对话美国工程院院士John Gore：中国学生搞医疗AI研究，「随大流」是个大问题

“找到你自己认定的方向，不要人云亦云，重复别人昨天的事情。你们应该有自己感兴趣的方向和让自己兴奋的事情。这就是你能收获更多成功，并且乐在其中的秘诀。”

John Gore

作者 | 李雨晨
编辑 | 唐里

本文是记者在ISICDM 2019现场与John Gore教授的对话内容。 ISICDM是国内知名的理工医交叉论坛，意在推动海内外理工医交叉融合，激发产学研协同创新。

“核磁共振成像的未来方向将是更快、更便宜，并在更短的时间内实现，所以有一种趋势叫‘value imaging’。 如果你仔细想想，我们并没有改变早期的模式。 但是随着时间的推移，我们在同样的时间内实现了更多、更好的成像效果。 ”John Gore教授在谈论MRI的未来前景时，这么说道。

John Gore是美国范德堡大学教授、成像科学研究院院长，是磁共振及影像技术方面的国际知名专家。由于他在磁共振等影像技术的开发及其在医学、神经科学上的应用方面做出的突出贡献，而入选美国国家工程院院士。

同时，他也是顶级期刊《Magnetic Resonance Imaging》的主编。

John Gore教授认为，传统磁共振采样的扫描时间长，存在大量信息冗余，且容易存在信噪比。如果把成像时间从45分钟缩短到10分钟，将会极大地提升医生的工作效率，而深度学习技术在这方面具有很大的发挥空间。

“深度学习对重建所需的信息量更少，可以帮助我们处理数据缺失的问题。”

近日， 记者在ISICDM 2019大会现场与John Gore教授进行了一次对话。围绕最新学术研究进展、对中国学者的建议等等话题，John Gore也发表了自己的观点。

以下为John Gore教授与记者的对话内容，我们作了不改变原意的编辑

问： 能否谈谈您的主要研究方向、研究进展？

John Gore：我是范德堡大学成像科学研究院院长，研究院有150人从事成像研究。我自己的研究方向主要是发展先进的核磁共振技术，尤其是在神经科学和癌症方面，并试图发现我们能从MRI中得到什么信息。

最近，我们一直在研究大脑尤其是脑白质的功能性磁共振成像（fMRI），这是一个新的方向。

在癌症方面，我们一直在研究如何测量细胞大小和细胞密度，而不是侵入性地使用MRI。

问： 在研究过程中，会遇到什么棘手的问题吗?

John Gore：是的，所有的这些研究方向都有其局限性。关于想要测量什么以及如何测量细胞的大小和密度，我们有一些很好的想法。但是MRI会受到信噪比的限制，所以我们一直在这方面进行努力。

此外，还有硬件条件的限制，这些都是在研究过程中必须要解决的问题。

问： 与在诊断和其他方面的应用相比，深度学习技术在成像上的应用前景如何？

John Gore：我认为，深度学习在成像方面的应用是非常重要的。传统的图像信息处理方法已经无法跟上数据量的增长，它们需要很多功能的支持。

深度学习可以在图像获取环节发挥作用。我们不需要收集那么多的数据，因为深度学习可以帮助我们处理数据缺失的问题，这样我们就可以利用更少的数据下，为病人做出同样高质量的图像。然后在一个大的区域里整理数据、突出重点，让放射科医生或其他人更仔细、更有针对性地查看。

因此，我们可以帮助放射科医生摆脱很多常规工作，未来他们可能只要发出语音指令就行了。

问： 您认为，深度学习在医学成像领域的有哪些优势和不足的？ 徐宗本院士也在演讲中提到了深度学习的一些问题。

John Gore：深度学习的优点是减少了误差，提高了效率，这意味着我们在经济层面能够带来影响并使患者受益。

一个很好的例子就是，在中国，每四万五千人才能拥有一名放射科医生，所以你需要借助技术的手段来帮助放射科医生做他们力所能及的事情。

另外，我认为，在人们接受深度学习一项技术之前，他们需要非常清楚这项技术的工作原理、机制是什么。你要对深度学习算法有信心，以及深度学习是如何被训练的、假设是什么、偏见是什么。它不能是“黑盒”，它必须是一个透明的盒子，让人们可以清楚地看到它在做什么。

问： 作为顶级期刊《MRI》的主编，近几年你们收录的论文，与过往有哪些明显的变化？

John Gore：最大的变化是来自中国的论文数量增长迅速。虽然我没有看到这些数字，但是来自欧洲和美国的论文数量增长很小，中国和韩国的论文数量增长非常明显。

事实上，我们有这么多的中国论文，以至于很难挑选出好的论文，因为质量参差不齐。我们看到一些优秀的论文，但也有一些论文的原创性不是很好，或者没有按照我们想要的方式来做。

所以，我们在审查所有论文时遇到的一个大问题就是，如何选出最好的那些论文。

当然，很多论文的质量都在不断提高。我理解在《MRI》上投稿人的心理，因为在这样的期刊上发表一篇论文，对他们的职业生涯非常重要。

很多学者的能力会受到一些主客观因素的限制。所以，很多人都在做非常类似的研究，而这通常是受到设备制造商们的影响。

例如，如果像西门子这样的公司提出一个新的工作进展，你会发现，中国会有100多个不同的机构开始使用它，然后试图以此写论文。

在我看来，这是一种趋势。今年，弥散峰度是核磁共振成像研究的一种新方法，而去年我们有很多关于评估成像的论文。很明显，这些话题很流行。每个人都在关注，然后我们得到了很多很多的论文。

问： 您觉得，在MRI成像领域，中美两地的科研状况有哪些不同？ 中国学术界在哪些地方需要重点借鉴和学习欧美学术界？

John Gore：我认为，美国放射科医生参与研究的范围并不像人们想象的那么广泛。我们看到的大多数研究都是由放射学以外的人或科学家、物理学家和工程师推动的。

事实上，很多新技术和新方法也都是由神经学家、大学里的神经外科医生等提出的。我认为，中国放射学界对基础科学的理解是很有竞争力的，比其他地方的医生更专注于基础科学。

但我的建议是，不一定遵循设备商的趋势，而是要看你所在研究机构的特长。中国有这么多的人口，你们可以真正地进行很好的研究。而且参与研究的患者数量，比在美国的研究机构中要多得多。

所以，如果你有一项新技术，你想用它来治疗肝癌，在这里更容易找到100多种案例，随便在哪家大医院里都能找到。所以，中国确实有很多机会进行临床研究。

问： 您认为fMRI和MRI未来的发展方向是什么样的，研究者应重点探索哪些方面的研究？

John Gore：我认为MRI的主要方向将是更快、更便宜，并在更短的时间内实现。所以有一种趋势叫做“value imaging”（价值成像）。

如果你仔细想想，我们并没有改变早期的模式。以前，医生会让病人在设备里躺45分钟来获取图像。随着时间的推移和技术的发展，我们只是用同样的时间完成了更多的成像工作。

所以，我们知道很多不同的脉冲序列，像T1、T2、ADC各种各样的成像。问题是，要回答临床问题，真正需要的图像有多少呢？一定要有很高的分辨率吗？答案可能是“NO”。

但是，如果我们可以把成像时间从45分钟减少到10分钟，将在效率层面产生巨大的差异。

我认为，中国医生每小时进行的病人检查数量已经比美国多得多。我认为这是加快成像速度的大趋势，这将是深度学习发挥重要作用的地方。因为在深度学习的帮助下，图像重建所需的信息量更少，并且有助于重建不完整的数据。

当然，我不认为自己能告诉研究者们应该集中注意力做哪些事情，因为有很多事情要做。在我看来，有一些非常重要的领域，比如图像重建、图像分析以及将MRI的数据与其他类型数据结合起来。我们不能只专注于其中任何一个领域，这些都非常重要。

问： 继X光、CT、MRI之后，您认为下一代主流医学成像技术，会以什么样的形式呈现？

John Gore：我不知道在硬件端会有什么非常大的突破，我今天早上也表达了观点。我们有非常好的CT、MRI，全身PET扫描也将会到来，并且会重新定义PET成像，超声可以做出非常漂亮的图像，但我们不会在推动设备革新上走得太远。

变革将来自计算机、大数据和数学，利用技术帮助我们处理数据，真正的变革将会来自软件层面，而不是硬件层面。

问： 您如何评价ISICDM，您有哪些经验想跟年轻学者们分享？

John Gore：很多会议的质量取决于是否会产生很多好的论文。学者们会参加一些会议，有很多的论文，但很少会最终发表。我认为，把最好的论文发表出来，这是非常重要的，因为这是最好的会议应该做的。

对于年轻的学者来说，你们要清楚别的学者在做什么事情，然后进行合作、互动。

昨天下午，我参加了论文点评的报告会，听了12个学者的论文展示。我认为，这些年轻的学者在真正理解复杂的神经网络、深度学习算法等方面的知识。他们抛出了一些我不太懂的术语，我不太知道其中的细节，而他们对此似乎已经非常熟悉。

但有一个小问题是，一些年轻学者在做有点类似的事情。

所以，我要给的建议是，找到你自己认定的方向，不要人云亦云，重复别人昨天的事情。追随你们内心的渴望，不要因为这件事是别人想让你们做的。你们应该有自己感兴趣的方向和让自己兴奋的事情。这就是你能收获更多成功，并且乐在其中的秘诀，这是我想给出的建议。

   数学与 AI「融通」 ，徐宗本院士进行超强“迁移学习”

   张钹院士：人工智能的魅力就是它永远在路上 | CCAI 2019

   Facebook 自然语言处理新突破：新模型能力赶超人类 & 超难 NLP 新基准

   巴赫涂鸦创作者 Anna Huang 现身上海，倾情讲解「音乐生成」两大算法

 

点击阅读原文，查看
大数据时代浅谈医疗——数据分析在医疗领域的运用