3月28日，GE医疗发布了其最新的数字医疗创新成果——全流程人工智能磁共振技术平台“智简AI”。据了解，该平台经历了三年研发周期、累计了10万例原始影像图学习，在影像成像前端的核心环节，利用AI技术集中解决磁共振成像环节的伪影和成像效率问题。

GE医疗中国磁共振产品部总经理赵霞表示，智简AI平台将在1.5T磁共振产品SIGNA^TM Creator上使用。“很快我们的全系列磁共振产品也会搭载这项技术，用AI赋能全线产品，为推动磁共振AI生态发展奠定基础。”

为什么鲜有“磁共振+AI”？

相比于CT、X线等成像设备，由于成像原理、成像过程以及影像处理的复杂性，让AI技术在磁共振成像领域的发展和应用相对滞后。

国家重点基础研究发展计划（973计划）首席科学家、中科院田捷教授表示，X光展现的是二维信息，CT展现的是三维信息，而磁共振能够显示功能信息，信息量就变得非常大。

东部战区总医院医学影像科主任、中华医学会放射分会副主任委员卢光明也表示，磁共振拥有多维的数据、不同的序列。同样的结构、同样的病变在不同的序列上有不同的信号特点。如何把多维度的信息匹配起来，进行病变的分析，是所有影像行业的从业者需要考虑的问题。

上海长征医院影像医学与核医学科主任、中华医学会放射学分会候任主任委员刘士远认为，磁共振是医学影像领域最为复杂的技术，它是金字塔的顶端，由于其成像维度复杂，形成深度学习的模式困难，因此在AI领域的突破比较有限。

当然，随着人工智能技术在医学影像行业的不断应用，“高端”的MR设备也实现了很大程度的改进。

田捷补充到，以往磁共振领域在AI技术研发上聚焦在两个方面：

一是磁共振流程智能化（磁共振AI 1.0时代），比如自动识别解剖部位、自动连续扫描等；

二是图像重建后处理环节的多种智能分析和辅助诊断（磁共振AI 2.0时代），如结构与功能成像的多模态融合，可帮助提升图像处理效率，提供更详细的影像诊断信息。

如上文所说，磁共振技术面临的一大挑战在于设备的“源头”：

磁共振检查中70%时间被成像过程占据，短则几分钟，长的有半个小时以上。较长的诊断时间，让一些大医院的预约MR检查时间，能排到一个月之后。

而且，磁共振图像会产生伪影。

做过MR的人都知道，在开始检查前，医生一般都会嘱咐患者屏气、不要乱动。这是因为身体器官的自然蠕动或者无法抑制的动作，如腹部扫描时的肠道蠕动、颈椎扫描时患者自然的吞咽动作等，都会在图像上形成伪影，影响医生诊断。

更有甚者，需要患者进行二次重复扫描，或者重新预约检查。临床实践数据显示，20%左右的磁共振检查会由于运动伪影问题而导致扫描失败。

磁共振AI的3.0时代

“成像速度”和“伪影”这两个问题，一直让医疗器械商和医生头疼。因此，这也是GE推出智简AI平台的逻辑所在。

利用深度神经网络算法，GE医疗对超过10万例磁共振原始图像数据的学习，在成像过程中对每个线圈单元采集到的原始数据进行特征提取，对噪声、伪影信息进行识别处理，同时将数据中的噪声等杂质剔除，从而提供高质量的原始图像数据。

同时，图像重建优化过程中，也基于AI算法抑制图像伪影，深度提升图像信噪比，让成像速度大幅提高。

在成像速度方面，GE医疗全球磁共振研发团队的测试结果显示：

在肩关节成像中，全流程AI磁共振Creator以同样的扫描视野和参数设定，将成像时间从3分钟左右缩短到约1.5分钟，成像速度提升一倍；

在颅脑高分辨的TOF血管成像中，采用相同的扫描序列以及图像参数，传统成像扫描耗时4分50秒左右，全流程AI磁共振Creator的成像速度约2分20秒，利用一半的时间，获得了分辨率及信噪比更高的图像。

在处理伪影方面，智简AI技术能够有效识别伪影信号，抑制各类伪影的产生，提升扫描成功率，降低重复扫描带来的经济效益损失。

根据中国医学装备协会数据显示，近年来，我国每百万人口MR保有量虽然提升明显，从2013年的3.3台提升到2017年的6.2台，增长近乎翻倍。但整体而言，国内MR的市场渗透率仍处于较低水平，相较欧美等发达国家还有较大提升空间。

德勤生命科学与医疗行业管理咨询主管合伙人俞超向雷锋网表示，国内的MR分为存量市场和增量市场。从存量市场的角度来看，MR设备本身存在一个生命周期，新一代的MR设备成像速度更快、质量更好，对运营的质量提升都有显著功效。

而从增量市场来看，底层市场逐渐扩容，越来越多的基层医院提高设备等级。另外，第三方影像中心等新业态的兴起，增量市场不断扩大。

因此，可以看出，GE医疗在这次新品的发布中，是为了赵霞所说的“做好设备厂商的本职工作”——应用AI和数字化技术去扩宽已有的“存量”市场、下探到更广泛的“增量”市场。

设备端AI的意义是什么？

智简AI发布会同期还举办了医学磁共振影像人工智能线上高峰论坛。

对于未来人工智能的发展，田捷认为主要归结两个方面的因素：应用驱动和技术驱动。应用驱动就是从临床中发现问题，利用AI技术对多维信息进行发掘，在术前预测和愈后环节实现更精准地分析；技术驱动，则是利用AI获取更多特征，让医生能够看得更清楚。

“高质量的数据和人工智能是相辅相成的，需求和技术相互牵引、相互拉动，促使厂商更好地提供临床解决方案。”

值得一提的，设备端AI产品的一大意义就在于提升数据质量和成像的标准化能力，这点对于大数据的建设和AI技术的应用至关重要。

作为影像科专家，卢光明向雷锋网(公众号：雷锋网)表示，在已有的AI应用基础上，厂商接下来要做的是提升AI技术在不同医疗设备上的泛化性以及影像数据的一致性。

卢主任认为，构建大规模的优质数据库，对于疾病的识别、诊断、评估都有很好的作用。而这个数据库建立是一个不断延续的过程。“AI让我们有了很好的图像质量，但是以前的图像和现在基于3.0的图像是否可以兼容，这件事情还需要进一步观察。”

尤其对于磁共振而言，不同扫描参数、不同序列等因素，都会对数据连续性产生影响。“我们会遇到很多挑战，这就需要政策支持、厂商协助来共同帮助我们解决问题。”

中国食品药品检定研究院医疗器械检定所所长李静莉表示，我国首批人工智能的行业标准，今年已经立了两项，主要是数据集通用要求和术语的基础性标准。在这两个基础标准的框架下，将开展一些标准化产品的研发。

她也透露，今年下半年，中检院就会向社会公开征求意见。

来源：雷锋网