伴随社会老龄化趋势的加速、重大疾病发病率攀升，临床对医疗检查的质量及覆盖领域要求更高。超声，以其无辐射、适用性广等特点，成为临床首选的医学影像检查手段之一。而由于医疗资源分配不均、相关人才紧缺等因素，医疗机构亟须设备的智能化扩展，以提高诊断效率及精准度。

“人工智能辅助作为超声检测的标配将是未来的一个发展方向。”近日中国医师协会超声分会会长、首都医科大学超声医学系主任何文表示，人工智能技术有望推动超声学发展，并带来技术性革命。

辅助识别病灶提升工作效率

在超声诊断方面，若让资深医学专家与人工智能PK，结果会怎样？

“试验表明，面对同样随机抽取的诸多疑难病例，医生会用将近半小时时间做出30个诊断结论，人工智能仅需11秒。就诊断结果和病理结果的一致性来讲，AI要比医生高出很多，其可通过深度学习分析各种疾病图像，并很快做出诊断，显然，这项技术对影像医学可能会带来相当大的冲击。这说明AI将会在医学领域起到非常重要的作用，甚至会承担医生所不能完成的一些工作。”何文在接受科技日报记者采访时表示。

为何AI会表现得如此出色？GE医疗全身超声全球总经理Brian Mceathron指出：“数字化是未来超声发展的大势所趋，医疗大数据是智慧医疗发展的基础。”

据介绍，以往超声采用波束形成器、以拼接线成像为主，可提供信息非常有限，且扫描线之间的插补处理、焦点依赖性都会大幅影响帧频、图像分辨率及均匀性。

而通过大数据深度学习，新的超声医疗设备实现了对影像原始信息的前端智能化筛选与处理。其数字引擎可通过对图像的感知，实现组织脏器结构甄别、智能病灶分割、智能测量，帮助医生摆脱繁多冗杂的图像优化和测量工作，集中精力专注于临床诊疗。例如，AI可辅助病灶及组织边界的甄别、圈定区域结构并加以分割测量，同时确保数据客观准确，有效提升工作效率。

智慧互联实现零等待工作流

“超声医学是临床重要组成部分之一，从超声诊断到救急治疗，可以说其对临床医学各个学科都起着非常大的作用。”何文指出。

目前，在AI助力下，新的超声医疗设备应用广泛，不仅在介入甲状腺、乳腺、肌骨、儿科、心脏等临床领域精准支持临床医师的诊断，同时所获丰富信息可为更细微疾病的临床科研发挥作用。

由于超声诊断扫查部位繁多、动态图像数据量庞大，加之门诊量逐年攀升，临床科室对超声设备的信息采集、协同和数据处理能力提出更高要求。现在新的仪器可实现通过与移动设备的资源互通共享，在AI功能辅助下进行对微小病灶的智能识别，有效帮助医生提升临床诊疗效率。

不仅如此，医疗设备与智能手机、平板电脑等移动设备互联互通，实时高速捕获，诸如体表影像、体位信息、病理影像信息等多模态数据，同时交互信息、实现云端存储与综合集中管理、即时访问，达到零等待工作流。

何文表示：“目前的AI辅助超声仪器，不仅仅让图像更清晰，更重要的是运用人工智能，一方面解放生产力、提高效率，一方面可对图像的识别做出诊断，弥补人工的不足。所以，这种诊断设备对推动超声医学发展，解决临床问题和解决患者所关注的问题等方面，将会带来技术性的革命。”

5G赋能远程超声带来新突破

随着5G的到来，人工智能将在远程超声会诊中带来怎样的突破？

“从现实需求层面看，我国亟待解决基层医院或年轻大夫诊断水平不高的问题。人工智能技术的引入，将会大大提升基层医院对疾病的诊断水平和治疗能力。由此，解决基层医院或者是不同级别医院看病难和看病贵问题。”何文指出。

比如，由于基层医院诊疗水平不高，医生会建议患者到上级医院就诊，这就给患者带来相应的问题——多花药费和付出更多时间等。如果我们在基层医院通过人工智能或者是跟上级医院建立5G网络，在基层的乡村卫生员或者乡镇社区即可就地对病人诊断，缓解患者看病难和看病贵的问题，这符合国家战略，同国家医改不谋而合。

何文进一步指出，一个超声图像，通过5G可从地方医院传输给市级大医院，建立图像共享机制，这样大医院就可以告诉地方医院诊断疾病的结果。这种技术的应用将会促使大医院大大提升区域医疗的水平。

那么，人工智能在一定程度上，是否会取代医生？“这个担心可能是部分医生会考虑的，正如欧洲医学界放射主席所言——会人工智能的影像科医生将来一定会比那些不会人工智能影像的医生更有前途，当然他的薪水也高。”何文答道。

GE医疗的AI重症监护套件获FDA批准，提高医生检查气胸效率

据外媒HIT Consultant报道，近日，GE Healthcare宣布，美国FDA批准了其510(k)重症监护套件Critical Care Suite Optima XR240amx。该公司表示，这是业界首个嵌入人工智能算法的移动X光影像设备。

据了解，这个监护套件的人工智能算法由GE与加州大学旧金山分校（UCSF）合作，利用GE Healthcare的Edison平台推出。GE Heathcare于去年11月向FDA提交了这一产品的申请。

除了UCSF之外，圣卢克大学、亨伯里弗医院和来自印度的Mahajan Imaging也都参与了此次合作。

这套算法面向放射科的临床痛点。在放射科医生的诊断过程中，即使标注“STAT（急诊检测）”的X光影像，也需要等待平均长达8小时。而人工智能算法有助于缩短放射科医师审查可疑气胸（一种肺塌陷）所需的周转时间。

当患者在具有Critical Care Suite的设备上扫描时，系统会通过高精度（>0.95 AUC）胸腔X片识别潜在的危及生命状况，并能够通过屏幕通知共享检查结果。如果怀疑有气胸，则会通过图片存档和通信系统（PACS）将警报连同原始胸部X光片，直接发送给放射科医师进行检查。

AI算法还可以同时分析和标记协议和视野错误，以及自动旋转设备上的影像，使得通过移动X光设备获取的影像标准化，节省医生的时间。

在设备上嵌入重症监护套件对放射科医生和技术人员有几个好处。对于关键的发现，GE Healthcare的算法是一种快速可靠的方法，可以确保人工智能结果在图像采集后几秒钟内生成，而不依赖于连接或传输速度来生成人工智能结果。

然后，这些结果被发送到放射科医生，同时设备发送原始诊断图像，确保没有额外的处理延迟。此外，在设备上还会自动进行影像质量检查，将这个环节集成到技术人员的标准工作流程，让他们的操作更加规范，保证影像在发送到PACS之前的质量。

GE Healthcare X光公司总裁兼首席执行官Jie Xue表示，“目前，62％的影像被标记为'STAT'或紧急阅读，但它们并非都是至关重要的。这影响到了真正需要紧急处理的患者，这可能是一个严重的问题。“

Jie Xue补充道，“重症监护套件Critical Care Suite不仅能以惊人的准确率标记疑似气胸的图像，使放射科医生能够立即对这些病例进行优先处理，也让AI能够更加易用。我们的嵌入式人工智能算法为医院提供了一个尝试人工智能的机会，而无需投资额外的IT基础设施、安全评估或网络安全防范措施，就可以将图像传输到其他地方。”

据雷锋网了解，Critical Care Suite和质量算法是使用GE Healthcare的Edison平台开发的。在2018年北美放射学会芝加哥年会上，GE Healthcare就展示了新的Edison人工智能平台，其新应用目的在于帮助医院和卫生系统更好地利用人工智能。Edison平台的各种临床应用可以部署在医疗设备、云端。

GE Healthcare总裁兼首席执行官Kieran Murphy说:“X光是世界上最古老的医学成像形式，正在变得更加智能。很快，我们的其他产品也将如此。”

“GE Healthcare正在引领人工智能应用于诊断成像方面的创新，并将曾经的承诺变为现实。通过将人工智能整合到医疗的各个方面，我们最终将改善患者的预后，减少浪费和低效，并消除代价高昂的错误。重症监护室只是一个开始。”