人工智能影像加速技术风口来临

　　众所周知，给沙漠中的采油者卖水，给美国淘金者卖铲子，是一种生财之道。我们熟知的影像设备供应链上，有很多知名的企业，比如万睿视、当立、住友等，提供高压发生器、平板探测器、球管、冷头等核心部件。这些低调的隐形冠军掌握着核心技术，也获得了产业链中一大部分利润。除硬件之外，影像成像方法、后处理等软件驱动力方面，是什么情况？今天就来谈一下成像加速技术。

　　即将起飞的AI 加速技术

　　仅看2014-2019 年，中国的核磁共振保有量增长超过一倍，突破一万台。虽然因为疫情影响，门诊量受到了一定的冲击，但是磁共振检查预约难已经成为了常态。

　　“以前这个核磁序列需要7 分半，现在3 分钟左右就完成了”，“这个1.5T 的图像空间分辨率快接近3T 了”， “PET用药量下降一半甚至更多，成像速度也更快了”，“介入手术造影剂明显减少”。近年来，这样带来巨大临床益处的说法越来越多，并且各个主机厂也宣称掌握了核心加速技术，使得成像更快、图像更优、成本更低，并且患者伤害更小。一些整机已经部署到医院中，相信很快，是否具备加速技术就会成为衡量设备性能一个重要标准。回顾过去十几年直至今日的加速技术，以核磁为例，走过了并行加速时代、压缩感知时代和AI 加速时代。

　　1、并行加速时代

　　除了提升硬件性能，例如增加线圈密度，提升通道数等，并行采集，多平面同时采集，spark k 空间填充等技术都在一定程度上提升了采集和读取速度。但是总体说来，都还在能奎斯特采样定理的束缚下进行（能奎斯特定理表明要想还原信号，采样率就要至少为原信号最高频率的2 倍）。

　　2、压缩感知时代

　　后来，并行加速的边际效应递减。但是著名数学家陶哲轩，早在2004 年就证明了还原的是稀疏信号时，采样率可小于最高频率的两倍。这就是稀疏采样（Sparse sampling），也就也被称为压缩采样（Compressive sampling），即压缩感知（Compressed sensing）。十几年后，压缩感知加速技术在MR 中产品化。

　　3、AI 加速时代

　　再后来，AI 的引进又颠覆了加速技术的应用。基于深度学习神经网络使用高质量的训练集，可以将短时间采集的低质量图像优化再现为高质量图像，这样就解决了效率和质量的矛盾。

　　这是个全新的赛道，我们可以观察到：搭载AI 加速技术的产品，无论是进口品牌还是国产品牌，都在短短的 2-3 年内陆续推出。要知道，前文提到的压缩感知技术产品化用了十几年时间。一般来说，从理论原研到产品化需要5-10 年的时间，如果需要短时间取得，就需要向上游寻找合作伙伴或供应商，也就是卖铲子的人。

　　卖铲子的人

　　今年5 月12 日，全球最负盛名的磁共振影像领域大会 ISRSM2022（国际医学磁共振协会大会）在伦敦闭幕，为期7天的会议上，AI赋能医学影像成为了最核心的主题。在有限的医学资源限制中，人们不断追求着更高效的解决方案，也正是因此，AI 在MRI（磁共振影像）中的应用成为了ISMRM 的重点主题。其中，三大方向值得关注：首先，基于AI 的影像加速成为讨论的焦点，这一技术方案满足了人们对医学影像更高质、更安全以及更快的渴求。

　　其次，正如Meta 首席AI 科学家Yann LeCun 博士在大会主题报告指出的，AI 相关的医学影像技术正在逐步步入广泛应用，AI 成像产品进入加速临床产业化。

　　最后，AI MRI 成像在具体人体部位/ 疾病上的进一步发展也是本届ISMRM 的热点话题，包括乳房、心脏等。

　　备受瞩目的加速技术上，影像医生与AI 专家们阐述了人工智能的发展潜力，其中最直接能产生临床和产业价值的方向包括：1）提升成像速度、降低扫描成本；2）从根源上减少造影剂的使用；3）预测图像；4）建立丰富的数据库以协助集中临床护理以及为进一步的研究提供信息。

　　时代已经猝不及防地来临，众所周知的计算机科学技术几大名校，如卡内基梅隆、斯坦福、麻省理工学院、加州理工等都在深耕AI 领域。尤其是和硅谷共生的斯坦福学派，走出了影响行业的多位大咖。

　　斯坦福的Greg Zaharchuk 教授是美国功能神经放射学会主席和《磁共振成像杂志》的副主编，他指出：“深度学习非常擅长从图像中预测关键信息值，基于这样的优势，深度学习非常适合用于降低成像成本。”

　　更为重要的是，他同时也是知名AI 医学影像公司的联合创始人。国内的清华大学、东南大学、浙江大学等也都在AI+ 医学影像上加码，在产学研的转化上结出了累累硕果。例如，Zaharchuk 教授的公司已经取得了4 项美国FDA AI 软件510（K）认证，也先后完成国内NMPA 和欧洲等地产品注册，在全球数百家医院和影像中心应用，使得商业模式落地，成为了AI 医学影像加速化领域的头部公司。

　　在2022 ISMRM 上，GE 医疗宣布将其深度学习重建解决方案AIR RECON DL 持续扩展至其客户，而就在此前，西门子医疗宣布与Zaharchuk的Subtle Medical（深透医疗）进行合作，最新的西门子MR 可搭载SubtleMR 等深透医疗的软件及技术，不需要额外的软硬件升级可实现全面的产品性能提升。

　　这种可兼容任何品牌型号设备的上游公司，正在深刻地影响着行业格局。优先布局该赛道的企业，正逐渐享受其带来的产品优势。也许您所在地医院新购买的磁共振就搭载了上游公司的加速技术。对于主机厂来说，如果没有深厚的研发能力，与上游合作不失为一个好的选择。

　　除MR 以外，核医学、介入放射学也在被颠覆，使用更少的核素药物，缩短数倍的采集时间，获得更好的PET/ CT-MR 图像，因为AI 对于图像预测有确定性作用。使用十分之一的造影剂完成介入治疗也不是梦想，因为基于AI 的图像技术，远远超过人的肉眼对于灰度的识别能力。这些功能均已进入产品化阶段。

　　Subtle Medical 也再次获美国国立卫生研究院（简称NIH）科创基金（SBIR），支持其新产品SubtleIR ™ 的研发及产品化。SubtleIR ™通过深度学习技术，减少手术介入造影中所需的放射素剂量，仅需原剂量约17% 的辐射剂，就能实时获取与标准剂量注射情况下相同质量的医学影像，大大减少患者和医生的辐射暴露危险。

　　不难想象，SubtleIR ™应用到医疗日常流程后，将产生广泛的影响，大大减少手术室的辐射暴露风险，降低患者和临床医生患癌症的风险，此外还可以加快处理速度，提高工作流程效率和服务更多的患者。

　　在PET/CT 中，通过深度学习技术加速PET 检查，采用低剂量扫描的同时提升图像质量与分辨率。在四倍成像速度下，依然能保证同现行PET 扫描持平甚至更高的诊断效果。而且将特异性核素（例如前列腺PSMA 核素和阿尔茨海默症Amyloid 淀粉样蛋白核素）也涵盖其中，使得PET/CT 又迎来了快速发展期。

　　产业如何落地

　　产业落地是个重大而又严肃的问题。我们知道，一些 AI 公司在盈利变现方面遭遇了比较大的困难，这其中有这样那样的原因。在国内，AI 厂商的商业模式不可能和欧美一致。AI 加速技术在国外都采用合作收取年费的模式，这在我国可能会遇到一些理念的挑战。

　　国内更接受增量市场的连带采购，也就是新设备进场时作为附加条件。所以，各设备厂商积极在设备上嵌入这样的技术，是公立医院普遍可以接受的方式。但是，更大的存量市场在不改变设备的基础上，也可以将AI 加速技术嵌入到医院网络中，即在图像生成上传后，在网络中进行图像优化。

　　以国外的经验来看，这对于有巨量保有量设备的医院来说，不失为一种好的方法，即：给老设备AI赋能。在国内，民营医院、第三方影像中心更能先于公立医院来接受服务费的理念。同时，国内的AI 加速赛道企业也会瞄准这一块市场开创新的商业模式，我们拭目以待。