RSNA 2018 有哪些亮点?多位行业精英为你深度解读

2018 年 11 月 29 日 AI掘金志

 

雷锋网《AI掘金志》频道:只做 AI +「安防、医疗、零售」三大传统领域的深度采访报道。 


美国时间25日,芝加哥的街头飘起了雪,但麦考密克广场却被高涨的热情所包裹。这里,全球放射学界的顶级盛会——北美放射学年会(RSNA)正如期举行。


RSNA已经发展到了第104届,今年人工智能、3D打印、虚拟现实等技术成了会议的焦点话题。


大会主席Vijay M.Rao和Michael P.Recht教授相继发表主题演讲,均谈到了医疗AI的发展与展望。Vijay M.Rao的演讲主题为“How Emerging Technology Will Empower Tomorrow's Radiologists to Provide Better Patient Care”(如何应用新技术,使未来放射科医生更好地服务患者)”。Rao在演讲中表示,未来AI和机器学习等新技术将在放射科发挥巨大价值,我们目前看到的只是冰山一角。她指出,AI等创新技术将推动影像技术朝着“faster、safer、quantitative、 precise and affordable(快速、安全、定量、精准、经济)”的方向发展。同时,由影像资料、临床信息、基因特征、风险因素等构建的信息中心将对患者的个体化治疗提供巨大帮助。


Vijay M.Rao


Michael P.Recht教授在主题为“Artificial Intelligence,Analytics,and Informatics:The Future is Here(人工智能、分析学、信息学:未来就在这里)”的演讲中,同样对人工智能技术的发展进行了展望。


Michael P.Recht


除了大咖演讲,来自世界各地的参展厂商也是RSNA上的一道亮丽风景。本次大会,国内医疗AI企业依图科技、汇医慧影、图玛深维、深睿医疗等悉数携最新成果参展,为RSNA抹上了一道浓烈的中国色彩。借此契机,雷锋网邀请到了参会企业中的行业精英,为大家带来大会的一手观察和解读。


今年的RSNA有哪些亮点?


柏视医疗创始人 陆遥


今年参加RSNA最大的感受是人工智能等新技术开始成为放射学发展的主要推动力,同时也为放射学带来了更多的发展方向。今年RSNA的主题是“Tomorrow’s Radiology Today”,即对放射学未来发展的关注。本届大会主席Dr. Vijay M. Rao在其发表的主题演讲中重点探讨了人工智能和深度学习等热点技术对未来放射学发展的影响,今年来参加大会的人工智能企业、参展的人工智能产品也已形成一定的规模,可以说今年的RSNA将是放射学与人工智能深度结合并共同发展的重要节点。


汇医慧影联合创始人&COO 郭娜


本届RSNA展区最大的焦点仍然是GPS等医疗器械大厂,它们带来了非常炫酷的产品。同时,AI作为一项新兴技术正在占据越来越大的比重:一方面参展的企业越来越多,一方面产品也更加成熟了。可以说医疗AI已经从概念期迈进了稳步发展阶段。


不过我觉得RSNA最大的亮点不在展台,而在于它提供了非常高质量的学术报告。作为全球技术精英和顶尖影像科医生的思想盛宴,它可以帮助大家了解过去一年新的技术发展方向。比如梅奥诊所推出的算法原型,受到许多人关注;汇医慧影首席科学家邢磊教授也将在大会上发表演讲,介绍斯坦福在AI前沿的探索。


另外,大会开幕演讲中反复提到,AI算法必须融入医生的工作流程,且以患者为中心;同时影像科医生也要朝着数据科学迈进,这是AI时代给他们提出的新要求。


总的来说,本届RSNA有三点大的变化:第一、今年大会开幕的两个主题演讲都在谈AI,AI越来越成为一个热点话题,深入到医学影像的讨论中;第二、数据科学成为新的范式,过去我们更多讨论成像和诊断,现在已经开始立足数据科学范式探讨未来十年、二十年临床和医生的变化了;第三、今年各大厂商展出的产品更加成熟和贴近临床了。


依图医疗副总裁 方骢


中国医疗AI正在世界范围内成为一股越来越重要的力量。今年参会的中国厂商相比去年增加了很多,展区里经常可以看到华人厂商的身影,反倒是去年见到的几家北美厂商找了一圈也没见着。


另外,中国厂商的成长速度非常之快。我和以色列厂商Zebra Medical Vision聊了聊,发现它们的团队规模相比去年几乎没有变化,依图的医疗团队规模经过一年的发展已经翻了一倍多。


技术上,大家的探索更加深入了。去年,大家还把医疗AI当成一个概念和前沿的研究方向,但今年已经深入到了产品落地后如何改变医疗流程的讨论。大会主席Vijay M.Rao和Michael P.Recht在主题演讲中都提到了AI临床落地后的展望。


总的来说,行业对医疗AI的落地更务实了,信心也更足了。


视见医疗CEO 陈浩


延续去年深度学习的热点,今年RSNA仍有AI专场,给医疗AI领域的专家和厂商提供展示自己产品和研究成果的平台;并且增加了关于人工智能的学术报告数量。无论是医生还是企业都对医疗AI抱有非常高的热情。而国际上的这场放射学盛事,对我们国内的初创AI企业来说是一个很好的展示自身价值和交流的通道。


另外,李飞飞将受邀到大会现场进行演讲,这也非常值得期待。


图玛深维CEO 钟昕


中国放射学者及中国参展商已经成为RSNA的常客。近年来,与中国放射医学学术并驾齐驱的中国放射医学影像产业界也取得极大的进展。


过去一年行业有哪些变化?


柏视医疗创始人 陆遥


与去年相比,过去一年行业发展迅速,特别是人工智能在放射学中的应用。


一是人工智能企业和产品数量持续增加,传统大企业纷纷推出人工智能产品,如三星展示了多种基于AI的成像诊断软件,飞利浦则升级了其IntelliSpace Discovery平台,展出了3.0版本,众多人工智能初创企业也首次来RSNA参展;


二是人工智能产品的成熟度普遍有所提升,一些之前还处于概念和原型阶段的产品现已形成成熟产品,具备了临床应用的条件;


三是参展的中国企业从数量和质量上都有一定的提升,这也是我国近几年大力推动人工智能技术在医疗领域应用的成果。


依图医疗副总裁 方骢


总的来说,无论在国家政策还是技术发展层面,行业都取得了巨大进步。企业变得更加成熟和理性,从蜂拥而入到渐渐沉下心来打磨产品、深入场景。


以肺癌诊疗为例。起初企业纷纷扎堆肺结节检测,肺结节检测固然重要,但它只是一个单任务,临床上无法形成闭环。我们在RSNA上发布了首款能够看全肺的产品,可以检出肺部CT上超过95%的病灶,形成了临床场景的闭环,产品价值也有了很大提升。


概括来说,AI已经从只能完成单点任务(例如优化结节检出)进阶到能完成以疾病(例如肺癌)或者部位(例如全肺CT影像诊断)为中心的诊疗流程。不管是在产品形态还是临床应用场景的进化上,都已经跨出了进阶很重要的一步。


汇医慧影联合创始人&COO 郭娜


首先,国内几家领军企业变得更加成熟和强大了,汇医慧影和依图科技等今年已经是第二次参展了。我们去年参加RSNA的时候,公司只有30—40人,今年已经翻了几番。


其次,国外企业在细分领域上做得非常深入,有些专注于心血管,有些聚焦于成像分割。国内企业则倾向于打造平台化产品,而且扎堆肺结节领域。过去一年,国内企业从国外企业身上学到了很多东西,在单项病种上越做越深入,同时也在努力提升差异化。


视见医疗CEO 陈浩


政策方面,国家出台的《新一代人工智能发展规划》等文件将医疗人工智能推到了非常高的战略位置。这个领域的发展越来越受到国家和社会的关注,越来越多的企业也开始投身这一领域。


监管方面,今年8月1日开始实行的新版《医疗器械分类目录》为企业指明了方向,让整个行业的发展更加有的放矢。


产品方面,各家企业的产品矩阵更加丰富了,多样化走势初显,且延续人工智能在医疗影像领域的应用,如图像或检查的分类,器官、区域的定位,目标及病理的检测,组织结构和异常、病灶区的分割等等。各家结合具体疾病,开始更加有针对性地开发产品,更加贴近临床应用。


图玛深维CEO 钟昕


AI已经成为RSNA的重要议题之一,打开未来的唯一正确方法就是拥抱并持续创新。在老龄化的加剧背景下,医疗AI能够有效提升医生治疗效率,使更多的时间转移至患者的关怀上。技术创新将使影像技术朝着“快速、安全、定量、精准、经济”的方向发展。影像资料、临床信息、基因特征、风险因素等建立的信息中心将对患者实行个体化治疗提供巨大帮助。


今年RSNA有哪些新品?


汇医慧影联合创始人&COO郭娜


本次RSNA汇医慧影展出了最新的主动脉人工智能研究云平台AORTIST2.0。AORTIST2.0是汇医慧影联合中国人民解放军总医院(北京301医院)血管外科共同发布的。该平台在B型主动脉夹层手术的精准测量、预后预测、随访管理等方面取得了突破性进展。以精准测量为例,使用AORTIST云平台,动脉直径测量交并比达到98%,动脉直径误差缩小到1.5mm以内,较常规手动测量精准度提高到50%以上,在10分钟内可以完成对患者锚定区直径、长度、分支动脉间距离的精确测量,效率和准确率大大提升,对医生制定个性化手术方案有极大的帮助。


依图医疗副总裁 方骢


依图在RSNA上发布了2款全新产品——癌症筛查智能诊疗平台和care.ai™胸部CT智能4D影像系统。


其中,癌症筛查智能平台以人工智能影像处理引擎和自然语言处理引擎为动力,基于钼靶、CT、病理等多模态数据,覆盖了肺癌、乳腺癌、宫颈癌等中国高危高发癌种的病灶检出、形状描述、临床决策等临床诊疗流程的各个环节。不久前依图联手数百家医疗机构启动了“AI防癌地图”项目,计划未来5年投入1亿元助力全国癌症早筛,癌症筛查智能平台将在该项目的落地中起到重要支撑作用。


胸部CT智能4D影像系统则是全球首个突破肺结节检测,实现斑片、条索、囊状影、胸腔积液等多种病灶的实时影像AI系统,将极大减轻放射医师工作负担,成为放射医师临床助手,为全球大规模癌症早筛提供可能。


柏视医疗创始人 陆遥


今年是柏视医疗第一次在RSNA上参展,一共带来了两款最新产品:


一是鼻咽癌放疗靶区智能勾画系统,该产品主要面向鼻咽癌放疗靶区勾画耗时长、效率低的临床痛点,利用人工智能技术,基于MRI/CT影像进行放疗靶区的自动勾画。本产品不仅能自动勾画肿瘤区(GTV),而且能自动勾画临床靶区(CTV),同时还能够自动勾画头颈部43种危及器官(OARs)。本产品能够将靶区勾画时间从2-3小时缩短至数分钟,勾画准确度达到90%,在临床应用中,极大提升了临床医生的工作效率。


另一参展产品是肺部多病种辅助诊断系统,该产品基于X光、CT等多模态影像,提供胸片去骨、肺结核检测、肺结节检测等多种辅助诊断功能。产品实现了胸片一键去除前肋、后肋及锁骨,同时完整保留肺部纹理和病灶;肺结核自动检测检出率高达98%,肺结节检出率接近99%。通过使用本产品,放射科医生能够更加准确、快速的完成肺部多病种诊断。


图玛深维CEO 钟昕


图玛深维在本次RSNA展会上除了展出Discover/Lung Nodule 肺结节智能诊断系统,还展示了最新发布的四款医疗影像辅助诊断系统,即胸部X线智能诊断系统(σ-Discover/Lung DR)、乳腺钼靶智能诊断系统(σ-Discover/Mammo)、脑卒中CT智能诊断系(σ-Discover/Stroke CT)及肝脏CT智能诊断系统(σ-Discover/Liver CT)。目前多款产品已进入美国FDA审评审批阶段。


视见医疗CEO 陈浩


除了Lung-Sight CT胸片智能诊断系统,我们先后推出以下新产品:


DR-Sight(DR胸片智能诊断系统),能对多达17种疾病类型进行精准病灶定位,进行正异二分定初筛。


Liver-Sight(肝脏多模态智能诊断系统),能为医生提供术前规划及愈合预期提供精准依据,为病灶检测、肝脏分段及肝脏体积计算提供全方位指导。


Rib-Sight(CT骨折智能检测诊断系统),它是医生临床的得力助手,能够从骨折位置判读,解剖位置分析以及自动生成结构化报告,对骨折位置提示能够极大降低漏诊率并且协助在效期内进行伤残评定;它的病灶诊断时间快3倍,可提高医生诊断率至90%。


Bone-Age-Sight(骨龄DR智能诊断系统),可快速处理图像,将骨龄测试结果精确至月,精准评估儿童发育状况。


Breast-Sight(乳腺MR智能诊断系统),能够自动识别多期图像,并将不同期图像进行融合分析,它的根据是国际标准BI-RADS对病灶进行分类,规范诊断标准及愈后预测。


Prostate-Sight(前列腺MR智能诊断系统),通过子宫检测腺体,将其分割,再进一步定位病灶,以数据集成的方式,使得病理报告和影像检查融合,为临床决策提供支持。


除了以上五家企业,推想科技、深睿医疗、东软、联影等也参加了本届RSNA。其中,深睿医疗带着今年11月发布的四个品类六款产品亮相,RSNA展会期间深睿还将发布脑卒中及骨龄预测这两款产品。联影则在展会现场播放了一部完整展示人体全身动态PET-CT成像过程的“全息电影”: 总时长20秒,由1260幅连贯的全身人体影像图构成。这是联影携手美国顶尖分子影像团队“探索者”联盟打造的世界首台2米 PET-CT(uEXPLORER探索者)的首批人体图像。


雷锋网将持续关注RSNA最新动态,带来更多深入报道。更多资讯,请关注雷锋网旗下微信公众号“AI掘金志”。


长按二维码,关注雷锋网旗下「AI掘金志」


登录查看更多
0

相关内容

以领先国际的云计算、大数据和人工智能技术,打造了数字化、移动化及智能化的医学影像和肿瘤放疗平台,构建了影像智能筛查系统、防漏诊系统以及将影像深度应用于肿瘤、心血管、急腹症等单病种的人工智能辅助诊疗系统。
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
【中科院信工所】视听觉深度伪造检测技术研究综述
专知会员服务
40+阅读 · 2020年4月15日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
2019->2020必看的十篇「深度学习领域综述」论文
专知会员服务
270+阅读 · 2020年1月1日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
国家副主席王岐山考察依图
依图科技
4+阅读 · 2018年11月26日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
【人工智能】人工智能5大商业模式
产业智能官
15+阅读 · 2017年10月16日
【深度】基于医疗大数据和AI技术的影像组学及其应用丨田捷研究员
中国科学院自动化研究所
6+阅读 · 2017年7月20日
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
Self-Attention Graph Pooling
Arxiv
5+阅读 · 2019年4月17日
Feature Denoising for Improving Adversarial Robustness
Arxiv
15+阅读 · 2018年12月9日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Arxiv
4+阅读 · 2017年10月30日
VIP会员
相关VIP内容
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
【中科院信工所】视听觉深度伪造检测技术研究综述
专知会员服务
40+阅读 · 2020年4月15日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
2019->2020必看的十篇「深度学习领域综述」论文
专知会员服务
270+阅读 · 2020年1月1日
电力人工智能发展报告,33页ppt
专知会员服务
126+阅读 · 2019年12月25日
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
相关论文
Top
微信扫码咨询专知VIP会员