2020年12月4日，为期七天的第106届北美放射学年会（RSNA 2020）正式闭幕。作为全球*规模的放射学专业展会，从1915年成立至今，RSNA见证了每一次医学影像的变革，成为医学影像技术及应用发展的风向标，拥有来自全球136个国家的54,000多名会员。

本届RSNA主题是“HUMAN INSIGHT/VISIONARY MEDICINE”（人类洞悉/远见医学），也是历史上首次在云上举办，来自130多个国家的专家、学者、企业代表等放射学从业者，线上齐聚于RSNA年会，交流、探讨国际放射学领域最新的科研成果。

盘点今年RSNA的亮点，医学影像AI在行业的不断渗透仍是*主旋律，医学影像AI在脑卒中治疗、神经影像、乳腺癌筛查等领域中的新应用颇受关注。与此同时，基于AI的快速影像成为今年的新热点，对于医学影像更快、更高质量、更安全的追求渐成行业共识。此外，疫情当前，与新冠病毒治疗与诊断相关的AI算法与应用也成了本届RSNA的热点话题。

医学影像AI新进展受关注

医学影像AI依然是本届RSNA最热点的话题。据了解，在今年235家参展厂商中，有超过105家参展商在虚拟展厅中展示了AI相关的产品，这一数字尽管略低于2019年的150家，却远高于2018年的75家。

会上数百个临床医生及科研人员的专题报告，让参会者可以在线上享受行业以及学界的知识盛宴。其中AI相关临床研究突出展示了AI在脑卒中临床治疗、神经影像、老年痴呆影像检测、乳腺癌症预测、心脏影像分析等方面的最新进展。

AI医学影像正渗透到各个疾病的临床诊疗之中，成为重要的辅助力量。

1）亮点案例一：影像AI助力脑卒中治疗

本届RSNA上展示的一项研究表明，利用AI可以比医生发现更多可治疗的脑卒中患者。一般认为，发病后的4.5小时是治疗急性缺血性脑卒中的黄金时间，发病时间在这个时间段内的病人可以接受静脉溶栓等疗法，从而取得较好的治疗效果。然而，很多时候治疗难点恰恰在于，病人实际发病的时间不能完全确定。这时候，应用影像中如DWI-FLAIR不匹配等信息可以作为影像指标来确定治疗方案。

来自UCLA的医生与科研人员的研究证明，AI模型可以比医生更好地得到这些影像指标，并通过预测额外发现18%的适合进行临床干预的患者。

神经影像AI特别是脑卒中相关的研究在2020年有很大飞跃。来自斯坦福高端神经影像实验室的Greg Zaharchuk教授团队此前也在*医疗期刊JAMA上发表了相关研究，并在RSNA中受邀汇报。（Use of Deep Learning to Predict Final Ischemic Stroke Lesions From Initial Magnetic Resonance Imaging）其研究表明，通过深度学习预测脑卒中病人患病治疗后的病灶范围，在治疗前准确预后，后优化干预方式。据悉，美国Viz.AI、Rapid.AI等公司的脑卒中产品不仅获批FDA，也取得了联邦医疗保险对其临床价值认可。

2）亮点案例二：AI让阿尔兹海默症更早被发现

在神经影像中，基于影像的阿尔兹海默症（AD，即老年痴呆）检测也是AI研究的前沿。近期多个公司在阿尔兹海默症的治疗方面有了突破。但早发现依然是延缓病情恶化最重要的环节。RSNA上的神经影像研究也证实了可以通过AI来预测病情恶化情况，神经影像学有助于AD的早期诊断和预后，机器学习模型可以帮助多模态成像对阿尔兹海默症进行早期诊断。该研究还重点提出了如何解决可能出现的部分影像数据缺失问题，提高了算法的稳定性及可用性。2019年Radiology期刊还发表了来自斯坦福的研究，验证可以用1%的放射性剂量来使用PET影像准确检测阿尔兹海默的相关影像病症。今年有研究也论证了通过血液检测来探查相关蛋白的可行性。行业中如Biogen等众多医药公司也都在极力推进治疗阿尔兹海默药物的研发和申报。不难想象，多模态全方位的影像和生理参数检测可能可以为阿尔兹海默病的检查、诊断与治疗带来新的驱动力。

3）亮点案例三：AI使患乳腺癌风险诊断更准确

除了神经影像外，AI在乳腺影像中的应用也有了更多临床研究支持。在一个超过80000位患者参与的研究中，来自麻省总医院的研究人员利用深度学习模型准确识别出患者罹患乳腺癌的风险，效果远超传统模型。

据悉，该研究人员开发了一个深度学习模型，可以通过识别成像生物标志物，预测患者患乳腺癌的风险。新的深度学习模式已经在瑞典等地区得到了外部验证，还将对非裔美国人和少数民族人口进行更多的研究。此外，该深度学习模型可以有助于获取更准确、成本更低的风险评估，推进精准医疗的发展。

基于AI的影像流程加速及优化成为新热点

在今年RSNA上，业内对于医学影像AI热议的侧重点也较往年有所推进。重点不再是如何使AI代替医生进行读图分析，而是转向“幕后”，聚焦于影像上游的AI技术为临床带来的新突破，比如图像采集、数据重建以及工作流程的优化等工作。

AI正渗透到医学影像流程中的各个环节，逐渐成为临床中医学影像全流程的“基础设施”。

塔夫茨大学（Tufts University）医学中心的放射科主任Dr. Christopher Filippi教授在报告中强调，AI、深度学习可以更广泛地服务临床影像工作流程。比如在基于MR磁共振的影像的快速高效采集重建领域中，AI相对于设备商的传统算法，有明显的算法优势。

国际CT成像和医学图像处理领域专家王革教授近期在《Nature》杂志机器学习子刊发表了专题论文，分析了深度学习如何变革了传统快速影像的重建算法。该研究指出，针对断层扫描的深度学习技术一直处于积极研究中，具有巨大发展潜力。断层扫描是现代医学必不可少的一部分，它将在个性化医疗、预防性医疗和精准医疗中发挥关键作用。

据悉，当前相关技术已经完全进入到临床应用中。例如，知名AI医学影像公司深透医疗（Subtle Medical）的SubtleMR可以通过人工智能技术兼容所有MR影像设备，提高高质量影像的采集效率，减少运动伪影。据悉，SubtleMR已经获得美国FDA批准和欧洲CE认证，目前SubtleMR已经在全球数十家医院和影像中心临床使用。

同时深透医疗研发的SubtlePET以及SubtleGAD等技术也可以减少放射性核素或者造影剂计量，在保证以及提高图像质量情况下，为患者提供更高效、安全的检查。其中，SubtlePET通过深度学习技术加速PET(正电子发射断层扫描)成像并降低其辐射危害，可以使医院和影像中心将PET扫描速度提高4倍。“深度学习能够提高采集速度，减少伪影，改善回波平面成像失真。AI还能在不降低影像质量的情况下，减少扫描剂量和加快扫描速度。”Filippi教授说道。

Filippi教授的报告中提到利用深度学习4倍加速ASL等高端MR序列

本届RSNA上，深透医疗CEO宫恩浩博士及来自美国、欧洲、拉丁美洲多家医疗机构的影像科医生一起分享了深透医疗的AI技术为临床影像工作带来的临床价值，包括美国*影像中心联盟RadNet、欧洲*影像中心联盟Affidea、南美*医疗服务商DASA以及法国医疗机构的临床负责人。全球各地*的医疗机构的青睐，体现了深透医疗的AI技术及服务在全球范围内的竞争力。

据介绍，自2017年成立以来，深透医疗已对多种疾病进行广泛布局。在当前精准医疗的大趋势下，深透医疗的产品具有显著的临床价值，下游影像应用“遍地开花”。比如，深透医疗正与雅森医疗、CortechLab等下游影像定量公司合作验证并且推广定量化精准影像。在儿童疾病诊断方面，深透医疗正与美国多家儿童医院合作，试图十数倍加速影像，探索快速、定量、低危害的新成像方法。深透医疗也正积极探索AI影像增强技术在阿尔茨海默症的早筛应用，并与相关下游厂商接触，真正实现对AD患者的长期跟踪与筛查体检。

与此同时，深透医疗软件产品的高兼容性，也能够使其*地融入医院与影像中心的现有工作流程中，真正为其创造价值。据悉，深透医疗的软件产品能够兼容任何品牌、任何型号的设备，包括通用、飞利浦、西门子、佳能、联影、东软等主流医学影像设备公司近 20 年来几乎所有型号的器械。在临床合作版图方面，深透医疗也已扩展至中国、北美、南美、欧洲等世界各个角落。

深透医疗技术顾问Florian Knoll教授在RSNA大会中做了专题报告。近期由Knoll教授以及facebook共同推动的fastMR竞赛也在近期完成新一轮竞赛并将在AI大会NeurIPS中发布新结果。在2019年的竞赛中，来自飞利浦、联影、深透医疗等公司团队在不同指标上拔得头筹。驱动快速影像的AI技术在技术交流中将不断发展。

fastMR比赛在2020年初发布公开排行榜截图

疫情相关的医学影像应用“百花齐放”

新冠疫情的爆发无疑是2020年全球*影响力的事件。今年的RSNA上，有关新冠肺炎疫情的医学影像新应用与新研究犹如“井喷”。

有业内人士戏称，过去在RSNA上常见的MRI、CT扫描仪等“大家伙”为主的展示今年几乎集体消失，取而代之的是放射学影像、系统、算法这些在疫情期间被认为是“刚需”的软件层出不穷，仅目前已经开发出的与COVID-19相关的AI算法就有20多个。在本届RSNA的热点会议上，有十余家公司展示了新冠肺炎相关的影像产品。

来自上海长征医院的刘世远教授在RSNA上谈及了中国抗疫过程中，放射科的重大贡献。他说：“新冠肺炎疫情期间，医学影像在整个诊断与治疗过程中起着不可或缺的作用，包括病灶的发现、疑似病例的确认、临床分类以及出院标准等环节都离不开医学影像的支持。特别是在疫情爆发之初，影像填补了检测能力不足。”他还表示，他们在疫情防控中的首要任务是优化工作流程并有效控制病毒传染，AI在其中帮助放射科医生更有效地工作。

他还提到，目前全球有三千余篇新冠相关的放射科论文被发表，其中69%使用了CT等影像，其中超过四分之一来自中国科研工作者的工作。在新冠肺炎检测方面，目前有五家中国企业推出了相关产品。而影像类新冠产品的*价值在于，可以优化工作流程并对传染进行健康，达到97%左右的诊断正确率。而美国的影像科医生则更关注影像在新冠临床研究中的作用，为新冠相关的研究论文评审提供快速评议。

斯坦福大学放射学教授Greg Zaharchuk则在本届RSNA上代表美国临床影像医生谈到影像在抗疫中的位置。对于新冠病毒，诊断是AI工具在医学影像应用中的首要需求。“这在疫情流行初期很重要，当时医疗系统已经不堪重负，而且无法获得现场护理（Point-of-care (POC)）的金标法测试。在放射科医生不熟悉这种疾病的情况下，AI诊断工具起到很大作用。”

Zaharchuk教授表示，临床中CT和X光在疫情初期没有其他金标法测试的情况下至起到重要作用。在疫情中后期，标准化的报告对于建立诊断共识至关重要。医学影像AI在疫情中的帮助还包括为不熟悉病症的医生提供辅助诊断，在疫情后期提供预后的预测，对患者住院时间、使用ICU时间、呼吸机需求的预估等等，这些都能帮助医院更有效地分配有限的医疗资源。此外，由于新冠病毒对人体不同器官都会有影响，不少患者也有神经系统性病症，医学影像可以提供多模态全方面的数据，帮助临床医生更好地理解新冠病毒的个体性影响，优化对病人的救治。

回顾过去几年RSNA所展示的医学影像领域最前沿的研究与技术成果，就能直观地感受到，经过数年的扎根，AI在医学影像领域的应用范围日益拓宽，所解决的问题也逐渐由浅入深。2020年，AI医学影像始终围绕“更快、更好、更安全”的主旋律发展，AI医学影像已经不是一个简单的概念，而是转变为切实融入医疗流程、帮助放射科医生提高效率的“基础设施”。与此同时，相关的应用也在更大的地理范围、更多的疾病种类落地，并快速在新冠病毒等全人类的挑战中作出贡献。