放疗行业出现黑科技 人工智能加速赋能医疗行业

Good

“效率大幅提高，原来需要3天才能做出来的肿瘤放疗计划，现在最快半天就能完成。”谈及天津医科大学肿瘤医院放疗科近期出现的变化，该科室主任袁智勇教授对《证券日报》记者表示。
据了解，天津医科大学肿瘤医院放疗科出现的这些变化来自于该医院对于自动计划系统mdaccAutoPlan的引用。袁智勇告诉《证券日报》记者，该系统除可以提升效率外，其所在科室所做放疗计划的准确率和可用性也出现了可观的提升。
袁智勇表示，mdaccAutoPlan运用的成功绝不仅仅是个孤例，未来，人工智能技术越来越广泛的运用于医疗领域将是一个趋势。
放疗界有了“黑科技”
放疗计划设计效率的提升是引入mdaccAutoPlan后最显著的变化。袁智勇表示，此前物理师制定一个放疗计划大约需要3天的时间，计划出来后也需要物理师和医生之间进行反复的沟通。
“现在就很快，基本上今天把资料给他们，明天就出结果了，有时候加急的话，上午给他们，下午就能出结果。”袁智勇如是说。
此外，准确率更高，使用性更强是袁智勇对于mdaccAutoPlan所做出放疗计划的另一个直观感受。袁智勇向记者介绍称，目前来看，国内一线、二线城市以及一些低线城市或者新医院的物理师做放疗计划的水平仍有差距。“事实上很多一线、二线城市物理师也有可能会因每天承担着大量工作，而很难保证所有的放疗计划都是高水平和高质量的，而通过mdaccAutoPlan所做出的放疗计划能够维持在一个高水平并且稳定的状态。”
据袁智勇介绍，美国某知名机构曾经对比过物理师人工做出的放疗计划与mdaccAutoPlan所做出的放疗计划之间的差异，选择6位中国和美国的资深放疗医师作为评判打分，在对计划设计者不知情的情况下，打分结果显示医师们普遍认为mdaccAutoPlan所做出的放疗计划更完善，使用性更强。
从以往的工作经验来看，物理师做出计划后需要与医生进行大量反复的沟通，而且难以保证工作质量一直处于高水平，但mdaccAutoPlan做出的放疗计划准确性更高，“基本不需要修改”。在袁智勇看来，如果满分为100分，那么mdaccAutoPlan做出的放疗计划得分能够达到90至95之间。
袁智勇表示：“引入mdaccAutoPlan后，物理师可以做出的放疗计划成倍数级增长，原来硬件足够但人手不足难以面面俱到，现在反而是放疗加速器这样的治疗硬件设备数量跟不上mdaccAutoPlan做出放疗计划的速度。”
“黑科技”讲究定制化
据了解，mdaccAutoPlan是美国多年排名第一的MD Anderson Cancer Center的Zhang Xiaodong教授团队创新设计出的一套人工智能结合云计算的先进计划产品，由Global Oncology One实验室经过多年临床经验积累进行开发，北京全域医疗技术集团有限公司代理其在全球的应用和推广。
该系统覆盖了多年积累的肿瘤放疗高质量大数据，能够用计算机进行学习和分析，而给予一个新的任务时，计算机将根据前期的学习结果，根据该病例临床特点，实现自动计划设计，并将放疗计划设计的效率提升5倍至10倍，而且保证了设计结果保持在一致的高水平。
据介绍，mdaccAutoPlan已经实现全自动化设计，实行队列模式，一键入栈，系统自动检测任务队列、自动设计、输出、保存和统计分析；为不同部位的肿瘤生成靶区辅助轮廓、自动布野、调整目标函数，生成最优计划，减少物理师个人专业水平和习惯对计划质量的人为影响。
此外，mdaccAutoPlan并不是一成不变的。袁智勇告诉《证券日报》记者，他所在的科室目前使用的系统是经过重新打磨的。“每个单位都有自己的特点和不同，每个物理师也都有自己的习惯。”袁智勇表示，“天津医科大学肿瘤医院派出三名工作人员与Zhang Xiaodong教授团队，以及全域医疗的技术团队一起打磨，最终带回了更适合我们科室用于临床的产品。”
全域医疗方面亦对记者表示，在与相关医疗机构的交流磨合过程中，mdaccAutoPlan还能够利用顶级医院的优秀计划，通过机器学习提取其特征，并应用到新的计划中，从而快速制作高质量的放疗计划。通过创新的云端算法，还可以同时进行海量计算，解决运算缓慢的难题。
在美国MD Anderson Cancer Center、天津医科大学肿瘤医院、中国医学科学院肿瘤医院等数十家医疗机构的长期使用中，发现mdaccAutoPlan可将医师和物理师效率提升5倍至10倍，高质量治疗计划率达95%，已累积临床病例上万例。
引入人工智能大势所趋
mdaccAutoPlan在放疗领域的运用或许只是一个开始。袁智勇认为，人工智能技术进入医疗行业一定是个趋势。
“人工智能技术的关键性问题在于能否把它用好，不能靠人工智能解决全部问题，但是人工智能能够在医护人员面对繁琐工作时提供非常有效的帮助。比如男性在45岁以上每年就要做低剂量CT排除肺部病变,而一个薄层扫描CT的信息量是非常大的，大致有500层。那么医生一层一层去看，很快容易疲劳，一方面效率较低，另一方便可能出现失误。”袁智勇举例指出：“如果能够通过人工智能技术，对以往的临床影像和病理结果资料进行分析和学习，让高计算能力的电脑对每一层CT进行快速扫描，并勾画出可疑病症和意向诊断，那么能够成百上千倍地提升看病的工作效率以及准确度。”
相似的案例在医疗行业比比皆是，在袁智勇看来，人工智能技术能够在影像和病理分析领域目前已经开始发挥重要作用。袁智勇表示，此前，其所在科室的物理师人手紧张工作量较大，随着mdaccAutoPlan的引入，科室物理师也有了余力去进行更多的质控和科研工作。
http://www.kuangjiaduankouhu.com
http://www.hengyzs.com/
转载于:https://blog.51cto.com/1837587/2382448

来源：https://blog.csdn.net/weixin_33713707/article/details/91579219
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！