近几年，随着科学技术的不断进步，特别是人工智能在硬件设备和算法不断成熟的情况下，机器学习及深度学习算法进入公众视野，它的应用也得到广泛的探索和开发。医疗行业的人工智能发展有巨大潜力，应用人工智能与医疗影像大数据结合将带来巨大价值。与人脑相比，人工智能在提高医疗服务效率和诊断的准确率上具有机器算法在特定技术条件下的天然优势，医疗系统拥有的医疗影像大数据以及“云”技术的发展，使得人工智能与医疗领域结合的条件更加成熟。

　　通过研究国际上人工智能在医疗诊断方面的情况，可以看到在国外已有较多研究和相对成熟的案例。国外最早将人工智能用于医疗的是MYCIN专家系统，由美国斯坦福大学在上世纪七十年代初研制，是一种帮助医生对血液感染患者进行诊断和治疗上抗菌素类药物选择的人工智能系统。另外一个Watson系统是更加成熟的智能诊疗应用案例，它在17秒内阅读3469本医学专著、248000篇论文、69种治疗方案、61540次试验数据和106000份临床报告。Watson于2012年通过美国职业医师资格考试，已部署在美国多家医院，提供多种癌症的辅助诊疗服务，包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌和子宫癌等。可见人工智能在人类医疗领域已经在贡献着重要的价值。

　　2017年7月8日，国务院印发《新一代人工智能发展规划》，提出要围绕教育、医疗、养老等迫切民生需求，加快人工智能创新应用，为公众提供个性化、多元化、高品质的服务。中央政策的指引，是行业利用自身医疗系统的技术和数据的优势条件，结合人工智能先进技术，在全国乃至全球抢先跨越式提升医疗水平，发展高端医疗产业的良好契机。

　　在医疗影像方面，大量做过精标注的影像数据是深度学习和人工智能医疗的训练和提高识别能力的基础数据，是结合人工智能提高医疗辅助识别能力的重要海量数据资源。因此构建医疗影像数据库或者医疗信息大数据中心，是形成医疗与人工智能技术应用的基础构架，设立医疗影像信息大数据中心及人工智能实现疾病辅助诊断及科学研究应用平台项目，针对从胸腔、腹部、颅脑、骨科等入手，探索不同领域的医疗影像智能化模型，对海量医疗影像数据进行深度学习，实现疾病辅助诊断及科学研究应用研究，并以此为基础开展各类医院服务的临床示范应用。

　　1.首要任务是创建医疗影像数据仓库，与医疗单位协作，给所有的影像产生机构开放加密端口，通过技术手段对病人隐私数据进行加密或者屏蔽，把各个医疗院所的医疗影像数据进行封装，上传到“云”（数据中心），数据中心仅提取医学信息，并实现深度学习和云计算能力，并对提交的指令进行分析和处理，并下行输出处理结果。

　　2.针对庞大的现有的医学影像数据实现线上和线下协同的，筛选、标注和结构化、标准化处理，对现有医疗影像数据进行学习。

　　3.医疗机构可以利用该平台人工智能技术下的不断学习和进化能力，提供辅助诊断建议，以及在线远程会诊等，协助医生提高工作效率，避免因医生个人因素而导致的诊疗差异。

　　4.在科研院所，该平台能为研究人员提供最新的病例报告（通过加密和屏蔽技术，保护病人的个人隐私）和海量的高质量影像数据，不断优化人工智能模型；例如，通过对海量疾病标注的影像和之前健康时期（比如常规体检）采集影像的对比学习，可以实现人类肉眼不能识别的疾病初始状态学习识别和分析，发挥人工智能的优势，通过机器学习和训练，逐步实现无创影像疾病预测技术应用，使得人工智能在医疗领域的作用不断扩展。

　　5.在政府机构，该平台能提供大数据分析结果，把握居民整体健康指数和疾病发展，变化趋势，合理调配医疗资源提供重要参考，也可以为政府设计政策性指导提出建议和方案，更可以在紧急疾病爆发时期，快速提供决策分析的重要参考数据，为我国人工智能医疗影像诊断应用发展做出贡献。

扫一扫在手机打开当前页