上科大生医工创始院长沈定刚：我为什么呼吁，用「全栈全谱」思维做医学影像 AI 研究？

近日，MICCAI Fellow、上海科技大学生物医学工程学院创始院长、联影智能联席 CEO 沈定刚教授在第25届MICCAI大会上，作了题为《人工智能在全栈全谱医学影像中应用与创新研究》（Full-stack Full-spectrum AI in Medical Imaging）的主题演讲，基于中国医疗AI的实践经验，提出了联结工业界与学术界的、全栈全谱医学影像创新的新思路。

MICCAI 协会是国际公认的医学影像计算（MIC）和计算机辅助介入（CAI）领域的顶级综合性学术组织，每年秋天的MICCAI 学术年会聚集了全球医学影像领域的专家与会。

会议内容反映了医学影像领域的最新成果，代表了学科发展的新方向，具有国际公认的学术地位和影响力。

今年的MICCAI会议于9月18-22日在新加坡召开，沈定刚教授是本届大会三个特邀主题（Keynote）演讲者之一。

会后，雷峰网与沈定刚教授进行了一次对话，围绕转变研究思维、打破圈层利益等方面提供了诸多宝贵意见，并分享了公司及学院的最新建设成果。

他表示，MICCAI的三个主题演讲中，会包含MIC和CAI两个方向，另一个则是探讨更为宏观的主题，如今年的AI伦理、公平性等。

三个主题演讲会由不同方向的学者来进行推荐，然后召开会议进行确定，并最后由一位专门的主席（区别于大会程序主席）来进行邀请。

邀请沈定刚教授的学者，是法国雷恩大学的Pierre Jannin教授。

他在设计和开发用于神经外科的图像引导手术系统方面拥有约20年的经验，是国际计算机辅助外科学会（ISCAS）的秘书长，并在多个期刊担任副主编和审稿人。

2018年，Pierre Jannin教授当选为MICCAI Fellow。

据雷峰网 (公众号：雷峰网) 了解，此次演讲筹备近3个月时间，由上科大、联影智能等十多个人的团队共同参与。演讲主题的关键词是“全栈全谱“，这其中包含了沈定刚教授对学科发展的深远思考。

他表示，许多学术研究仅零散地用于医学影像的某个环节，并不会从整体上对临床工作流带来明显的提升。只有从全栈全谱角度将AI方法组合起来，从扫描前、扫描中、扫描后全流程来研究和开发医学影像AI，才有可能真正带来临床工作流的革新。

“打个比方，一个疾病的诊疗流程是一根绳子。你在前端的图像分割、分类上做的很好，给绳子增加了5%向上的力，但是这股力传导到绳子末端已经损耗殆尽。所以，如果只关注其中的一个点，最后将整条绳子动起来的概率非常低。”

所以，沈定刚教授希望学者们用“由点成线”的思维来考虑问题，把很多全栈全谱的“线”堆积起来构成“面”，解决真正的临床问题，也就是“点-线-面”的思路。

“在AI时代，我们更应该考虑一个问题的整体解决方案，而不是其中的一个点。有人钻得很深、钻了一辈子，但是要回头想想，这对于解决临床问题有什么好处。可以说，大多数是没有多大好处、多大用的东西。因为临床需要的，是一大批AI工具。”

如何做到这一点，关键在于把所有的AI工具标准化、模块化，进行组合、快速开发新的产品。这就需要学者、产业界人士学会共享，从解决临床问题的思路出发。

对于青年学者，沈定刚教授建议他们多去综合性的大型实验室里，学会从全局的视角看问题。

“做图像分割的同学，思考自己的工作如何给后面分类的同学提供帮助、彼此扶持，这样才能得到综合性的训练。”

沈定刚教授曾担任MICCAI 2019的大会主席。在他的推动下，华人在世界学术舞台上的影响力越来越大。

从论文而言，2019年，亚洲的录取文章比例已经达到37%（美洲为36%，欧洲为26%），超过了美洲，而这些录取的文章里，绝大多数（150篇左右）来自于中国。

他做了几件事情，将审稿人的数量扩充至1300人左右，并实行了一个非常好的策略：

首先，让MICCAI 2019的六十多位领域主席，每人至少推荐一定数量的专家；

其次，在MICCAI上，华人担任领域主席的数量通常非常少，沈定刚教授做的一点改变是，提升华人担任领域主席的比重，将原先13.8% (MICCAI 2018) 的比例提升到了今年的43.5%，有三十位领域主席是华人。

因此，MICCAI对国内医疗AI领域很大的一个贡献在于，不光把年轻的学者作为领域主席推在全世界面前，同时也把中国在医学影像AI方面的工作推向全世界。

然而，随着会议的最佳论文以及青年学者中华人的身影越来越多（本次大会审稿人的名单详见阅读原文），也引发了沈定刚教授的担忧。 

他认为这不是一个好现象。

因为某一个国家或地区的学者占据重要的地位后，会形成一个个小的文化圈子和利益圈子，论文就会出现投机取巧或打“人情分”的现象。

在一些极端情况下，MICCAI审稿的双盲机制也会失效，这是他不愿意看到的事情。

沈定刚教授表示，“我希望国内的人在MICCAI这个领域里做得越来越好，也希望大家相互支持，给年轻人更多机会，但是这不应该成为学术牟利的跳板，而是保持纯粹的学术初心，为医学、为患者做切切实实的事情。”

目前，沈定刚教授任职于上海科技大学和联影智能，他分享了各自的进展。

8月，国家科技创新2030-“脑科学与类脑研究”重大项目首批项目陆续开题。

其中，由上海科技大学生物医学工程学院创始院长沈定刚教授指导的“婴幼儿脑发育队列” 重大项目与“上海科技大学-儿童青少年发育队列建设子课题”于近日正式开题。

“婴幼儿脑发育队列”项目，由上科大生物医学工程学院研究员、副教授、博士生导师、婴幼儿脑发育影像实验室主任张寒牵头；

“上海科技大学-儿童青少年发育队列建设子课题”由上科大生物医学工程学院研究员、副教授、博士生导师、助理院长王乾负责。

项目对标国际最高水平，将基于联影医疗最新科研型3.0T磁共振系统，进行涵盖婴幼儿和儿童青少年这两个重要年龄段的脑智发育研究。

沈定刚教授将其称之为一个“历史性”的现象。

“现在广泛应用于脑科学研究的磁共振机器，就是由美国的脑计划研究带动起来。所以在国家重大前沿科研项目中，既要研究解决脑科学领域的众多科学问题，也应该以此带动国内相关技术和产业的发展，让高端影像设备企业有更多的打磨机会。”

两个项目/课题中，上海科技大学将与复旦大学附属儿科医院、上海师范大学、西安交通大学、上海大学等机构紧密合作。

除了上海科技大学生物医学工程学院创始院长的身份，沈定刚教授还是联影智能的联席CEO。

他表示，目前联影智能的产品已经多达40+个，产品已经部署上千家医院，销售额上亿元。

以下为沈定刚教授大会演讲的内容节选。

面对复杂多样临床场景，须全栈全谱通盘考

近年来，医疗 AI 在全球范围内迎来了极大的发展，越来越多的业内顶尖学者投身医学影像 AI 领域，从 2018 年起，MICCAI 接收和发表的医疗 AI 相关文章数量也显著增长。这一点从 MICCAI 被高频研究的关键词中可以窥见。

MICCAI 文章中的高频词

然而许多学术研究仅零散地用于医学影像的某个环节，并不会从整体上对临床工作流带来明显的提升。

只有从全栈全谱角度将 AI 方法组合起来，从扫描前、扫描中、扫描后全流程来研究和开发医学影像 AI，才有可能真正带来临床工作流的革新。

此外，很多算法只能从影像中识别单一病灶或疾病，但在临床中医生却需要同时检查所有可能存在的疾病并出具报告。

另一方面，临床诊断往往不仅使用一种模态，而是结合多种模态完成检查。因此，我们需要从全谱（即多模态）的角度研究如何诊断疾病。

针对复杂多样的临床问题，在产业实践中，我们通过产学医融合创新的方式，进行全栈（贯穿成像、筛查、随访、诊断、治疗的疾病诊疗工作流）和全谱（覆盖X-ray、CT、MR、PET、PET-CT 等多模态）的医学影像 AI 研究，开发了通用的全栈全谱技术模块。这些通用模块像魔方组件一样，经过不同的排列组合，快速高效地形成不同的产品与解决方案，为临床带来实际价值。

全栈 AI，贯穿诊疗全流程

以肺癌为例，全球每年新增肺癌患者 220 万例，因肺癌死亡 180 万例。肺癌诊疗也面临筛查覆盖人群少、效率低，随访流失病人多，诊疗难度大等痛点。针对这些痛点，我们构建了全流程的肺癌智能健康管理全栈 AI，包括健康评估、筛查、诊断、治疗、预后、随访等功能，通过 AI 赋能临床为肺癌患者带来福音。

肺癌智能健康管理全栈 AI 首先聚焦低剂量 CT 重建，减少了 30%-70% 的辐射剂量，提升了成像质量，帮助医生提高 8%-15% 的肺结节检出率，该技术已获 FDA 认证。

基于低剂量 CT 图像，构建多任务、多尺度深度神经网络，实现了气管和肺实质的分割和标注，并定位、分类和分割结节，实现肺结节筛查与诊断，该产品已获中国 NMPA 三类证，在中国应用于 800 余家医院，实现日筛查患者 5 万余人。

在随访环节，通过配准引擎将随访患者在不同时间的多幅影像进行解剖结构匹配和病灶匹配，自动量化结节变化。该随访系统已在 600 余家医院使用，月使用量 150 万余次。

在放疗环节，联影智能分割引擎可在 0.7 秒左右自动勾画靶区，Dice 系数可达 97%。配备自动勾画引擎的一体化 CT-linac  放疗设备使得传统需二十天左右才能完成的首次放疗流程缩短至 20 分钟左右的一站式放疗，「精准狙击」肺癌病灶。

一站式放疗已在复旦大学附属肿瘤医院、中山大学肿瘤防治中心、金华市中心医院成功应用于直肠癌（23mins）、鼻咽癌（29 mins）、乳腺癌（23 mins）及肺癌在线自适应（计划调整10 mins 45 sec）的病患首次放疗中。

全谱 AI ，赋能多模态设备

在不同模态的快速低剂量扫描中，以图像多域映射技术为基础可将模糊、伪影或欠采样的图像恢复成与全采样质量相当的高清图像。这些技术可以应用在CT、MRI、PET 等影像的重建任务中。

如应用于 MRI 的 AI 压缩感知技术 ACS (AI-assisted Compressed Sensing)，在采用百万级的数据训练后，可在百秒内完成全身各部位多序列成像，不仅保持高清影像质量，而且极大缩短磁共振扫描时间。此项 ACS 技术已获 FDA 认证，并已在 250 余台磁共振设备上得到使用。

图像多域映射也可应用于低剂量 PET 重建，联影智能研发的 HYPER-DLR (HYPER Deep Learning-based Reconstruction) 技术在相同图像质量的情况下，可提升扫描速度近 10 倍。该技术已赋能 250 余台 PET 设备。

ACS 技术与 HYPER-DLR 技术

魔方组合，无限变换

一种有效的人工智能模块化引擎可有效赋能全栈工作流和全谱的设备模态。以联影智能的分割引擎为例，在多模态影像上均可达到秒级精准分割的目标。通过开发检测、分割、配准、分类、映射等人工智能技术模块，经过不同的排列组合可在短期内开发出不同临床产品。

例如，新冠肺炎期间，我们在两周内快速研发出贯穿自动扫描、诊断、量化、随访全流程的新冠肺炎 AI 产品，并将其落地 320 余家医院，帮助医生快速扫描与诊断；

我们用 1 个月的时间从无到有，开发出脑转移瘤检测软件，经过多中心临床验证，在假阳性没有显著改变的基础上，辅助医生提升 21% 检测敏感度，每例平均阅片时间减少了 40%；

在脑卒中辅助诊断中，完成了一站式脑卒中解决方案中四大 AI 系统的开发（出血、缺血、CTP、CTA)。

基于通用模块快速开发的产品

产学医协作，推动前沿科技发展

AI 应用从研发到落地的快速转化，离不开技术模块的积累和组合，也离不开产学医的紧密协作。

在脑科学领域，我们正通过产学医协作，进行 0-80 岁的全生命周期的脑健康研究，包括 0-6 岁早期脑发育、大脑老化研究和基于 MR 的分钟级脑健康筛查。

在早期脑发育研究上，上海科技大学牵头承担了“婴幼儿脑发育队列” 重大项目，是中国脑计划的重要组成部分。

在这个项目中，上海科技大学与多家大学、医院、企业合作，引入联影高端影像设备和联影智能 AI 技术，共同进行 0-6 岁早期脑发育研究。

数据采集方面突破了传统镇定扫描的方式，通过让婴幼儿熟悉场地，在睡眠状态进行扫描，来最大程度减少扫描影响。

考虑到婴幼儿对磁共振的噪声和扫描时长尤为敏感，通过 ACS 技术可实现快速扫描，节省 44% 时间，极大提高数据采集质量和成功率；

通过 MTP 技术，可实现一次采集产生 16 个对比和 9 个定量映射，取得丰富测量序列；

为了避免婴儿身体运动而导致扫描结果不佳，通过穿戴式头部监测仪，可在扫描期间监控婴儿头部运动并前瞻性调整梯度，进行运动补偿，让扫描更清晰；

我们还专门定制了婴儿线圈，给婴儿带来舒适的扫描体验。

在整项研究中，我们采用的技术均已应用于联影科研级高端磁共振 uMR 890，这款设备也已在上海科技大学生物医学工程学院装机，未来 5 年内计划扫描 1000 名研究对象。

伴随婴幼儿生长发育，在不同时间维度上用不同模态的检查方式，组合不同的技术分析手段，可以获得多种多样的研究结果，形成一个横跨发育周期的全栈全谱的脑发育影像研究，再通过专业量表对孩子进行发育评估、出具脑发育健康报告，可全维掌握大脑的生长发育情况。

在大脑老化研究方面，我们通过 AI 可进行皮质分割、阿尔茨海默风险监测、随访、海马体萎缩评估、脑小血管疾病评估等，并提供精细的脑健康评估报告。

在阿尔茨海默疾病的诊断上，我们正在开展“基于多模态医学影像智能融合的 AD 早期诊断评价模型研究”，利用 AI 进行 MR 的快速采集，学习 MR 与 CT、与 PET 的表征关系，生成 PET/CT 图像，然后利用训练好的多模态分类器，进行老年痴呆症的快速诊断，致力于实现从影像采集到最后诊断在几分钟内完成。

AI 皮质分割、AI 阿尔茨海默风险监测、AI 随访、AI 海马体萎缩评估、AI 脑小血管疾病评估

医学影像计算（MIC）与计算机辅助介入（CAI）的结合才是真正的、整合的医学影像人工智能（MICCAI）。

MICCAI 研究的内容与医疗元宇宙也十分相关，不仅体现在辅助诊断，也体现在辅助治疗。

在 MIC 方面，我们开发了脑分割、配准等算法；

在 CAI 方面，我们开发了智能手术规划、智能手术导航；在术后疗效评价中，我们也开发了评估算法。结合元宇宙新技术，将为疾病诊断、治疗规划、术中导航创建身临其境的多元感知。

随着医疗水平和现代科技的不断发展，医疗 AI 的学术研究只有真正落地临床场景才具有价值，希望更多学者能突破边界，进行更深远的产学研医协作，共同推动前沿生命科技发展，造福人类。

雷峰网原创文章，未经授权禁止转载。详情见 转载须知 。