第103届北美放射年会（RSNA）正在在美国芝加哥举办。RSNA有超过54000名来自世界各地的会员，每年都会举办全球最大规模的医疗会议和博览会。2017年，该活动吸引了约5万名参会者，其中近一半都是医学影像专业人士，包含667家参展机构。动脉网（微信号：vcbeat）通过国内机构提供的现场素材以及海外网站的信息整编，对其进行了报道。

从我们获取的情况来看，RSNA 2017虽然在精准医学、乳房、前列腺和分子成像、手术的新型3D打印应用方面取得了进展，但AI占据着主导地位。用“Transworld Data”上的一句话形容今年的RSNA会议：“Radiology AI and deep learning take over RSNA 2017”（2017年RSNA是放射学AI和深度学习之年）。

在今年的参会企业中，GPS等传统影像设备公司依旧是主角，但是有一大批中国的人工智能影像公司，如推想科技、汇医慧影、依图医疗、图玛深维、深睿医疗、柏视医疗等参与其中。这些公司不再是简单的租个展台展示产品，而是参与到最新的学术交流与合作中，引领着全球AI+医学影像领域的应用。

今年的展会上与人工智能相关的产品和话题层出不穷。

推想科技在RSNA展会上发布最新科研成果“人工智能脑卒中解决方案”（AI-CT Stroke Screening System，简称AI-CT Stroke）。

作为推想科技人工智能脑部解决方案的首发产品，AI-CT Stroke能够从脑部CT影像中快速高效识别标注出血型病灶，协助影像科医生敏锐诊断出血症状。并可即时显示精准测量后的病灶体积、定位等具有临床意义的相关信息结构性报告，从而为患者赢得脑卒中救治黄金期，降低手术风险，增加有效抢救率、全面提升脑卒中的治愈比例；前后片对比功能的嵌入，方便医生比对任何时段的CT影像，对于预后有极强的临床意义。

推想科技与EnvoyAI (母公司为Terarecon, 世界级顶尖CT三维图像管理解决方案提供商，和美国五大通用PACS厂商都已拥有成熟的接口) 达成战略合作。

西门子健康医疗公司推出了磁共振成像（MRI）应用GOKnee3D，大大缩短了综合诊断检查所需的时间。目前，一个典型的膝盖检查可以大约20分钟，GOKnee3D能够实现按钮式，高分辨率的三维膝关节诊断只需10分钟。

高分辨率3D图像采集允许在所有可能的平面（包括双斜平面和弯曲平面）中灵活地评估图像，以这种方式提高MRI效率尤为重要。

膝关节检查是MRI检查的常见类型，占所有扫描的11％，在所有检查的疾病中排名第三。

Aidoc的解决方案通过全面检测头部和颈部影像异常来增强放射科医师的工作流程。该公司表示，这种解决方案可能对创伤病例产生极大的影响，缩短医生诊断的时间。

OmniTom具有三星CereTom CT扫描仪的一系列改进功能，包括：

改进工作流程：根据三星公司的说法，OmniTom是全球首款全方位车轮移动影像设备，可最大限度地提高移动性，在狭小的空间内实现轻松安静的移动；

提高图像质量：16层（每层0.625毫米）先进的数据采集系统，有效地优化放射剂量；

扩大使用范围：保持适合移动使用的小尺寸，同时将门架开口增加到40厘米，以改善成人头部和颈部的覆盖范围，保证全身扫描和儿科扫描；

增强安全系统：OmniTom具有内部驱动系统，便携性更低，同时还提供智能感应防撞软件，最大限度地提高控制和患者安全。

除了OmniTom之外，三星展示下一代CT技术——光谱CT。三星的团队还展示了移动CT，数字放射成像和超声波的一系列医疗保健解决方案，这些解决方案都旨在缩小护理交付的差距，并最大限度地提高效率。

Hologic公司宣布已经与Clarius Mobile Health签署了其无线手持式超声波扫描仪的开发和分销协议。Hologic和Clarius之间的协议旨在增加全球准确的乳腺筛查和活检解决方案。

Hologic公司乳房和骨骼健康解决方案部门总裁Pete Valenti说：“Clarius公司超声波系统拥有卓越的图像质量和可移植性，再加上我们业界领先的深度学习算法，使我们更接近确保所有女性都能获得他们所需和应得的乳房护理。”

除此之外，GE还与人工智能硬件领头企业英伟达达成战略合作。西门子展台设立人工智能专区，希望能在成像技术、辅助筛查、干预治疗三个维度使用人工智能进行优化。

美国放射学数据科学研究院（DSI）将向行业提供框架、策略和标准，将人工智能从概念落实到日常放射学实践中。

数据科学研究所首席医疗官员Bibb Allen博士说：“ACR DSI开发用于放射学的AI案例的开源框架，定义了在临床实践中对AI算法进行培训、测试、验证、集成和监控的标准，这为ACR DSI和其他组织提供了一个标准化的平台，帮助优化放射学实践。”

美国放射学数据科学研究院将起到5大作用：

1、为医疗机构和开发人员开发放射学AI的开放源码的标准框架；

2、定义围绕这些标准构建的特定ACR DSI AI使用案例，这些使用案例是该专业最相关的需求；

3、为算法验证和认证提供标准化途径，确保算法有效性和患者安全性，并有助于加快FDA监管审查流程；

4、创建放射学工作流互操作性标准和路径，将AI算法纳入临床工作流程；

5、通过其AI注册表提供持续的上市后评估算法性能和有效性。

在技术展馆内，作为全场唯一一款放射组学类产品，汇医慧影的放射组学云平台尤为引人瞩目。

放射组学涵盖了影像学、计算机、统计学等多学科跨领域的知识体系。一直以来，医生们都苦于复杂的代码编写、统计学分析和庞大的影像数据处理，无法更专注于专业研究。

汇医慧影的放射组学云平台充分满足此需求，平台提供病灶勾画、特征值计算分析、机器学习的一站式服务，并针对不同病种出具详细的量化报告，积极推进科研成果向临床实践的转化。

不仅如此，在RSNA上，图玛深维也展示了6大主打产品：

1、σ-Discover-Lung肺结节检测系统，针对临床辅助诊断，帮助医生轻松检测，分割结节并做出良恶性判断; 一键生成检测报告，使肺结节筛查变得准确又轻松。

2、σ-Discover-Lung-FollowUp结节随访系统， 帮助医生准确便捷的比较，跟踪病灶进展，并及时根据计算结果调整治疗方案。

3、σ-Discover-Lung-NoduleRetrieval帮助医生建立肺结节诊断数据库，并可以根据结节特征在数据库中检索类似结节的活检结果，从而可以更加精准的判断结节的发展趋势。

4、σ-Discover-DR可以从X-Ray肺部图片中同时区分，诊断多种肺病，大大减轻了医生在肺病筛查上的工作量。

5、σ-Discover-Liver首个肝癌结节检测系统，帮助医生轻松诊断肝癌。

6、σ-Discover-Radiomics 影像组学系统，帮助医生轻松计算并生成影像组学报告。 

芝加哥医学院的Paul Chang博士表示：“尽管目前关于深度学习和人工智能在放射学中的作用上存在诸多炒作甚至是恐惧心理。但事实上，这两项技术都具有极大地潜在价值，并且会以多种方式展现其在放射学领域中的独特价值。深度学习并不会代替我们，而是会重新定义我们。”

源于临床影像上日益增长的需求，放射学比以往任何时候都需要机器学习技术。一方面，数据集变得愈加复杂；另一方面，将影像与其他临床信息相关联，用于临床实践的需求也急剧增加，比如放射基因组学。

Change博士还认为：“深度学习之所以能够帮助我们，是因为我们需要一些工具和机制来满足新的影像需求和挑战，从而达到保持并提高每日工作质量的目的。不过目前，在将深度学习和AI真正融入放射学实践的征程上还有诸多挑战。”

大会主席Dr. Richard L. Ehman, MD说：“人工智能和机器学习仍然是放射学界非常感兴趣的课题。”

据参会人员介绍，与放射组学和机器学习相关的论坛观众的兴趣都很足，尤其是放射组学几乎是场场爆满。

作为一个长期关注医疗人工智能领域的媒体记者，动脉网查阅了国外如MarkoInsights ，Transworld Data，Imaging Technology News等科技网站的RSNA相关报道，许多内容都与人工智能相关。而外媒的讨论话题，也与我们在国内收到的信息差不多。比如 “AI不能替代放射医生，但是掌握AI的放射医生会比普通放射医生更受欢迎”、“人工智能对临床决策方面的支持”、“人工智能如何改变医学影像”等。

这些也是我们正在探讨或者已经有结论的话题，也许我们在底层技术、计算能力方面不如美国，但是从目前推出的产品和研究的方向来看，特别是在医学影像+AI的应用领域，中国已经走在世界前列。

期望他们创造更大的价值，带来真正的“中国力量”。