰、丰富。例如，腹部MRI检查可以为医生提供3000多张不同级别的检查图像。使用人工智能等尖端分析技术，成像还可以为患者提供更深入的诊断和治疗益处。在此背景下，传统电影不仅难以传递大量多维数据，而且在进一步提高诊断和治疗方面也存在局限性。全国云州际准入医保影像前段时间正式上线，无数患者背着胶片袋就医的日子已经成为过去一切都已成为过去。如何利用这一形势，促进医学图像质量的提高？电影退出历史舞台，如何推动云医学影像助力人们健康？人工智能技术的帮助下，数字世界中的图像能够做出哪些颠覆性的应用？会出现情景吗？近日，科技日报记者专访了中国工程院院士、首都医科大学医学影像系主任王振昌，详细了解数字化、智能化变革中现代医学影像的发展。医学影像技术的发展面临重大机遇和挑战。记者：医学影像技术目前发展得怎么样？王振昌：目前临床诊疗中，75%到85%的基本信息信息源自医学图像。随着传感技术的进步，医学成像设备的空间分辨率可以跃升至微米级，时间分辨率可以达到亚毫秒级。 1895年伦琴发现了X射线，同年拍摄了人类历史上第一张X射线照片，开启了成像技术在医学领域应用的大门。经过 100 多年的发展，医学成像所涵盖的内容远远超出了传统形式的“平面成像”。例如，众所周知的CT（计算机断层扫描）更好地通过扫描X射线束，将其绕身体旋转并与计算机重建技术相结合，产生三维断层扫描图像，从而提高了病灶定位的准确性。磁共振成像（MRI）技术已逐渐成熟，可以清晰地显示软组织、神经系统等微观结构。核医学，如 PET-CT（正电子发射断层扫描）tron发射计算机断层扫描），通过监测放射性示踪剂的分布，准确捕捉器官功能和病理，为肿瘤早期诊断和转移检测提供重要支持。这些技术使得器官的结构和功能状态能够以非侵入性和高清晰度可视化。这些不仅为诊断和治疗决策提供有力的支持和证据，还有助于Doctors.icos在症状出现之前及早准确识别疾病。例如，我们团队研发的耳科专用CT，空间分辨率达到50微米，首次获得直径仅为1.5毫米的镫骨底板、前庭孔等微米级结构的活体图像。它还可以准确量化听骨链的运动范围、骨密度和其他指标。当前，人工智能、大数据等信息技术正在使图像分析成为可能。ysis 更加详细和完整。人工智能辅助诊断系统对病变进行快速检测和定量分析。多模态图像融合技术 该技术将多个设备获取的多种模态图像信息进行融合，为疑难疾病的综合诊断和治疗提供依据。记者：除了避免患者携带胶片外，电子影像还有哪些好处？王振昌：电子影像对于医生和患者来说都有明显的好处。传统胶片只能显示几个关键断层图像，而原始电子图像包含数千张断层图像。因此，胶片无法充分表现病灶的空间关系和细节特征。此外，薄膜无法建立电子追溯系统，重复检验也成为问题。因胶片问题重复检查的成本超过1全国每年0亿元。电子图像的应用可以很好地解决这些问题。统一数据输入和格式接口标准的全面实施，进一步加深了电子图像输出和存储以及医学图像互操作的标准化程度。多种轻量级图像查看软件应用程序让医生可以随时随地通过手机、电脑、平板电脑等设备访问、缩放、旋转、测量和比较图像。患者自己可以让医生访问电子图像。这就像将胶片交给您的医生一样简单。对于患者来说，电子成像节省了胶片成本。通过增加相互认可和共享测试结果，可以减少不必要的重新测试。这节省了患者的治疗费用和时间，并避免了重复抽血和放射治疗的麻烦。创新技术使图像存储和检索更加高效。记者：什么您在存储和检索医学电子图像时面临挑战吗？王振昌：我们在数据存储成本和调用效率方面面临着相当大的挑战。医学电子成像应用需要大量数据。我们知道，照片比文本需要更多的存储空间，医学图像不仅包括普通格式的照片，还包括数百或数千帧的连续扫描。以目前的光子计数CT为例，每例图像数据量达到10GB至20GB，三级医院图像数据年均增量超过100TB，对数据存储空间产生巨大需求。因此，医院无需投入大量资金来解决大规模数据存储问题。常见的解决方案包括构建自己的数据中心或购买云服务。门诊图像保存15年，住院图像保存30年，累计保存量三级医院30年影像数据超过15PB。传统集中存储的硬件购置和维护成本非常高，基层医院往往难以支撑。如何建设良好的信息基础设施，实现数据集中管理，很多地方还需要继续思考和实践。您的数据不仅要安全存储，而且必须可访问。然而，从庞大的数据库中检索所需的信息并不容易。这是 simGo 在手机相册中查找特定照片。一项一项地搜索需要花费大量时间。因此，应采用标记技术使数据存储路径适应医学图像的特点。这样，医生就不再需要“翻箱子、翻柜子”，可以通过便捷的渠道检索数据。数据层面的兼容性和互操作性对于提高医学影像的效率也至关重要使用。目前，不同设备和不同医疗机构的数据存储格式差异很大。因此，很难整合不同来源的数据，并且缺乏高质量的注释样本。因此，有必要通过控制和规范医学图像的质量，为医学图像数据的应用奠定基础。记者：你们做了哪些技术创新来实现电子医学图像的高效存储和检索？王振昌先生：正常的网络传输情况下，可能需要10多分钟才能获得腹部图像。即使调用成功，由于格式兼容性较差，不同厂家设备之间的图像格式和编码方式不一致，基层医院的图像数据也可能无法在三级医院系统上打开或清晰显示。解决这些问题需要不断创新。例如，通过使用5G+边缘计算g、可以实现视频的“副流”，提高传输速度。目前，相关部门正在创新性地采用千兆专网和智能预充技术来实施m保险图像处理云work.edical。一旦患者登记，医院系统可以根据健康保险信息发出预加载请求，图像通过专用网络输入到医院部署的“前端机器”中，从而大大减少医生跨地域查看图像所需的时间。为了实现高效搜索，国家卫生安全局发布了78位全国统一图像代码，为每张图像分配了唯一的“身份证”。 “身份证”包含患者的基本信息。除了这些信息外，还包含检测机构、设备型号、检测时间等重要信息，解决了“找不到”数据的问题机构之间。同时，相关部门创建了标准化元数据系统，支持基于患者身份、检测地点、疾病类型等多速搜索，搜索效率提升80%以上。人工智能必须融入医疗诊断和治疗过程。记者：人工智能技术在医学影像领域的应用情况如何？王振昌：目前，人工智能越来越多地应用于医学影像领域。在一些人工智能竞赛中，人工智能展现了解决诊断影像问题的能力，有时在诊断准确性和速度上超越了专家医生。数据显示，截至2024年6月，人工智能医学图像处理领域已获批三类医疗器械注册证103个，涵盖心血管疾病、肺病等领域。眼底疾病、眼底疾病、脑血管疾病、骨科检查、眼底疾病、乳腺疾病等疾病。然而，人工智能在医学影像领域的应用和推广仍面临障碍。一项针对医生、放射科医生和放射科医生的全国调查发现，50%的受访者认为很难成功地将人工智能融入到当前的医疗诊断和治疗过程中。记者：临床试验验证表明，人工智能可以看得很快、计算准确。为什么部分受访者对其应用不乐观？王振昌：目前的人工智能医学影像设备都是基于单一疾病开发的，但在临床应用中，医学影像并不聚焦于单一疾病。放射科医生出具的医疗报告是对患者器官的整体评估，而不是对个体疾病的评估。例如，进行肺部检查时，不仅需要识别肺部结节，还需要确定肺气肿、检测肺不张或肺炎。然而，目前的人工智能设备仅评估肺结节，不满足临床应用的要求，也不满足放射学报告的要求。另外，目前的人工智能训练数据都是基于图像信息，通过深度学习进行图像标注。然而，人工智能很难以专业水平解读图像。图像中显示的元素可能无法完全解释，并且在现实应用中显得“无用”，因为大量信息丢失。因此，在大多数临床情况下，目前人工智能的应用并没有有效提高医生的工作效率，反而造成医生工作的混乱和加剧。记者：那么如何促进两者的结合呢？人工智能与医学影像的结合如何更好地满足临床应用的要求？王振昌：首先，我们在数据采集和质量控制方面要做到规范化、规范化、优质化。当同一检测结果在三级医院和一级医院之间存在差异，或者同一设备由于操作人员水平不同而性能差异较大时，不存在通用的应用。针对这一问题，首都医科大学附属北京友谊医院作为北京医学影像质量管理提升中心的依托单位，牵头编写了一系列国家卫生行业标准，构建了医学影像标准体系，为各级医疗机构影像检查的规范化运作提供了权威依据。度量衡的统一，有利于不同地区之间的信息交流，图像数据也是如此。统一标准有助于提高医学图像的整体质量并安全地共享数据。目前，北京市正在制定《医学影像云平台数据共享传输技术要求》和《医学影像检查报告质量控制规范》。北京市医学影像质量控制与改进中心根据北京医学影像云平台采集的数据，整理出适合云平台的影像质量管理指标，并向253家医疗机构发布月度报告，实现了北京地区医疗机构图像质量的动态监控和持续改进。整个医学图像处理链可以基于互操作性和数据共享进行智能重构。这就需要在智能可视化、智能感知、智能感知等方面不断构建新的人工智能应用场景。智能诊断、智能报告、智能判读等，让人工智能真正融入到临床图像数据的采集、处理和读取中，最终支持决策并反馈到基础研究，为破译疾病机制、制定新的诊疗方案提供具体证据和数据。会是这样的。记者：您认为未来的视频服务模式会是什么样？王振昌：目前，北京每月都会有大量的医学影像在云端被访问。患者可以在手机上访问图像，医生可以同时在工作站上访问图像。这使得诊断和治疗更加方便。更大的变化是，未来影像服务的更新将影响人们的健康。传统上，图像处理的功能是评估人体的健康状况。然而，随着技术的进步，从医学图像中可以获得的信息量将不断扩大，使人们能够更好地了解自己的健康状况。当前医学图像的“愿景”正在突破图像本身的界限。例如，在 2D 中您可以查看任意方向的器官横截面、冠状面、矢状面、曲面等。在 3D 中，您可以看到 3D 信息。将时间维度添加到三维空间数据可提供四维信息。通过叠加附加属性（例如基于第四维度的透明显示、代谢信息以及组织弹性和刚度），维度继续增加。多维图像相关性分析需要“kekoton”人工智能的“大脑”，而不是“专家”人工智能。目前，我们正在北京云影像平台的基础上，在已经形成的数据库的基础上，构建特定器官的通用数据集，帮助构建通用人工智能。同时t目前，图像有助于早期发现各个领域的疾病并提高治愈率。例如，如果可以在毫米级上检测到肿瘤，患者康复的可能性就更大。如果可以在微米或纳米尺度上检测肿瘤，就可以阻止它们的迁移。在推动“以治疗为中心”向“以人民为中心”转变的政策引导下，医学影像与人工智能的融合重组将创造更多新的应用场景，医学影像在有效支持主动健康方面具有巨大潜力。 （记者张家兴）简介 王振昌先生，中国工程院院士，医学影像专家，首都医科大学附属北京友谊医院医学数字智能创新中心主任。主要研究方向为医学影像诊断及医学影像设备开发。曼斯医学成像。他是“时代模范”、中国援外医疗队代表、全国五一劳动奖章、全国英才。他获得了科学工程师等荣誉称号。主导制定10多项行业标准和指南。作为首届毕业生，他又获得国家科技进步奖和何梁何利基金科学技术进步奖两项奖励。