在人工智能+医学影像的火热赛道中，如何让学术研究更「落地临床」？
有什么新的「打开方式」，让「通用技术」解决「全栈问题」？
9 月 20 日中午，MICCAI Fellow、上海科技大学生物医学工程学院创始院长、联影智能联席 CEO 沈定刚教授在第 25 届 MICCAI 大会上作了题为《人工智能在全栈全谱医学影像中应用与创新研究》(Full-stack Full-spectrum AI in Medical Imaging) 的主题演讲，基于中国医疗 AI 的实践经验，提出了联结工业界与学术界的、全栈全谱医学影像创新的新思路。
MICCAI 协会 (The Medical Image Computing and Computer Assisted Intervention Society) 是国际公认的医学影像计算 (MIC) 和计算机辅助介入 (CAI) 领域的顶级综合性学术组织，每年秋天的 MICCAI 学术年会聚集了全球医学影像领域的专家与会，会议内容反映了医学影像领域的最新成果，代表了学科发展的新方向，具有国际公认的学术地位和影响力。今年第 25 届 MICCAI 会议于 9 月 18-22 日在新加坡召开，沈教授是本届大会三个特邀主题 (Keynote) 演讲者之一。
近年来，医疗 AI 在全球范围内迎来了极大的发展，越来越多的业内顶尖学者投身医学影像 AI 领域，从 2018 年起，MICCAI 接收和发表的医疗 AI 相关文章数量也显著增长。这一点从 MICCAI 被高频研究的关键词中可以窥见。
MICCAI 文章中的高频词
此外，很多算法只能从影像中识别单一病灶或疾病，但在临床中医生却需要同时检查所有可能存在的疾病并出具报告。另一方面，临床诊断往往不仅使用一种模态，而是结合多种模态完成检查。因此，我们需要从全谱（即多模态）的角度研究如何诊断疾病。
针对复杂多样的临床问题，在产业实践中，我们通过产学医融合创新的方式，进行全栈（贯穿成像、筛查、诊断、治疗、随访的疾病诊疗工作流）和全谱（覆盖X-ray、CT、MR、PET、PET/CT 等多模态）的医学影像 AI 研究，开发了通用的全栈全谱技术模块。这些通用模块像魔方组件一样，经过不同的排列组合，快速高效地形成不同的产品与解决方案，为临床带来实际价值。
以肺癌为例，全球每年新增肺癌患者 220 万例，因肺癌死亡 180 万例。肺癌诊疗也面临筛查覆盖人群少、效率低，随访流失病人多，诊疗难度大等痛点。针对这些痛点，联影智能构建了全流程的肺癌智能健康管理全栈 AI，包括健康评估、筛查、诊断、治疗、预后、随访等功能，通过 AI 赋能临床为肺癌患者带来福音。
肺癌智能健康管理全栈 AI 首先聚焦低剂量 CT 重建，减少了 30%-70% 的辐射剂量，提升了成像质量，帮助医生提高 8%-15% 的肺结节检出率，该技术已获 FDA 认证。
基于低剂量 CT 图像，构建多任务、多尺度深度神经网络，实现了气管和肺实质的分割和标注，并定位、分类和分割结节，实现肺结节筛查与诊断，该产品已获中国 NMPA 三类证，在中国应用于 800 余家医院，实现日筛查患者 5 万余人。
在随访环节，通过配准引擎将随访患者在不同时间的多幅影像进行解剖结构匹配和病灶匹配，自动量化结节变化。该随访系统已在 600 余家医院使用，月使用量 150 万余次。
在放疗环节，联影智能分割引擎可在 0.7 秒左右自动勾画靶区，Dice 系数可达 97%。配备自动勾画引擎的一体化 CT-linac 放疗设备使得传统需二十天左右才能完成的首次放疗流程缩短至 20 分钟左右的一站式放疗，「精准狙击」肺癌病灶。一站式放疗已在复旦大学附属肿瘤医院、中山大学肿瘤防治中心、金华市中心医院成功应用于直肠癌 (29 min)、乳腺癌 (18 min)、鼻咽癌 (23 min) 及肺癌 (10 min 45 sec) 的病患首次放疗中。
在不同模态的快速低剂量扫描中，以图像多域映射技术为基础可将模糊、伪影或欠采样的图像恢复成与全采样质量相当的高清图像。这些技术可以应用在 CT、MRI、PET 等影像的重建任务中。
如应用于 MRI 的 AI 压缩感知技术 ACS (AI-assisted Compressed Sensing)，在采用百万级的数据训练后，可在百秒内完成全身各部位多序列成像，不仅保持高清影像质量，而且极大缩短磁共振扫描时间。此项 ACS 技术已获 FDA 认证，并已在 250 余台磁共振设备上得到使用。
图像多域映射也可应用于低剂量 PET 重建，联影智能研发的 HYPER-DLR (HYPER Deep Learning-based Reconstruction) 技术在相同图像质量的情况下，可提升扫描速度近 10 倍。该技术已赋能 250 余台 PET 设备。
一种有效的人工智能模块化引擎可有效赋能全栈工作流和全谱的设备模态。以联影智能的分割引擎为例，在多模态影像上均可达到秒级精准分割的目标。通过开发检测、分割、配准、分类、映射等人工智能技术模块，经过不同的排列组合可在短期内开发出不同临床产品。
例如，新冠肺炎期间，联影智能在两周内快速研发出贯穿自动扫描、诊断、量化、随访全流程的新冠肺炎 AI 产品，并将其落地 320 余家医院，帮助医生快速扫描与诊断；我们用 1 个月的时间，从无到有开发出脑转移瘤检测软件，经过多中心临床验证，在假阳性没有显著改变的基础上，辅助医生提升 21% 检测敏感度，每例平均阅片时间减少了 40%；在脑卒中辅助诊断中，完成了一站式脑卒中解决方案中四大 AI 系统的开发（出血、缺血、CTP、CTA）。
AI 应用从研发到落地的快速转化，离不开技术模块的积累和组合，也离不开产学医的紧密协作。在脑科学领域，我们正通过产学医协作，进行 0-80 岁的全生命周期的脑健康研究，包括 0-6 岁早期脑发育、大脑老化研究和基于 MR 的分钟级脑健康筛查。
在早期脑发育研究上，上海科技大学牵头承担了“婴幼儿脑发育队列” 重大项目，是中国脑计划的重要组成部分。在这个项目中，上海科技大学与多家大学、医院、企业合作，引入联影高端影像设备和联影智能 AI 技术，共同进行 0-6 岁早期脑发育研究。
6 月龄婴儿脑结构成像分析
数据采集方面突破了传统镇定扫描的方式，通过让婴幼儿熟悉场地，在睡眠状态进行扫描，来最大程度减少扫描影响。考虑到婴幼儿对磁共振的噪声和扫描时长尤为敏感，通过 ACS 技术可实现快速扫描，节省 44% 时间，极大提高数据采集质量和成功率；通过 MTP 技术，可实现一次采集产生 16 种对比图和 9 种定量图，取得丰富测量信息；为了避免婴儿身体运动而导致扫描结果不佳，通过穿戴式头部监测仪，可在扫描期间监控婴儿头部运动并前瞻性调整梯度，进行运动补偿，让扫描更清晰；我们还专门定制了婴儿线圈，给婴儿带来舒适的扫描体验。在整项研究中，我们采用的技术均已应用于联影科研级高端磁共振 uMR 890，这款设备也已在上海科技大学生物医学工程学院装机，未来 5 年内计划扫描并随访 1000 多名研究对象。
伴随婴幼儿生长发育，在不同时间维度上用不同模态的检查方式，组合不同的技术分析手段，可以获得多种多样的研究结果，形成一个横跨发育周期的全栈全谱的脑发育影像研究，再通过专业量表对孩子进行发育评估、出具脑发育健康报告，可全维掌握大脑的生长发育情况。
在大脑老化研究方面，我们通过 AI 可进行皮质分割、阿尔茨海默症风险监测和随访、海马萎缩评估、脑小血管病评估等，并提供精细的脑健康评估报告。在阿尔茨海默症的诊断上，我们正在开展“基于多模态医学影像智能融合的 AD 早期诊断评价模型研究”，利用 AI 进行 MR 的快速采集，学习 MR 与 CT、与 PET 的表征关系，生成 PET 图像，然后利用训练好的多模态分类器，进行阿尔茨海默症的快速诊断，致力于实现在几分钟内完成从影像采集到最后诊断的工作流。
医学影像计算 (MIC) 与计算机辅助介入 (CAI) 的结合才是真正的、整合的医学影像人工智能 (MICCAI)。MICCAI 研究的内容与医疗元宇宙也十分相关，不仅体现在辅助诊断，也体现在辅助治疗。在 MIC 方面，我们开发了脑分割、配准等算法；在 CAI 方面，我们开发了智能手术规划、智能手术导航；在术后疗效评价中，我们也开发了评估算法。结合元宇宙新技术，将为疾病诊断、治疗规划、术中导航创建身临其境的多元感知。
随着医疗水平和现代科技的不断发展，医疗 AI 的学术研究只有真正落地临床场景才具有价值，希望更多学者能突破边界，进行更深远的产学研医协作，共同推动前沿生命科技发展，造福人类。
另外，在9月21日上午9点半，沈定刚教授还与耶鲁大学 James Duncan 教授组织了一场精彩的辩论环节，邀请了来自牛津大学、慕尼黑工业大学、美国国立卫生研究院和联影智能的专家学者围绕“人工智能是否已经可以应用于临床”展开了热烈的讨论。
我院创始院长沈定刚教授作为大会三个特邀主题 (Keynote) 演讲者之一出席，显示了他在医学图像计算领域的学术积累和国际认可度，有利于上科大生医工学院建立国际影响力。
