2020年12月4日,為期七天的第106屆北美放射學年會(RSNA 2020)正式閉幕。作為全球最大規模的放射學專業展會,從1915年成立至今,RSNA見證了每一次醫學影像的變革,成為醫學影像技術及應用發展的風向標,擁有來自全球136個國家的54,000多名會員。

本屆RSNA主題是“HUMAN INSIGHT/VISIONARY MEDICINE”(人類洞悉/遠見醫學),也是歷史上首次在云上舉辦,來自130多個國家的專家、學者、企業代表等放射學從業者,線上齊聚于RSNA年會,交流、探討國際放射學領域最新的科研成果。

盤點今年RSNA的亮點,醫學影像AI在行業的不斷滲透仍是最大主旋律,醫學影像AI在腦卒中治療、神經影像、乳腺癌篩查等領域中的新應用頗受關注。與此同時,基于AI的快速影像成為今年的新熱點,對于醫學影像更快、更高質量、更安全的追求漸成行業共識。此外,疫情當前,與新冠病毒治療與診斷相關的AI算法與應用也成了本屆RSNA的熱點話題。

醫學影像AI新進展受關注

醫學影像AI依然是本屆RSNA最熱點的話題。據了解,在今年235家參展廠商中,有超過105家參展商在虛擬展廳中展示了AI相關的產品,這一數字盡管略低于2019年的150家,卻遠高于2018年的75家。

會上數百個臨床醫生及科研人員的專題報告,讓參會者可以在線上享受行業以及學界的知識盛宴。其中AI相關臨床研究突出展示了AI在腦卒中臨床治療、神經影像、老年癡呆影像檢測、乳腺癌癥預測、心臟影像分析等方面的最新進展。

AI醫學影像正滲透到各個疾病的臨床診療之中,成為重要的輔助力量。

1)亮點案例一:影像AI助力腦卒中治療

本屆RSNA上展示的一項研究表明,利用AI可以比醫生發現更多可治療的腦卒中患者。一般認為,發病后的4.5小時是治療急性缺血性腦卒中的黃金時間,發病時間在這個時間段內的病人可以接受靜脈溶栓等療法,從而取得較好的治療效果。然而,很多時候治療難點恰恰在于,病人實際發病的時間不能完全確定。這時候,應用影像中如DWI-FLAIR不匹配等信息可以作為影像指標來確定治療方案。

來自UCLA的醫生與科研人員的研究證明,AI模型可以比醫生更好地得到這些影像指標,并通過預測額外發現18%的適合進行臨床干預的患者。

神經影像AI特別是腦卒中相關的研究在2020年有很大飛躍。來自斯坦福高端神經影像實驗室的Greg Zaharchuk教授團隊此前也在頂級醫療期刊JAMA上發表了相關研究,并在RSNA中受邀匯報。(Use of Deep Learning to Predict Final Ischemic Stroke Lesions From Initial Magnetic Resonance Imaging)其研究表明,通過深度學習預測腦卒中病人患病治療后的病灶范圍,在治療前準確預后,后優化干預方式。據悉,美國Viz.AI、Rapid.AI等公司的腦卒中產品不僅獲批FDA,也取得了聯邦醫療保險對其臨床價值認可。

2)亮點案例二:AI讓阿爾茲海默癥更早被發現

在神經影像中,基于影像的阿爾茲海默癥(AD,即老年癡呆)檢測也是AI研究的前沿。近期多個公司在阿爾茲海默癥的治療方面有了突破。但早發現依然是延緩病情惡化最重要的環節。RSNA上的神經影像研究也證實了可以通過AI來預測病情惡化情況,神經影像學有助于AD的早期診斷和預后,機器學習模型可以幫助多模態成像對阿爾茲海默癥進行早期診斷。該研究還重點提出了如何解決可能出現的部分影像數據缺失問題,提高了算法的穩定性及可用性。2019年Radiology期刊還發表了來自斯坦福的研究,驗證可以用1%的放射性劑量來使用PET影像準確檢測阿爾茲海默的相關影像病癥。今年有研究也論證了通過血液檢測來探查相關蛋白的可行性。行業中如Biogen等眾多醫藥公司也都在極力推進治療阿爾茲海默藥物的研發和申報。不難想象,多模態全方位的影像和生理參數檢測可能可以為阿爾茲海默病的檢查、診斷與治療帶來新的驅動力。

3)亮點案例三:AI使患乳腺癌風險診斷更準確

除了神經影像外,AI在乳腺影像中的應用也有了更多臨床研究支持。在一個超過80000位患者參與的研究中,來自麻省總醫院的研究人員利用深度學習模型準確識別出患者罹患乳腺癌的風險,效果遠超傳統模型。

據悉,該研究人員開發了一個深度學習模型,可以通過識別成像生物標志物,預測患者患乳腺癌的風險。新的深度學習模式已經在瑞典等地區得到了外部驗證,還將對非裔美國人和少數民族人口進行更多的研究。此外,該深度學習模型可以有助于獲取更準確、成本更低的風險評估,推進精準醫療的發展。

基于AI的影像流程加速及優化成為新熱點

在今年RSNA上,業內對于醫學影像AI熱議的側重點也較往年有所推進。重點不再是如何使AI代替醫生進行讀圖分析,而是轉向“幕后”,聚焦于影像上游的AI技術為臨床帶來的新突破,比如圖像采集、數據重建以及工作流程的優化等工作。

AI正滲透到醫學影像流程中的各個環節,逐漸成為臨床中醫學影像全流程的“基礎設施”。

塔夫茨大學(Tufts University)醫學中心的放射科主任Dr. Christopher Filippi教授在報告中強調,AI、深度學習可以更廣泛地服務臨床影像工作流程。比如在基于MR磁共振的影像的快速高效采集重建領域中,AI相對于設備商的傳統算法,有明顯的算法優勢。

國際CT成像和醫學圖像處理領域專家王革教授近期在《Nature》雜志機器學習子刊發表了專題論文,分析了深度學習如何變革了傳統快速影像的重建算法。該研究指出,針對斷層掃描的深度學習技術一直處于積極研究中,具有巨大發展潛力。斷層掃描是現代醫學必不可少的一部分,它將在個性化醫療、預防性醫療和精準醫療中發揮關鍵作用。

據悉,當前相關技術已經完全進入到臨床應用中。例如,知名AI醫學影像公司深透醫療(Subtle Medical)的SubtleMR可以通過人工智能技術兼容所有MR影像設備,提高高質量影像的采集效率,減少運動偽影。據悉,SubtleMR已經獲得美國FDA批準和歐洲CE認證,目前SubtleMR已經在全球數十家醫院和影像中心臨床使用。

同時深透醫療研發的SubtlePET以及SubtleGAD等技術也可以減少放射性核素或者造影劑計量,在保證以及提高圖像質量情況下,為患者提供更高效、安全的檢查。其中,SubtlePET通過深度學習技術加速PET(正電子發射斷層掃描)成像并降低其輻射危害,可以使醫院和影像中心將PET掃描速度提高4倍。“深度學習能夠提高采集速度,減少偽影,改善回波平面成像失真。AI還能在不降低影像質量的情況下,減少掃描劑量和加快掃描速度。”Filippi教授說道。

(Filippi教授的報告中提到利用深度學習4倍加速ASL等高端MR序列)

本屆RSNA上,深透醫療CEO宮恩浩博士及來自美國、歐洲、拉丁美洲多家醫療機構的影像科醫生一起分享了深透醫療的AI技術為臨床影像工作帶來的臨床價值,包括美國最大影像中心聯盟RadNet、歐洲最大影像中心聯盟Affidea、南美最大醫療服務商DASA以及法國醫療機構的臨床負責人。全球各地最大的醫療機構的青睞,體現了深透醫療的AI技術及服務在全球范圍內的競爭力。

據介紹,自2017年成立以來,深透醫療已對多種疾病進行廣泛布局。在當前精準醫療的大趨勢下,深透醫療的產品具有顯著的臨床價值,下游影像應用“遍地開花”。比如,深透醫療正與雅森醫療、CortechLab等下游影像定量公司合作驗證并且推廣定量化精準影像。在兒童疾病診斷方面,深透醫療正與美國多家兒童醫院合作,試圖十數倍加速影像,探索快速、定量、低危害的新成像方法。深透醫療也正積極探索AI影像增強技術在阿爾茨海默癥的早篩應用,并與相關下游廠商接觸,真正實現對AD患者的長期跟蹤與篩查體檢。

與此同時,深透醫療軟件產品的高兼容性,也能夠使其完美地融入醫院與影像中心的現有工作流程中,真正為其創造價值。據悉,深透醫療的軟件產品能夠兼容任何品牌、任何型號的設備,包括通用、飛利浦、西門子、佳能、聯影、東軟等主流醫學影像設備公司近 20 年來幾乎所有型號的器械。在臨床合作版圖方面,深透醫療也已擴展至中國、北美、南美、歐洲等世界各個角落。

深透醫療技術顧問Florian Knoll教授在RSNA大會中做了專題報告。近期由Knoll教授以及facebook共同推動的fastMR競賽也在近期完成新一輪競賽并將在AI大會NeurIPS中發布新結果。在2019年的競賽中,來自飛利浦、聯影、深透醫療等公司團隊在不同指標上拔得頭籌。驅動快速影像的AI技術在技術交流中將不斷發展。

(fastMR比賽在2020年初發布公開排行榜截圖)

疫情相關的醫學影像應用“百花齊放”

新冠疫情的爆發無疑是2020年全球最具影響力的事件。今年的RSNA上,有關新冠肺炎疫情的醫學影像新應用與新研究猶如“井噴”。

有業內人士戲稱,過去在RSNA上常見的MRI、CT掃描儀等“大家伙”為主的展示今年幾乎集體消失,取而代之的是放射學影像、系統、算法這些在疫情期間被認為是“剛需”的軟件層出不窮,僅目前已經開發出的與COVID-19相關的AI算法就有20多個。在本屆RSNA的熱點會議上,有十余家公司展示了新冠肺炎相關的影像產品。

來自上海長征醫院的劉世遠教授在RSNA上談及了中國抗疫過程中,放射科的重大貢獻。他說:“新冠肺炎疫情期間,醫學影像在整個診斷與治療過程中起著不可或缺的作用,包括病灶的發現、疑似病例的確認、臨床分類以及出院標準等環節都離不開醫學影像的支持。特別是在疫情爆發之初,影像填補了檢測能力不足。”他還表示,他們在疫情防控中的首要任務是優化工作流程并有效控制病毒傳染,AI在其中幫助放射科醫生更有效地工作。

他還提到,目前全球有三千余篇新冠相關的放射科論文被發表,其中69%使用了CT等影像,其中超過四分之一來自中國科研工作者的工作。在新冠肺炎檢測方面,目前有五家中國企業推出了相關產品。而影像類新冠產品的最大價值在于,可以優化工作流程并對傳染進行健康,達到97%左右的診斷正確率。而美國的影像科醫生則更關注影像在新冠臨床研究中的作用,為新冠相關的研究論文評審提供快速評議。

斯坦福大學放射學教授Greg Zaharchuk則在本屆RSNA上代表美國臨床影像醫生談到影像在抗疫中的位置。對于新冠病毒,診斷是AI工具在醫學影像應用中的首要需求。“這在疫情流行初期很重要,當時醫療系統已經不堪重負,而且無法獲得現場護理(Point-of-care (POC))的金標法測試。在放射科醫生不熟悉這種疾病的情況下,AI診斷工具起到很大作用。”

Zaharchuk教授表示,臨床中CT和X光在疫情初期沒有其他金標法測試的情況下至起到重要作用。在疫情中后期,標準化的報告對于建立診斷共識至關重要。醫學影像AI在疫情中的幫助還包括為不熟悉病癥的醫生提供輔助診斷,在疫情后期提供預后的預測,對患者住院時間、使用ICU時間、呼吸機需求的預估等等,這些都能幫助醫院更有效地分配有限的醫療資源。此外,由于新冠病毒對人體不同器官都會有影響,不少患者也有神經系統性病癥,醫學影像可以提供多模態全方面的數據,幫助臨床醫生更好地理解新冠病毒的個體性影響,優化對病人的救治。

回顧過去幾年RSNA所展示的醫學影像領域最前沿的研究與技術成果,就能直觀地感受到,經過數年的扎根,AI在醫學影像領域的應用范圍日益拓寬,所解決的問題也逐漸由淺入深。2020年,AI醫學影像始終圍繞“更快、更好、更安全”的主旋律發展,AI醫學影像已經不是一個簡單的概念,而是轉變為切實融入醫療流程、幫助放射科醫生提高效率的“基礎設施”。與此同時,相關的應用也在更大的地理范圍、更多的疾病種類落地,并快速在新冠病毒等全人類的挑戰中作出貢獻。