程流泉教授
影像组学”助力精准成像
精准医学是应用现代遗传技术、分子影像技术、生物信息技术，结合患者生活环境和临床数据，实现精准的疾病分类诊断，制定具有个性化的疾病预防和治疗方案。
影像组学是精准医学的一个重要组成部分，以计算机纹理分析为基础的图像识别提取大量的特征参数，这些参数已经超出视觉判断范围，将这些多模态的影像信息与基因组学、蛋白组学等生物学技术有机结合起来，通过对生物信息的大数据收集和运算提取特征信息，可以准确反应疾病发展变化，协助医生制定合理的治疗方案，预测治疗效果，其价值贯穿疾病的预防、诊断、治疗和预后整个医疗过程，从而实现前瞻的、个体化的诊断和治疗。
“人工智能”提效影像判读
人工智能（AI）影像则是基于海量的影像数据，通过特定的逻辑运算，模拟人类学习和判别能力，进行影像诊断。至于其具体的逻辑运算原理，影像科医生不一定能理解。
早期的计算机辅助诊断（CAD）是基于各种图像特征算法提取信息进行判别分析，包括影像组学利用图像纹理分析的参数判别病灶特征，是先有算法和参数指标，然后有判别；而人工智能影像诊断则是通过海量数据的反复锻炼形成一定的算法和判别能力，其中的算法和参数指标则被封装在其中，对于影像医生来说并不明确，这在心理层面构成了“不知底细”的恐慌。
从报道的信息看，在X线、CT和超声方面有过AI与医生的比较，其判读结果不相上下，结合AI相对于医生的持久、客观的工作优势，由此提振AI在影像诊断的应用前景预期。另一方面，文献报道肺部CT的纹理分析与AI测试中，不同的重建层厚会导致判别结果的不同；而对于磁共振成像这种多参数模式的诊断应用，目前尚未见相应的应用测试报道。
“人工智能” 将倒逼影像医生转型进步
以医学检验学科为故例，先进的高度自动化的检验流水线终究替代了实验室的瓶瓶罐罐，从而彻底改变了检验科医生和技师的工作模式。未来的AI在影像诊断方面带来类似的技术革命已经是指日可待的事情，2016年的北美放射年会（RSNA）的主题Beyond imaging即提出了类似的关切。
普通的X线诊断已经成为影像科食之无味弃之不能的鸡肋，接下来的可能就是CT，这些已经标准化的检查诊断工作被AI替代，是对影像医生劳动力的有效补充和解放，也是对影像医生的职业威胁。
显然，一份含有影像医生劳动价值的报告，将不再体现在影像特征的描述与诊断方面。落后的产能终将被淘汰，影像医生的未来在哪里？如何适应形势进行职业转型？都是一个不得不考虑的问题。
专家简介
程流泉
解放军总医院放射科主任医师，副教授，硕士研究生导师
中国医学影像技术研究会理事和放射学分会常委
北京乳腺疾病防治学会常委、影像诊断专业委员会副主任委员
主要研究方向为乳腺疾病、心血管疾病、骨关节疾病的MRI诊断
承担国家自然科学基金等科研项目，主编《乳腺MRI手册》、《肌肉骨关节磁共振成像诊断学》，发表论著多篇
京公网安备 11010502033352号