2020年12月4日，为期7天的第106届北美放射学年会（RSNA2020）正式闭幕。作为全球最大的专业放射学展览会，自1915年成立以来，RSNA见证了医学影像的每一次革命，成为医学影像技术和应用发展的风向标。它拥有来自全球136个国家的54,000多名成员。今年RSNA的主题是“HUMANINSIGHT/VISIONARYMEDICINE”（人类洞察力/远见医学），同时也是历史上第一次在云端举办。来自130多个国家的专家学者、企业代表等放射学从业者将在线齐聚RSNA年会，交流探讨国际放射学领域的最新科研成果。盘点RSNA今年的亮点，医学影像AI在行业的持续渗透仍然是最大的主题，医学影像AI在脑卒中治疗、神经影像、乳腺癌筛查等领域的新应用备受关注.同时，基于AI的快速影像成为今年的新热点，追求更快、更高质量、更安全的医学影像逐渐成为行业共识。此外，在疫情当前，与新型冠状病毒治疗和诊断相关的AI算法和应用也成为今年RSNA的热门话题。医学影像AI新进展引关注医学影像AI仍然是今年RSNA最热门的话题。据了解，在今年的235家展商中，有超过105家展商在虚拟展厅展示了AI相关产品。虽然这一数字略低于2019年的150家参展商，但远高于2018年的75家参展商。。数百名临床医生和科研人员在会上作了专题报告，让参会者在线上享受来自产学界的知识盛宴。其中，AI相关临床研究突出了AI在中风临床治疗、神经影像学、阿尔茨海默病图像检测、乳腺癌预测、心脏图像分析等方面的最新进展。人工智能医学影像正在渗透到各种疾病的临床诊疗中，成为重要的辅助力量。1）亮点案例一：影像AI辅助中风治疗今年RSNA上发表的一项研究表明，使用AI可以找到比医生更多的可治疗中风患者。一般认为，发病后4.5小时是治疗急性缺血性脑卒中的黄金时间。在此时间段内发病的患者，可以接受静脉溶栓等治疗，以达到更好的治疗效果。然而，很多情况下治疗的难点在于无法完全确定疾病的实际发病时间。此时应用图像中的DWI-FLAIR不匹配等信息可以作为图像指标来确定治疗方案。来自加州大学洛杉矶分校的医生和研究人员的研究证明，AI模型能够比医生更好地获取这些影像学指标，并且通过预测，可以额外找到18%适合临床干预的患者。神经影像AI，尤其是与脑卒中相关的研究，将在2020年实现大跃进。来自斯坦福高端神经影像实验室的GregZaharchuk教授团队此前曾在顶级医学期刊JAMA发表相关研究，并受邀在RSNA做报告。(UseofDeepLearningtoPredictFinalIschemicStrokeLesionsFromInitialMagneticResonanceImaging)其研究表明，深度学习可用于预测中风患者治疗后的病变范围，准确预测治疗前的预后，优化治疗后的干预方法.据悉，美国Viz.AI、Rapid.AI等公司的脑卒中产品不仅获得了FDA的批准，其临床价值也得到了联邦医疗保险的认可。2）亮点案例2：AI让阿尔茨海默病在神经影像学上更早被发现，基于图像的阿尔茨海默病（AD，老年性痴呆）检测也处于AI研究的前沿。几家公司最近在治疗阿尔茨海默病方面取得了突破。但早期发现仍然是延缓疾病进展最重要的环节。RSNA的神经影像学研究也证实了AI可以用来预测疾病的恶化。神经影像有助于AD的早期诊断和预后判断，机器学习模型有助于多模态成像对阿尔茨海默病的早期诊断。研究还着重于如何解决可能出现的图像数据缺失部分的问题，提高算法的稳定性和可用性。2019年，Radiology杂志还发表了斯坦福大学的一项研究，验证了1%的放射性剂量可以使用PET图像准确检测阿尔茨海默病相关影像学疾病。今年，研究还证明了通过血液检测检测相关蛋白的可行性。业内多家药企，如百健（Biogen），也在大力推进阿尔茨海默病药物的研发和应用。不难想象，多模态综合成像和生理参数检测，或将为阿尔茨海默病的检测、诊断和治疗带来新的驱动力。3）亮点案例三：AI让乳腺癌风险诊断更精准除了神经影像，AI在乳腺影像上的应用也有更多的临床研究支持。在一项涉及超过80,000名患者的研究中，来自麻省总医院的研究人员使用深度学习模型准确识别出患有乳腺癌风险的患者，远超传统模型。据悉，研究人员开发了一种深度学习模型，可以通过识别影像学生物标志物来预测患者患乳腺癌的风险。新的深度学习模型已经在瑞典等地进行了外部验证，并将对非裔美国人和少数民族人口进行更多研究。此外，深度学习模型有助于获得更准确、成本更低的风险评估，推动精准医疗的发展。基于AI的成像流程加速和优化成为新热点。在今年的RSNA上，业界对医学影像AI的热议焦点较往年也有所提升。重点不再是如何用AI代替医生进行影像阅片和分析，而是“幕后”，关注AI技术在影像上游带来的新突破，如图像采集、数据重建、工作流程优化。AI正在渗透到医学影像流程的每一个环节，逐渐成为临床中医影像全流程的“基础设施”。塔夫茨大学医学中心放射科主任ChristopherFilippi教授在报告中强调，人工智能和深度学习可以更广泛地服务于临床影像工作流程。例如，在基于MR的图像快速高效获取和重建领域，AI相较于设备厂商的传统算法具有明显的算法优势。国际CT影像与医学图像处理领域专家王戈教授近日在《Nature》杂志机器学习子刊发表专题论文，分析深度学习如何改变传统的快速图像重建算法。研究指出，用于层析成像的深度学习技术已被积极研究，具有巨大的发展潜力。断层扫描是现代医学的重要组成部分，它将在个性化医学、预防医学和精准医学中发挥关键作用。据悉，目前相关技术已全面进入临床应用。例如，知名AI医学影像公司SubtleMedical的SubtleMR，可以通过人工智能技术兼容所有MR成像设备，提高高质量图像的采集效率，减少运动伪影。据悉，SubtleMR已通过美国FDA和欧洲CE认证。目前，SubtleMR已在全球数十家医院和影像中心进行临床应用。同时，申投医疗研发的SubtlePET、SubtleGAD等技术还可以减少放射性核素或造影剂的测量，在保证和提升图像质量的同时，为患者提供更高效、更安全的检查。其中，SubtlePET通过深度学习技术加速PET（正电子发射断层扫描）成像并降低其辐射危害，可使医院和影像中心将PET扫描速度提高4倍。“深度学习可以提高采集速度，减少伪影，改善回波平面成像失真。人工智能还可以在不降低图像质量的情况下减少扫描剂量并加快扫描速度。”Filippi教授说。（Filippi教授的报告中提到利用深度学习将ASL等高端MR序列加速4倍。）在本次RSNA上，深度医疗CEO宫恩浩博士以及来自国内的多家医疗机构美国、欧洲、拉丁美洲的放射科医师分享了申投医疗的AI技术为临床影像工作带来的临床价值，包括美国最大的影像中心联盟RadNet、欧洲最大的影像中心联盟Affidea、美国最大的影像中心联盟DASA、南美最大医疗服务商、法国医疗机构临床总监全球最大医疗机构的青睐，体现了申投医疗AI技术和服务的全球竞争力。据介绍，自2017年成立以来，申投医疗对多种疾病进行了广泛部署，在当前精准医疗的大趋势下，产品神投医疗临床价值显着，影像下游应用“百花齐放”。例如，申投医疗正在与亚森医疗、CortechLab等下游影像量化公司合作，验证和推广量化精准影像。在儿童疾病诊断方面，申投医疗正与美国多家儿童医院合作，尝试将成像速度提高十倍，探索快速、定量、低危害的成像新方法。神投医疗也在积极探索AI影像增强技术在阿尔茨海默病早期筛查中的应用，并与相关下游厂商接洽，真正实现对AD患者的长期随访和筛查。同时，神投医疗软件产品的高兼容性也可以使其完美融入医院和影像中心现有的工作流程中，真正为其创造价值。据悉，申投医疗的软件产品兼容任何品牌、任何型号的设备，包括通用、飞利浦、西门子、佳能、联影、东软等近20家主流医疗影像设备企业。过去几年几乎所有类型的设备。在临床合作方面，申投医疗也拓展至中国、北美、南美、欧洲等世界各个角落。申投医疗科技顾问FlorianKnoll教授在RSNA大会上做了专题报告。近日，由Knoll教授和Facebook共同推动的fastMR竞赛也在近期完成了新一轮的竞赛，并将在AI大会NeurIPS上发布新的成果。在2019年的比赛中，来自飞利浦、联影、申投医疗等企业的团队在各项指标上均位列第一。赢得第一名。驱动快速成像的AI技术将在技术交流中不断发展。（fastMR竞赛发布2020年初公开排行榜截图）与疫情相关的医学影像应用“百花齐放”新冠疫情的爆发无疑是2020年全球最具影响力的今年RSNA，新与新冠肺炎疫情相关的医学影像学应用和新研究犹如“井喷”。有业内人士戏称，过去在RSNA上常见的MRI、CT扫描仪等“大佬”，今年几乎集体消失，取而代之的是被认为“刚需”的放射影像、系统和算法。流行期间。已经开发了20多种与COVID-19相关的人工智能算法。在本次RSNA热点大会上，十余家企业展示了与新冠肺炎相关的影像产品。上海长征医院刘士元教授在RSNA上讲述了放射科在中国抗击疫情中的重大贡献。他说：“在COVID-19疫情期间，医学影像在整个诊疗过程中发挥着不可或缺的作用，包括病灶的发现、疑似病例的确诊、临床分型、出院标准等。尤其是在疫情初期，成像填补了检测能力的空白。”他还表示，他们在疫情防控中的首要任务是优化工作流程，有效控制病毒感染，其中人工智能帮助放射科医生提高工作效率。工作。他还提到，全球已发表3000多篇与新冠相关的放射学论文，其中69%使用了CT等图像，其中超过四分之一来自中国研究人员的工作。在COVID-19检测方面，已有5家中国企业推出了相关产品。新冠影像产品最大的价值在于可以优化工作流程和控制感染，诊断准确率达到97%左右。另一方面，美国的放射科医生更关注影像学在COVID-19临床研究中的作用，并为COVID-19相关研究论文的审稿提供快速审阅。斯坦福大学放射学教授GregZaharchuk在今年的RSNA上代表美国临床影像医生讲述了影像学在抗击疫情中的作用。对于新型冠状病毒，诊断是人工智能工具在医学影像应用中的首要需求。“这在流行病初期很重要，当时医疗保健系统不堪重负，而且无法进行即时检验(POC)黄金标准检测。在放射科医生对疾病不熟悉的情况下，AI诊断工具发挥了很大的作用。”Zaharchuk教授说，在临床实践中，在疫情早期没有其他金标准检测的情况下，CT和X光发挥了重要作用。疫情中后期，标准化报告对于建立诊断共识至关重要。医学影像AI在疫情中的帮助还包括为不熟悉疾病的医生提供辅助诊断，为后期提供预后预测。疫情阶段，预估患者住院时间、ICU使用时间、呼吸机需求等，帮助医院更高效地分配有限的医疗资源。此外，由于新型冠状病毒可以影响人体的不同器官，而且很多患者还患有神经系统疾病，医学影像可以提供多模态和全面的数据，帮助临床医生更好地了解新型冠状病毒对个体的影响并优化治疗患者。病人的治疗。回顾过去几年RSNA展示的医学影像领域最前沿的研究和技术成果，我们可以直观地感受到，经过几年的生根发芽，AI在医学影像领域的应用范围范围越来越广，所解决的问题也逐渐从表面化到表面化。进入深处。2020年，AI医学影像将始终围绕“更快、更好、更安全”的主旋律发展。AI医学影像不再是一个简单的概念，而是变成了一个可以切实融入医疗流程、帮助放射科医生提高效率的“基础”。同时，相关应用也在更大地域范围、更多疾病种类落地，为应对新冠病毒等全人类的挑战快速贡献力量。
