Aidoc是一家智能放射公司，該公司使用人工智能來檢查醫(yī)學影像中的異常狀況并簡化工作流程。

Elad Walach認為，也許人工智能能夠最快改變的醫(yī)療領域就是放射領域。人工智能將是解讀重要醫(yī)學影像的關鍵，這些醫(yī)學影像反映我們身體內部的情況，例如CT掃描、MR和X射線圖像，幫助醫(yī)生做好他們最擅長的事：診斷。

為什么放射領域會成為第一個被人工智能徹底革新的醫(yī)學領域?什么是讓醫(yī)學成像領域被深度學習的魔力折服呢?

1. 放射學是可視的。醫(yī)學掃描當然是可視的，而人工智能在分析視覺圖像方面尤其強大——這至少部分歸功于人工智能技術在安全和社交媒體服務中取得的突破，它可以識別我們的面孔并從人群中找到我們。

放射領域高度依賴對視覺數據的解釋，這使得它比其他一些醫(yī)學領域更適合深度學習技術。這意味著，放射科醫(yī)師可以立即從人工智能技術的使用中受益，而精神病醫(yī)生或胃腸病專家則不能。

2. 放射科被行業(yè)急需。醫(yī) 學影像(CT和MR)的數量持續(xù)大幅度增加——它們在2016年所有檢測中分別占到了7.9%和8.9%。然而，在進行了更多掃描的同時，放射科醫(yī)師的數 量已經進入了穩(wěn)定階段。而且，隨著技術的進步，每次掃描的分辨率和圖像數量呈指數級增長。因此，需要考慮的細節(jié)數量也相應地增加了。這就產生了巨大的技術 需求，這種技術可以突破日益增長的工作負荷造成的危險瓶頸——而且，正如我們所知，需要是發(fā)明之母，深度學習可以幫助評估CT和MRI掃描結果，快速找出 放射科醫(yī)師應該重點關注的區(qū)域，以便他們進一步進行檢查，同時還允許更快地評估緊急掃描——因此改善了患者的預后。

3. 放射科是以技術為中心的。除 了其視覺本質之外，放射科已經是一個以技術核心的領域。放射科醫(yī)生每天都依賴大量先進技術——每次檢查都涉及到各種先進的軟件系統(tǒng)、診斷監(jiān)視器和工作站， 由于他們日常工作的技術驅動性質，放射科醫(yī)生被認為是“早期采用者”。這就是為什么他們更有可能采用由人工智能支持的其他技術，而早期也有例子表明，放射科醫(yī)生比其他許多同事更善于接受創(chuàng)新：80年代的放射科接受了從膠片到數字圖像的轉變。

4. 有大量可供使用的數據。所有的深度學習都需要大量的數據才能真正有效，對于放射學來說，這些數據的存在形式是過去幾十年針對各種癥狀積累的無窮無盡的影像。

當 然，數據的挖掘也存在挑戰(zhàn)，挑戰(zhàn)在于人工智能算法如何獲取這些影像。而最近，一些醫(yī)療機構公開分享他們的匿名數據催生了這一領域的熱潮，比如，美國國家衛(wèi) 生研究院(National Institutes of Health)最近公布的X射線數據集，該數據集包含了超過100，000張帶有注釋的圖像

為什么放射科更容易被人工智能顛覆?

5. 云計算將對人工智能產生影響。云存儲容量和計算速度的增長對所有領域的人工智能都產生了重大影響，醫(yī)學領域——特別是放射學領域——也不例外。

前面提到的機器學習訪問并解釋大量數據的能力可以提高準確性和速度，這種能力很大程度上得益于云計算的不斷發(fā)展，提供了更加物美價廉的服務，這些進步讓云計算成為簡單并且具有成本效益的人工智能解決方案的重要推動力量。

6. 這一切已經在發(fā)生了。放射領域的人工智能已經存在，并且顯然將繼續(xù)存在下去。越來越多的創(chuàng)業(yè)企業(yè)、以及大型公司都在構建人工智能影像功能，并開始將其整合到他們的產品之中。這些公司包括IBM Watson、Change Healthcare等等。

事實上，世界領先的放射學會議——北美放射學會(RSNA)現在有一個部分是專門針對機器學習公司的，這些公司正在開發(fā)的突破性的人工智能解決方案已經在醫(yī)療機構實施，改變了放射領域2018年及以后的面貌。

在2018年，我們有望看到更多的醫(yī)療領域因為量身定制深度學習技術出現革命性的變革，包括病理學和遺傳學。在未來的一年里，放射領域將不會是唯一一個受益于人工智能奇跡的領域，但它肯定是首批受益的領域之一。