人工智能在医疗领域的一大应用，就是与医学影像结合，发展成为“智能医学影像”。据全球市场调查（GlobalMarketInsight）的报告显示，智能医学影像已经成为人工智能医疗应用的第二大细分市场，而且人气还在不断升高。“医学影像”是什么呢？这可不是医生帮你摄影哦，其实它跟我们生病时经常会去的放射科有很大关系。比如X光、B超、CT等，这些医院的“透视眼”拍摄到的画面都算是“医学影像”。对于病人来说，拍摄这些“医学影像”并不是一件麻烦事，病人所要做的就是只是轻松地站在仪器对面或者躺在病**让仪器扫描。但是，“拍片一时爽，诊断火葬场”，看似轻松的检测过程，背后可有一段影像科医生的辛酸血泪史！这些医学影像灰蒙蒙的，看起来好像都一样，实际上却暗藏玄机，只有专业的医师才能从这些图像里发现异常情况。怎么发现的呢？即使是久经沙场的医生也不能看一眼就下定论，而是要对一个病人的250～300张医疗影像进行比对，寻找发现问题。我们拿到的是一张薄薄的诊断书，但是医生却要看数百张影像。如果一个放射科医生每天要诊断超过60个病人的CT，那么他一天要看的影像就达到了15000～18000张，甚至到了疾病多发季节，一天要诊断的病人就超过了100个。不仅医生压力大，而且医患矛盾又容易发生：一方面，医生为了对病人负责，必须要仔细审查，不能遗漏任何一处异常，另一方面，病人等得心焦，容易闹脾气，这实在是一个苦差事。
医学影像
但是，有了人工智能，医生的压力就能大大减少。“智能医学影像”能在很短的时间内完成对医学影像的初步筛选、判断，完成病灶筛查、靶区勾画、脏器三维成像、病理分析以及影像定量分析等，而且不需要休息，准确率不会因为疲劳受到影响。纽约大学兰恭医学中心（NYULangoneHealth）发现，在找到并匹配特定的肺结节（通过胸部CT）方面，医学影像的自动化分析的速度比放射科医师要快62％～97％，据说每年能节省30亿美元。但是，这么高难度的医学诊断要如何通过人工智能来实现呢？我们先来看看智能医学影像的界定。它是将人工智能的图像识别、深度学习等技术应用在医学影像领域，帮助医生进行医疗诊断，以提高准确率和诊断效率的一种技术。图像识别，也就是对患者的影像进行识别，对影像进行分割、提取特征、标注关键信息。深度学习，就是能基于大量已有的影像数据和诊断数据，进而做出自己的判断，能够独立诊断疾病。简而言之，就是像一个普通的医生那样，先看图，找出关键信息，再做出分析。
目前已经有不少企业在这一领域大展拳脚，比如国内有初创公司Deepcare，提出利用机器学习实现对医学影像的智能诊断，从而解决三甲医院高级医生与普通医生的能力差距问题。腾讯首款人工智能医学影像产品“腾讯觅影”能对各类医学影像进行训练学习，智能识别病灶，辅助医生临床诊断的食管癌、肺癌、糖尿病视网膜病变等疾病的早期筛查，准确率都高达90％以上，糖尿病视网膜病变识别准确率更是达到了97％。在医学影像领域中最受关注的肺结节检测方面，国内的智能影像也有了重大突破。2017年，科大讯飞的智能影像产品，就在一场名叫LUNA的国际肺结节权威评测中夺得第一，获得平均召回率92.3％的检测效果，并刷新了世界纪录，真是一件值得骄傲的大喜事！
腾讯觅影”展示人工智能如何稳准快地帮助医生早筛食管癌等疾病
