中国计算机学会青年计算机科技论坛

CCF Young Computer Scientists & Engineers Forum

CCF YOCSEF长春

时间：2022年12月17日（星期六）14:00-17:00

“人工智能技术如何助力临床医学影像诊断？”技术论坛

2022年12月17日，CCF YOCSEF长春举办了“人工智能技术如何助力临床医学影像诊断？”技术论坛。论坛执行主席为长春分论坛副主席、吉林大学计算机学院白天和长春分论坛AC、长春工业大学数学与统计学院刘铭，线上主席为吉林农业大学信息技术学院马丽。来自省内外的200余名CCF会员、专家学者参加了本次论坛。

首先论坛主席白天介绍了本次论坛的背景。近年来，以深度学习技术为驱动的医学图像分析得到了快速发展，在辅助临床诊断方面发挥着越来越大的作用。然而，一些新的问题也在快速发展中出现，如患者诊疗图像的所属权问题、基于医学图像计算的自动化诊断可信性问题、算法模型与实际临床应用脱轨问题等。针对以上问题，我们拟邀请从事医学工智能和图像分析计算等领域的信息学科专家和临床医生等共同讨论，希望能对此领域未来发展给出建设性意见。

针对论坛主题，邀请了北京理工大学医学技术学院张法教授、上海大学通信与信息工程学院施俊教授、西北工业大学自动化学院杜磊教授做了主题报告。

北京理工大学医学技术学院张法教授带来了《基于病理图像的多模态数据融合分析》的主题报告，围绕全切片病理图（WSI）开展的生物医学数据融合分析的相关工作，以及在肿瘤标志物MSI和生存期分析方面的应用。

上海大学通信与信息工程院施俊教授做了《基于迁移学习的医学影像CAD研究》的主题报告。报告主要针对医学影像数据，介绍课组在基于迁移习的医学影像 CAD 方面的工作，重点介绍双监督迁移学习法和自学习方法。

西北工业大学自动化学院杜磊教授以《纵向脑影像的遗传基础与脑疾病诊断》为主题进行报告。以纵向脑影像为数据基础建立AD等神经退行性疾病的进展是理解脑疾病的重要手段之一。在报告中，解读了疾病进展模型及其遗传基础，进而介绍我们在疾病进展和基因关联方面的工作。

在接下来的思辨环节，报告嘉宾、引导嘉宾及所有的线上与会人员围绕“现阶段的医学图像智能诊断更适合面向诊前初筛还是诊断中辅助?”、“医学图像分析计算面临的临床医学影像样本稀缺问题症结在哪里?”、“临床医学影像诊断模型的可解释性和准确度哪个更重要?”等三个议题展开思辨。

本次论坛邀请的思辨环节特邀嘉宾是吉林大学周丰丰教授、西湖大学杨林教授、吉林大学第二医院刘建华主任医师、温州大学陈慧灵教授、哈尔滨工程大学潘海为教授、吉林大学第二医院满玉红主任医师，嘉宾就论坛思辨议题发表了各自的观点见解。

周丰丰就异构数据融合及降维对于临床医学影像诊断问题的重要性上发表了自己的观点。对于大量的异构生物大数据对于机器学习和深度学习算法提出了巨大挑战。目前课题组进行了差解组合、定量化调控关系、可解释的构造特征空间等方面进行了研究，取得了较好的效果。对于医学影像的数据分析，要融合多个不同的数据模态，在算法和数据角度进行思考。

杨林认为，在实际运用场景中，由于各种伦理和监管问题，影像诊断在初筛中运用较好。样本稀缺问题，一是数据共享困难，还有是数据清理问题以及信任问题。可解释性与准确度都重要，准确度应在第一位，可解释性与准确度是相辅相成的，一个好的系统是可解释的也是准确的。

刘建华认为，诊前初筛在临床医疗中已达到共识，对于辅助诊断，不同的医院会有不同的权重。样本稀缺问题，不同设备扫描参数不同，另外图像的标注也是一个瓶型，缺少多中心、大样本和前瞻性设计。可解释性和准确度问题，准确度排在第一位，不准确无法推广，解释性不好也会限制推广的范围。

陈慧灵认为，医学影像在诊断和初筛根据场景不同使用也不同。在医疗资源匮乏、轻病症情况下，初筛应用较多。在精细化诊断方面，辅助诊断可以提高判读率，有很大的空间。样本稀缺的原因是没有统一的共享规范，不同设备采集数据，数据标注困难。可解释性和准确度问题，准确性和可解释性是相辅相成，一个完美的医疗系统要两者兼具。

潘海为认为，不能一定说适合初筛或者诊断，要根据不同医院不同需求而定。在降低工作量上，适合辅助诊断。另外，有的智能技术能提供初筛，有的是进行辅助诊断。样本稀缺问题，数据量较大，但可用性较差。常规疾病，数据集较多，罕见病样本较少。数据标注困难，也导致样本稀缺问题。准确度和可解释性问题上，准确度很重要，准确度高可以辅助医生进行诊断。模型上很难做可解释性，还要不断研究。

满玉红认为，适合诊断还是初筛，需要看针对何种人群。对于确切的有临床症状的病人来说，诊断中的辅助作用更需要。不同人群，需求不一样，辅助诊断的意义也不同。样本稀缺问题不是单一的技术问题，而是社会问题，我们不缺绝对数据，缺少高质量数据，根本症结在信任度和医学伦理上，另外数据的同质性也是一个问题。准确性是第一位的，是对患者诊断的前提。在准确度保证的前提下，可解释性越好临床上越易接受。

思辨嘉宾引导发言后，与会嘉宾针对三个议题各抒己见。对于第一个议题，王晗认为，对于诊前初筛和辅助诊断，要看适用环境，要看有效性。闫飞更倾向于诊前初筛，匡哲君更倾向于应用在早起初筛。针对第二个议题，张昕认为样本稀缺问题症结在于技术层面和数据采集规则和范式的问题。程超认为样本稀缺是数据资源挖掘不足，结合病例等进行挖掘更好。针对第三议题，王兴旺、匡哲君认为可解释性比较重要。施俊认为，可解释性很总要，但在目前技术下可解释性非常难做，目前可解释性更重要一些。程超认为在专家系统干预下，准确度更重要。陈晨认为可解释性比准确度优化更难，要进行准确度的优化。准确度是更重要的一点，可解释性上也要做优化。

论坛气氛热烈，嘉宾在线上讨论区也进行了激烈的讨论，周丰丰就嘉宾提出的“在医学图像处理中，公开数据集训练的模型无法适用于多个不同的设备不同的分辨率图像”问题，给予解答，认为需要有合理的批效应处理和尺度放缩等预处理，同时建模算法也需要有针对性的设计与优化，这牵涉到“医学知识”的计算机表征及整合到模型中的算法方式。对嘉宾提出的“解释性对于临床医生来说具体的需求是指哪些方面”问题，满玉红给出了解答，认为测定的指标对于具体疾病的诊断意义有多大是最关键的。

经过整个下午的深入探讨和热烈思辨，本次论坛观点总结如下：

1.现阶段的医学图像智能诊断更适合面向诊前初筛还是诊断中辅助，要看针对何种人群以及实际场景。诊前初筛在临床医疗中已达到共识，应用较多。对于辅助诊断，不同的医院会有不同的权重，也要看针对何种人群，不同人群不求不一样，辅助诊断的意义也不同。对于确切的有临床症状的病人来说，辅助诊断作用更大，可以提高判读率，降低医生工作量。

2.目前临床影像数据量巨大，但是可用、高质量样本数据较少，样本稀缺不是单一的技术问题。一是由于医学伦理等问题，导致数据共享困难；二是不同设备采集数据标准不同，不同设备扫描参数不同，导致数据无法通用；三是图像样本标注困难，缺少多中心、大样本和前瞻性设计导致。

3.临床医学影像诊断模型的可解释性和准确度问题上，准确性和可解释性是相辅相成，一个好的医疗系统要两者兼具。就目前而言，准确度应在第一位，不准确无法推广，准确度高可以辅助医生进行诊断。在准确性前提下再考虑可解释性,解释性不好也会限制推广的范围。目前在模型上做可解释性，还要不断进行研究。

议题思辨结尾，本次论坛执行主席白天做总结发言，感谢报告嘉宾从多个角度为我们带来了学习的宝贵机会，感谢思辨环节特邀嘉宾、YOCSEF长春以及兄弟论坛和所有参加本次论坛成员的支持！