放射科缺少医生 人工智能辅助诊断医学影像

随着现在医学科技的发展，各种新技术逐步渗透进医疗领域，影像学包涵了多种影像检查、治疗手段，是现在医学检查的主要手段之一。

放射科虽然是医院的辅助检查科室，在现代医院建设中，放射科是一个集检查、诊断、治疗于一体的科室，临床各科许多疾病都须通过放射科设备检查达到明确诊断和辅助诊断，影像科室的数字化是医院数字化建设的一个重要部分。

放射科工作

放射科接触病人机会少，属于辅助科室，简单地说，放射科的工作由两部分完成。第一部分是患者在放射科拍摄影像片（X线片、CT、MRI等），这一过程是由放射科技师操作各类机器完成，包括参数设定、扫描、图像处理等，有点类似摄影师拍照，只不过操作的机器更巨大。第二部分是影像判读，诊断医生在医用竖屏显示器上调阅影像图片，逐幅观察图片，寻找发现问题；

但是对于放射科来说，责任却不可忽视，每一次医学影像的诊断后面都关乎一个人的健康，不容许一丝的放松，需要放射科医生长时间的保持精力集中。

此外，对于放射科医生要求同样十分的高，需要熟悉各器官的解剖结构，尤其断层解剖结构，熟练掌握X线透视、拍片，电子计算机体层摄影（CT）与磁共振成像（MRI）等医学影像操作技巧以及阅片技术；具有高度的责任心、良好的职业道德、严谨的工作态度、较强的综合分析能力、敏锐的洞察力。

短短几十年，放射诊断在我国医学领域发展相当快，几乎走遍大江南北。这导致了一些潜在的问题，比如放射科医生的增长速度远远没有跟上科室的增长速度，目前中国招收医学影像专业本科生的高校超过80所，但排名靠前的顶级医学院校却多不开设医学影像学专业。另一方面，部分医学影像学专业的学生（包括硕士生和博士生）毕业后并不进入医院工作，而是去医疗设备或医疗器械企业工作。

4月19日，广东省2017届高校毕业生医学类急需紧缺人才综合场供需见面会，在南方医科大学校本部举行，影像等科室用人缺口较大，只要来招聘会的学生，签约成功率不会少于80%。

人工智能解决放射科问题

医学影像的识别是放射科的主要工作之一，而随着放射科医学影像的增多，无疑已经成为了一种困扰，很多人都开始思考，能否通过机器来识别医学影像，从而缓解放射科的压力。

恰好图像识别一直是人工智能的主要研究领域，卷积神经网络更是现在深度学习兴起的主要原因之一，1998年基于卷积神经网络的LeNet诞生，然而之后CNN的锋芒开始被SVM等手工设计的特征盖过。随着ReLU和dropout的提出，以及GPU和大数据带来的历史机遇，CNN在2012年迎来了历史突破–AlexNet，AlexNet 在当年的ImageNet图像分类竞赛中，top-5错误率比上一年的冠军下降了十个百分点，这也是人工智能即将起飞的必要条件。

斯坦福大学终身教授李飞飞曾经在接受采访时表示，人工智能已经可以识别医学影像，并且取得很好的成就。

以肺部疾病来看，支气管肺癌（简称肺癌）是世界上发病率及死亡率最高的恶性肿瘤，每年死亡人数达140万，占所有恶性肿瘤死亡人数的18%。预计中国到2025年每年新发肺癌患者将达到100万人。由于肺癌早期没有任何临床症状，如果有症状就是中晚期。目前约75%的肺癌患者在诊断时已属于晚期，5年生存率为15.6%。因此肺癌的早期诊断十分重要，国内医疗领域人工智能领先企业Airdoc很久之前就意识到肺癌的危害，希望通过人工智能在早期识别肺癌，Airdoc基于深度学习开发的算法，通过结节定位、结节大小判断、结节恶性指标计算快速检测肺结节。

未来5年过半美国医院拥抱人工智能

人工智能应用在医疗领域可以解决很多医疗上的问题，比如可以快速进行疾病的筛查，辅助医生对疾病进行诊断，从而提高医院的工作效率。

近期，医疗IT新闻（Healthcare IT News）联合HIMSS分析（HIMSS Analytics）针对美国医院人工智能技术应用前景开展了一项调查，调查分析的85家医院中，目前已应用人工智能技术的仅占4.7%，不过人工智能在医院的普及前景光明。调查显示，计划在一年内应用人工智能的医院占10.6%，两年内应用人工智能的占23.5%，另有24.7%的医院计划在三年到五年内应用人工智能。以此推算，大约35%的医疗机构计划在两年内使用人工智能技术，而计划五年内应用人工智能的医院超过一半以上。

在国内，人工智能医疗的应用同样如火如荼，比如Airdoc糖尿病性视网膜病变辅助诊断模型已经开始在临床应用，因为可以跨科室使用，准确度和速度又很可靠，从而受到了广大患者和医生的肯定。

人工智能将会为医疗带来巨大的变革，很多医院和医生已经开始积极拥抱人工智能，这是变革的时代，我们将会共同见证人工智能对医疗完善。