在全球AI競賽中，由眾多AI公司組成的中國選手隊一直處於國際領先地位，這一點在今年的RSNA（北美放射年會）上可以得到印證：已經有不少外國廠商和國際院校正在積極尋求和中國優秀AI機構的合作機會。作為國內AI領先企業之一，匯醫慧影在大會期間接到來自日本、美國、澳大利亞等國家的一些廠商和機構的合作申請，成為RSNA2017的一道亮麗風景線。
另一個有意思的現象是，在由匯醫慧影和美國史丹福大學醫學院放射腫瘤系AI實驗室聯合發起的「中美醫學影像人工智慧前沿峰會」會上，不少矽谷AI頂尖人才慕名而來，並向匯醫慧影CEO柴象飛發出了求職申請，以求登上AI的高速列車。
作為一家全球化布局的AI公司，匯醫慧影一直高度重視技術、人才、交流的國際化工作。由匯醫慧影和史丹福大學醫學院Department of Radiation Oncology AI Lab聯合發起的「中美醫學影像人工智慧前沿峰會」在矽谷召開，旨在加強AI的國際化交流，來自全球頂尖的影像專家、AI專家薈聚一堂，就醫學影像創新和人工智慧場景融合做深入熱烈的探討。
會議主席由史丹福大學醫學物理中心主任、匯醫慧影首席科學家邢磊擔任。中華醫學會放射學分會前主任委員、復旦大學附屬華山醫院終身教授馮曉源，北京大學第一醫院放射科主任王霄英，斯坦福癌症研究所生物醫學信息學主任Daniel L. Rubin，華中科技大學同濟醫學院附屬同濟醫院放射科教授、主任醫師王良，華中科技大學附屬協和醫院放射科教授楊帆和福建醫科大學附屬協和醫院影像科教授薛蘊菁，匯醫慧影CEO、美國史丹福大學博士後柴象飛等多位跨領域跨學科的專家出席會議，並做了主題分享。
（註：以下為與會嘉賓主題分享的核心內容整理版本，僅供各位參考、交流。）
放射醫生其實是數據科學家
美國醫學信息學學院研究員、斯坦福癌症研究所生物醫學信息學主任Daniel L. Rubin副教授做了「AI與癌症定量分析」的主題分享。
Rubin教授著重強調了放射組學分析中高度標準化與影像注釋的重要性。他說：「放射組學或機器學習可以應用於疾病探測、病灶分割、診斷、治療選擇（個性化醫療）、療效評估和臨床預測，尤其是後三者將極大地受益於深度學習。」
在模型訓練方面，Rubin教授認為，相比二維影像，放射醫生更願意採用三維數據，這是因為三維影像數據可以提供更多的層析信息，更為精準。但深度學習所需的硬體成本高昂，且難以獲取大量標記後的訓練數據。因此，未來影像將因GPU的容量而被重新定義。
Rubin教授還提到放射學將會成為多學科的交融點，放射醫生實際上是數據科學家。在他看來，計算機可以更好地幫助放射科醫生整合各類信息，看到人眼看不到的巨大信息。當然，挑戰依然存在，如何進一步提高放射組學的可靠性，以及如何將諸如病理學、基因組學等學科更好地與放射學有機融合是當前主要課題。
醫生應積極參與和人工智慧的合作
中華醫學會放射學分會前主任委員、復旦大學附屬華山醫院終身教授馮曉源做了「放射學未來」的主題分享。
馮曉源認為，中國已經提前進入老齡化社會，醫療模式正在從以疾病為中心轉變為以人的健康為中心。儘管中國政府在各級醫院大力投入，購買新型影像診療設備，但由於醫療資源分配不合理問題繼續存在，縣級醫院即便有設備，人才依舊匱乏。解決這一問題需要調整思路，從人才集中型向技術集中型發展。「藉助現代化手段，過去利用人力來解決的問題，之後可以用技術和智能來解決。人工智慧幫助影像科醫生減少程序性、機械性、重複性工作，提高效率和準確率。「
同時，馮曉源還提到，影像醫學屬於體內診斷，而體內診斷往往是看到病灶的第一個環節。不過影像科的主要工作是發現病變，影像科醫生並不參與療效評估和隨診等相關工作。「我們希望未來影像科醫生能更多地參與治療，在疾病診斷中成為領導者，並且醫生應該積極參與合作，這是為人類健康事業最後一公裡貢獻的關鍵一步。當然，實現這些需要各醫院之間要打破信息壁壘和體制壁壘，進行信息共享、大數據共享。而且，精準診斷、治療方案、預測預防都有賴於大量的有效數據。「
AI價值最大化：生在醫院，養在醫院，用在醫院
隨後，北京大學第一醫院放射科主任王霄英做了「AI在醫院影像科室的臨床實踐」的主題分享。
王霄英分析認為，AI在影像科其實不叫AI，而應被稱為Informatic Tools，即發掘各類信息價值的工具。「假如把AI比作孩子，那麼AI的出生和養育可能需要依靠匯醫慧影這樣的公司，然後醫生來用。然而現在的情形是，AI的出生、養育和價值的發揮都要基於醫院，同時藉助於公司良好的技術支持。「
王霄英的觀點是，對於公司來說，要持續提供支持把AI撫養好，且這種支持要來源於醫療數據並契合醫院的需求，兩者相輔相成才能為AI的高速發展提供優良的環境。只有當醫療數據在醫院和公司之間流動起來，才能發揮出巨大的作用，並成為AI發展的基石。
同時，王霄英還表示，當前我們面臨的挑戰依然很多：臨床需求複雜性、數據屏障、算法問題、放射醫生的真實需求和體驗問題，在大的臨床應用布局下，產品能夠得到放射醫生們的認同才能更好地實現其價值。不過，王霄英仍然看好醫學人工智慧的未來，可以幫助臨床解決實際問題。
深度學習可以輔助放射醫生進行前列腺癌的診斷
華中科技大學同濟醫院放射科教授王良做了「深度學習在多參數磁共振成像的前列腺癌自動診斷應用」的主題分享。
王良說，PCa（前列腺癌）不僅是古代人類的病痛，更是當代人類的殺手，且近年來在我國的發病率呈明顯上升趨勢。PCa的診斷、鑑別診斷、治療療效評估對指導患者治療方式的選擇和提高患者預後意義重大。
通過全自動MR成像，對PCa患者進行分類，並對比深度學習和非深度學習分析方法的結果，可以發現，相比非深度學習的方法，深度學習可以更準確有效地甄別前列腺癌和非前列腺癌。同時，可以通過人工設計相關紋理特徵值提高診斷的準確度。
AI真正解決臨床需求需要打破成見
匯醫慧影CEO、史丹福大學博士後柴象飛在母校史丹福大學做了壓軸分享，他的報告主題為「人工智慧在醫學影像中的應用與實踐」。
柴象飛表示，影像是一個千億級的龐大市場，AI天生適合醫學影像。從篩查到治療診斷，影像穿插整個環節，AI從影像進行是一個很好的切入點。AI快速發展最核心的創新是GPU，可以帶給影像很大的發展空間。
匯醫慧影沿著影像的兩個方面，從影像表現的診斷意見，到影像的預後預測。兩件事同等重要，目前前者大家研究的更多，不過商業價值和臨床價值非常有限，後者的可能性和想像空間更大。柴象飛表示，匯醫慧影已經在後者上有了相對成熟的應用，結合放射組學和深度學習的新產品，已經落地了700多家醫院，比如和深圳人民醫院合作了一組早期新輔化療的研究。
柴象飛還提到，目前深度學習的數據量無法達到世界頂級水平，AI數據都是數百萬上千萬的數據量。匯醫慧影現在利用傳統小數據的模型應用醫療行業，是一件多方共贏的事情：既可以推進科研產品快速轉化，還能幫助醫院解決臨床需求。不過這需要醫療從業者們的共同參與。
後記：
在本文整理編發之際，國務院關於「促進新一代人工智慧產業發展三年行動計劃」出臺，指出會進一步推動醫療影像輔助診斷系統的落地：推動醫學影像數據採集標準化與規範化，支持腦、肺、眼、骨、心腦血管、乳腺等典型疾病領域的醫學影像輔助診斷技術研發，加快醫療影像輔助診斷系統的產品化及臨床輔助應用。
政策持續利好之下，作為行業領先的人工智慧影像公司，匯醫慧影已向市場交出一份漂亮的產品和業績成績單：提升效率方面，乳腺疾病影像診斷可節約至少70%的時間，胸片節約將近50%的時間；診斷準確率超過95%；覆蓋更多病種，包括胸部CT的防漏診斷，乳腺鉬靶檢測，腦梗、腦出血核磁分析等（這幾類偏篩查型）；可支持包括肺癌、乳腺癌、結腸癌、直腸癌、胃癌、宮頸癌、卵巢癌、鼻咽癌、前列腺癌等在內的多癌種的診斷和治療。
2017年以來，匯醫慧影先後落地超過700家醫院，完成多個產品線的開發上線，並於10月底完成數億元B輪融資，成為行業最大玩家。也因此，匯醫慧影得到市場各方的青睞，先後斬獲2017年度中國人工智慧產業十大成長力企業、2017年度最具商業價值人工智慧公司TOP50、2017年度中國醫健產業獨角獸、最具成長潛質50強等眾多殊榮。同年5月，匯醫慧影力敵眾多對手，作為唯一一家醫學影像AI企業，成為騰訊AI加速器首期學員。