雷鋒網(公眾號：雷鋒網)消息，3月28日，GE醫療發布了其最新的數字醫療創新成果——全流程人工智慧磁共振技術平臺「智簡AI」。據了解，該平臺經歷了三年研發周期、累計了10萬例原始影像圖學習，在影像成像前端的核心環節，利用AI技術集中解決磁共振成像環節的偽影和成像效率問題。
GE醫療中國磁共振產品部總經理趙霞表示，智簡AI平臺將在1.5T磁共振產品SIGNATM Creator上使用。「很快我們的全系列磁共振產品也會搭載這項技術，用AI賦能全線產品，為推動磁共振AI生態發展奠定基礎。」
相比於CT、X線等成像設備，由於成像原理、成像過程以及影像處理的複雜性，讓AI技術在磁共振成像領域的發展和應用相對滯後。
國家重點基礎研究發展計劃（973計劃）首席科學家、中科院田捷教授表示，X光展現的是二維信息，CT展現的是三維信息，而磁共振能夠顯示功能信息，信息量就變得非常大。
東部戰區總醫院醫學影像科主任、中華醫學會放射分會副主任委員盧光明也表示，磁共振擁有多維的數據、不同的序列。同樣的結構、同樣的病變在不同的序列上有不同的信號特點。如何把多維度的信息匹配起來，進行病變的分析，是所有影像行業的從業者需要考慮的問題。
上海長徵醫院影像醫學與核醫學科主任、中華醫學會放射學分會候任主任委員劉士遠認為，磁共振是醫學影像領域最為複雜的技術，它是金字塔的頂端，由於其成像維度複雜，形成深度學習的模式困難，因此在AI領域的突破比較有限。
當然，隨著人工智慧技術在醫學影像行業的不斷應用，「高端」的MR設備也實現了很大程度的改進。
田捷補充到，以往磁共振領域在AI技術研發上聚焦在兩個方面：
一是磁共振流程智能化（磁共振AI 1.0時代），比如自動識別解剖部位、自動連續掃描等；
二是圖像重建後處理環節的多種智能分析和輔助診斷（磁共振AI 2.0時代），如結構與功能成像的多模態融合，可幫助提升圖像處理效率，提供更詳細的影像診斷信息。
如上文所說，磁共振技術面臨的一大挑戰在於設備的「源頭」：
磁共振檢查中70%時間被成像過程佔據，短則幾分鐘，長的有半個小時以上。較長的診斷時間，讓一些大醫院的預約MR檢查時間，能排到一個月之後。
而且，磁共振圖像會產生偽影。
做過MR的人都知道，在開始檢查前，醫生一般都會囑咐患者屏氣、不要亂動。這是因為身體器官的自然蠕動或者無法抑制的動作，如腹部掃描時的腸道蠕動、頸椎掃描時患者自然的吞咽動作等，都會在圖像上形成偽影，影響醫生診斷。
更有甚者，需要患者進行二次重複掃描，或者重新預約檢查。臨床實踐數據顯示，20%左右的磁共振檢查會由於運動偽影問題而導致掃描失敗。
「成像速度」和「偽影」這兩個問題，一直讓醫療器械商和醫生頭疼。因此，這也是GE推出智簡AI平臺的邏輯所在。
利用深度神經網絡算法，GE醫療對超過10萬例磁共振原始圖像數據的學習，在成像過程中對每個線圈單元採集到的原始數據進行特徵提取，對噪聲、偽影信息進行識別處理，同時將數據中的噪聲等雜質剔除，從而提供高質量的原始圖像數據。
同時，圖像重建優化過程中，也基於AI算法抑制圖像偽影，深度提升圖像信噪比，讓成像速度大幅提高。
在成像速度方面，GE醫療全球磁共振研發團隊的測試結果顯示：
在肩關節成像中，全流程AI磁共振Creator以同樣的掃描視野和參數設定，將成像時間從3分鐘左右縮短到約1.5分鐘，成像速度提升一倍；
在顱腦高分辨的TOF血管成像中，採用相同的掃描序列以及圖像參數，傳統成像掃描耗時4分50秒左右，全流程AI磁共振Creator的成像速度約2分20秒，利用一半的時間，獲得了解析度及信噪比更高的圖像。
在處理偽影方面，智簡AI技術能夠有效識別偽影信號，抑制各類偽影的產生，提升掃描成功率，降低重複掃描帶來的經濟效益損失。
根據中國醫學裝備協會數據顯示，近年來，我國每百萬人口MR保有量雖然提升明顯，從2013年的3.3臺提升到2017年的6.2臺，增長近乎翻倍。但整體而言，國內MR的市場滲透率仍處於較低水平，相較歐美等發達國家還有較大提升空間。
德勤生命科學與醫療行業管理諮詢主管合伙人俞超向雷鋒網表示，國內的MR分為存量市場和增量市場。從存量市場的角度來看，MR設備本身存在一個生命周期，新一代的MR設備成像速度更快、質量更好，對運營的質量提升都有顯著功效。
而從增量市場來看，底層市場逐漸擴容，越來越多的基層醫院提高設備等級。另外，第三方影像中心等新業態的興起，增量市場不斷擴大。
因此，可以看出，GE醫療在這次新品的發布中，是為了趙霞所說的「做好設備廠商的本職工作」——應用AI和數位化技術去擴寬已有的「存量」市場、下探到更廣泛的「增量」市場。
智簡AI發布會同期還舉辦了醫學磁共振影像人工智慧線上高峰論壇。
對於未來人工智慧的發展，田捷認為主要歸結兩個方面的因素：應用驅動和技術驅動。應用驅動就是從臨床中發現問題，利用AI技術對多維信息進行發掘，在術前預測和愈後環節實現更精準地分析；技術驅動，則是利用AI獲取更多特徵，讓醫生能夠看得更清楚。
「高質量的數據和人工智慧是相輔相成的，需求和技術相互牽引、相互拉動，促使廠商更好地提供臨床解決方案。」
值得一提的，設備端AI產品的一大意義就在於提升數據質量和成像的標準化能力，這點對於大數據的建設和AI技術的應用至關重要。
作為影像科專家，盧光明向雷鋒網表示，在已有的AI應用基礎上，廠商接下來要做的是提升AI技術在不同醫療設備上的泛化性以及影像數據的一致性。
盧主任認為，構建大規模的優質資料庫，對於疾病的識別、診斷、評估都有很好的作用。而這個資料庫建立是一個不斷延續的過程。「AI讓我們有了很好的圖像質量，但是以前的圖像和現在基於3.0的圖像是否可以兼容，這件事情還需要進一步觀察。」
尤其對於磁共振而言，不同掃描參數、不同序列等因素，都會對數據連續性產生影響。「我們會遇到很多挑戰，這就需要政策支持、廠商協助來共同幫助我們解決問題。」
中國食品藥品檢定研究院醫療器械檢定所所長李靜莉表示，我國首批人工智慧的行業標準，今年已經立了兩項，主要是數據集通用要求和術語的基礎性標準。在這兩個基礎標準的框架下，將開展一些標準化產品的研發。
她也透露，今年下半年，中檢院就會向社會公開徵求意見。
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。