新智元启动 2017 最新一轮大招聘：。

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。加盟新智元，与人工智能业界领袖携手改变世界。

　　简历投递：j[email protected] HR 微信：13552313024

　　【新智元导读】从传统 CAD 发展到今天深度学习驱动的智能医疗影像系统，新技术的兴起和应用为医疗领域带来了哪些变化？智能医疗影像系统离常规临床应用还有多远？特别是，身在这波澜壮阔的技术变革进程中的专家、放射科医生和创业者，他们有什么感受和感悟？深度学习在这一领域的应用还面对哪些技术上的挑战？希望这份来自医疗行业和创业者口述的第一手材料，能给您提供一些参考。

　　图像识别是深度学习等 AI 技术最先突破的领域，而在 AI 与医疗场景的结合中，目前看来，基于深度学习技术的医疗影像的识别与分析，也很可能会在整个智能医疗、精准医疗领域一枝独秀，率先进入大规模应用阶段。

　　传统 CAD 不受医生的欢迎

　　实际上，计算机辅助检测（computeraided detection，简称CAD）很早就进入了人们尤其是医疗工作者的视线。有意思的是，很早以前就已经尝试使用过CAD系统的放射科专家们，在这一波智能医疗影像新技术的推广中并不热心，因为在他们的印象中，过去的CAD 主要是靠专家手工编写判定规则，并不好用。

中华放射学会候任主任委员、北京协和医院放射科主任金征宇

　　“起码15年到20年前，CAD就开始了，为什么没有成功?……我们的计算机当时没有足够的强大，我们没有出现领军人物，没有社会需求，就没有成功，CAD那个时候有很有名的公司，后来就没有了，那个时候CAD简直不得了。但是，就没过几年慢慢就淡出我们视野了。”中华放射学会候任主任委员、北京协和医院放射科主任金征宇这样表示。

中华放射学会副主任委员、上海长征医院放射科主任刘士远

　　中华放射学会副主任委员、上海长征医院放射科主任刘士远说：“20年前，我们和一些搞计算机的专家就有过合作，当时他们请我为肺癌做一个专家诊断，我来给肺癌做一些诊像，根据我定义的诊像，把它做成一个系统，计算机系统根据我定义的诊像，判断病灶是良性还是恶性，后来证实这个方法开始有一定准确率，但是到一定程度以后没法提高，因此就没有继续下去。其实各个厂家在临床工作当中跟我们合作，包括厂家设备里面也带了一些软件，目的也是让临床工作当中能够更容易的发现病变，更容易对病灶定量。当然，这些CAD 解决了一些问题，包括对于一些小病灶的发现，包括对于一些病灶形态的分析和病变。但是，大多数的 CAD 耗时比较长，常规临床应用存在很大的难度”。

　　然而医疗影像的识别分析工作，对于人工智能的需求已然越来越强烈。目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%。放射科医师的数量增长远不及影像数据的增长。这意味着放射科医师在未来处理影像数据的压力会越来越大，甚至远远超过负荷。

数据和图片来源：蛋壳研究院

　　“我们每天进行影像检查的人是大几千……比如说胸部 CT , 一个病人至少要200多张图片，甚至300多张图片，一张图片看3秒钟的时间，看完一个病人，最起码要十几分钟到半个小时。” 华中科技大学同济医学院附属同济医院放射科主任夏黎明教授这么告诉我们，“国内的放射科医生很苦，早上8点上班，忙到晚上10点还在写诊断报告。中午很多人都是一边吃盒饭，一边看片子。”

华中科技大学同济医学院附属同济医院放射科主任夏黎明教授

　　正在这时，深度学习和神经网络技术对 AI 的强势赋能开始了。

　　深度学习 AI 能够自动寻找特征，非常适合智能医疗影像