北京协和医院付海鸿：寄望AI PACS能“解放”疲惫不堪的放射科

来源：HIT专家网      作者：孙婧 根据录音整理

近年来，医学影像AI高速发展，已进入临床应用阶段。但由于AI应用相对独立，放射科医生在使用时需要在PACS（Picture Archiving and Communication Systems，影像归档和通信系统）、RIS（Radiology Information System，放射信息系统）和各种AI工具之间闪转腾挪，不利于放射科医生工作效率和使用体验的提升。

“放射科医生需要的临床体验是：在现有影像工作流程中无缝使用AI。”2021年6月25日，在由HIT专家网主办、GE中国协办的“医学影像人工智能时代的PACS发展趋势”在线论坛上，北京协和医院放射科高级工程师、中华医学会影像技术分会前主委付海鸿探讨了医学影像行业面临的新挑战，以及以AI与PACS深度融合的“AI PACS”为代表的发展新趋势。

方兴未艾的影像AI要“帮在点上”

付海鸿认为，目前全球放射科医生普遍面临的突出问题之一是超负荷工作带来的职业倦怠感，“过多工作时间被扫描、阅片占用”。调研数据显示，49%的放射科人员面临严重工作倦怠与过度疲劳（burn out）。在我国，这一挑战更加凸显：影像检查数据的增长速度每年超过30%，与不到4%的放射医师、技师人员数量增长形成鲜明对比与深度矛盾。

“放射科医生被堆积如山的检查申请单和影像读片死死按住，当扫描任务和阅片任务都难以完成时，何来患者沟通与临床沟通？”付海鸿认为，医学影像AI的蓬勃发展，将有助于将放射科医生从burn out中“解放”出来，使“精准、个性化的患者治疗，动态、自动化的工作流程，更多、能力更强大的放射医师”这一放射科的未来变为现实。

放射科的未来在AI。基于这一行业共识，以及深度学习技术的持续发展，人工智能正逐步渗透到涵盖采集成像端、后处理与注释端，以及导航与工作流端的全影像流程域、数据域的应用中。

据付海鸿介绍，在影像成像设备端，深度学习重建技术正在取代滤波反投影和迭代重建技术，成为影像成像领域重要的创新性技术，现已有多款成像机器人通过国家药监局注册认证。

而在应用端，放射医师可利用AI工具实现智能诊断。AI应用能够对影像数据中十分细微或者过于复杂的模式进行精准识别，补充人眼识别的某些短板，并为放射医生提供辅助决策支持，包括临床预警、危急检查提示、鉴别诊断等。AI应用能自动完成智能摆位、智能定位、智能扫描和智能重建等多项原本需手动参与完成的工作，将放射科医生的时间解放出来，投入到更有价值的工作中去。

医学影像AI的临床应用场景在不断拓展。2018年10月26日，美国放射学会旗下数据科学研究所发布了Touch AI场景规范，其中包含51个人工智能的临床应用场景。该场景技术路线图从某个设备在某个器官系统的某个病种的一个点开始，将逐步扩展到所有成像设备、所有器官系统与所有病种。“预期未来基于医学影像AI的临床应用细分场景可达上千种。”付海鸿说。

我国在医学影像AI临床应用领域的研发进度令人振奋。2020年，多项涵盖肺结节、骨折、糖尿病眼底筛查等多个应用场景的医学影像AI产品通过国家药监局批准，标志着我国医学影像AI正式进入临床应用时代。值得注意的是，我国对医学人工智能的临床应用采取审慎的态度，相关产品的认证为影像辅助软件，供培训合格的医师使用，需要不断研究提高其算法泛化能力。这说明我国对医疗人工智能领域的创新注重发展与安全的平衡。

不仅在临床应用领域，从科研和投资领域也可看出医学影像AI的蓬勃发展之势。在科研领域，过去10年来，放射影像AI领域发表文章数量迅速增长，从每年150篇增长到每年800-1000篇。放射学正从依赖主观经验阅片技能向以客观大数据、科学定量为支撑的方向发展。

在投资领域，全球人工智能投资对医疗行业的投资数额居所有行业之首。近年来，进入融资阶段的医学影像AI创业公司无论是公司数量还是资本投资金额均有数倍的增长，其中可见不少中国公司，如推想科技、深睿医疗等的身影。

不能相互集成的医学影像AI与PACS，一定会被淘汰

随着以PACS-RIS信息系统为代表的医学影像信息化建设“老基建”工作在全国各级医院普遍实施，以全院级智能影像平台为代表的影像信息化“新基建”全面铺开。付海鸿认为，未来医学影像数字化、信息化建设必将以医学影像AI为引领。

但医学影像AI的飞速发展也带来诸多新的挑战。首先，从医生使用效率方面来看，目前医院很多AI应用是以独立服务器、工作站，或单独应用存在的，医生在使用这些AI工具时，需要在PACS、RIS和各种AI工具之间闪转腾挪，在界面之间往复切换，不利于放射科医生的工作效率和工作体验提升。其次，从选型部署难度与应用安全性来看，现有AI工具的部署过程复杂，延缓了AI的采用进程，分别集成多家AI厂商的应用也易引发安全风险，对于医院影像科而言，逐一寻找、评估、选择、采用、集成种类繁多的AI应用，必将是一个耗时、耗力的痛苦过程。

AI与医院现有的影像数字化工作流程急需进行无缝连接，使医师能“所见即所得、所需即所得”地使用来自不同公司、基于不同病种的AI应用。付海鸿认为，通过AI PACS实现AI的全面集成，可化解上述难题。

何谓“AI PACS”？也即通过AI引擎，按照预先配置的自定义方案，能够自动调度AI算法，实现AI的自动运算和结果输出，同时实现AI与RIS、PACS等医院信息系统工作流程的双向互动、交互与整合的一种医学影像智能平台。

“AI PACS”是一个新概念，但付海鸿非常看好其发展前景：通过AI PACS统一整合的用户交互界面体验，可实现AI工具与非AI工具的快速部署、自动调阅和后台管理，为放射科医生提供智能的提示分析、辅助诊断、危急预警。通过医学影像AI集成平台，AI应用实现与现有PACS/RIS工作流程的深度双向融合，为医学影像AI的应用和迭代升级带来了强大的生命力。同时，AI PACS可帮助简化影像科室运营流程，提高管理有效性。

“不集成、不部署、不应用AI的PACS一定会被淘汰；同样，不与PACS、RIS系统集成的AI也一定会被淘汰。”付海鸿认为，在未来的2-5年中，通过AI PACS实现医学影像AI的全面集成，将是医学影像信息化“新基建”的重要主题之一。医学影像信息系统新一轮基础建设，将站立在AI创新的最前沿。

【责任编辑：秦勉】