新冠肺炎（COVID-19）疫情在全球持续蔓延，让全人类遭遇了一场前所未有的公共卫生危机。封城、停工、居家等防疫措施，导致全球一度陷入“大封锁”状态，经济停滞、政治失稳、社会撕裂、地区分隔等问题也相伴而生。面对如此严峻的形势，如何快速遏制疫情的发展就显得极其重要。随着AI技术的兴起与发展，其在医疗上出色的表现早已使AI与医疗结合成为新的范式。那么，在这场抗疫中，AI能否助力抗疫？迄今为止，AI技术究竟为这场战役带来了什么改变？具体又有哪些应用呢？AI究竟是如何帮助医生共同抗疫的呢？RT-PCR作为检测新冠肺炎的金标准，AI能否有望取代其位置成为下一个金标准呢？这些问题都值得我们去深入思考。

基于以上问题，2021年3月16日CCF YOCSEF哈尔滨成功举办了“AI赋能医学影像助力抗疫-医工结合的新典范”的技术论坛，就以上问题进行了总结和讨论。本次技术论坛，邀请了哈尔滨医科大学附属二医院主任医师刘白鹭教授，武汉科技大学刘小明教授，天津大学张长青副教授以及中国科学院计算技术研究所罗纯龙博士作为汇报嘉宾，就目前AI在抗疫及临床医疗产业化的关键技术及应用落地做了精彩的报告。本次论坛受到了各界人员的关注，参与论坛的人数将近70人，大家在收获知识的同时也对智慧医疗的现实与未来有了更加深刻的认知。

图1 线上参会人员合影

本次技术论坛由CCF YOCSEF现任副主席-马吉权和现任AC孟德昕共同主持。首先，主持人通过提问的形式引出了本次论坛的主题，并向大家介绍了参与讨论的嘉宾，最后简述了会议的流程。

第一位讲者刘白鹭教授进行了题为《基于医学影像的新冠肺炎诊断—AI赋能医学影像助力抗疫》的发言。刘教授首先从历史发展阶段介绍了新冠肺炎疫情的背景，接着着重介绍了新冠肺炎的影像学表现，具体对CT图像特征分为早期、进展期、重症期和吸收转归期，并对每一个时期的特征以及不同年龄段的人群做了详细的解释和展示。然后，对影像学在新冠肺炎诊治中的价值与问题进行了总结与分析，由此引出了下一个AI产品辅助医生进行新冠肺炎的影像学诊断的论点，得出了利用AI产品能够精确测算疾病累及的肺炎负荷，节省了人力与时间投入，提升了病情的评估效率的结论，并向参会者展示了AI实时应用的场景。其次，刘教授还提出将新冠肺炎智能辅助诊断模型嵌入放射科影响检查流程中，可搭建基于人工智能的新冠肺炎患者快速筛查、诊断的预警系统的观点。最后，刘教授对我国在AI理论、技术和整体应用水平进行了展望，并作出AI辅助系统可以大大提高CT诊断效率的总结。

图2 哈医大刘白鹭教授-“基于医学影像的新冠肺炎诊断”

第二位讲者刘小明教授进行了题为 《CT图像上用笔画注释的COVID-19感染区弱监督分割》的汇报。首先，从成像技术、自动分割病灶的挑战以及其他方法的不足等方面进行了背景及意义的介绍。针对这些缺点，刘教授提出了一种新的针对COVID-19感染区的CT弱监督分割方法，该方法只需要笔画监督，使用不确定性感知的自集成和变化一致技术增强。接着，刘教授向大家展示了所提方法的三个创新点，并分别做了解释。然后从网络结构、训练流程、各模块功能、损失函数等角度详细介绍了所提出的方法。随后，向大家展示了实验结果，并做了简单总结。

图3 武汉科技大学刘小明教授-“笔画标记COVID-19感染区弱监督分割算法研究”

第三位讲者是来自天津大学的张长青副教授，他的汇报主题为《多模态智能医学诊断》。张教授首先由RT-PCR低灵敏度引出肺部CT检测的有效性的背景，说明了自动检测技术的必要性。接着，向大家展示了COVID-19和社区获得性肺炎的区别，以及COVID-19的数据集。然后详细为大家介绍了多模态特征学习的结构和原理并证明了其有效性。其次，张教授进一步对此工作做了改进和完善，他从图注意网络的视角向大家展示了多模态特征学习，通过实验结果证明了该方法的有效性。最后，向大家展示了他在多模态机器学习及智能医学诊断的代表成果，并对多模态学习做了简单总结。

图4 天津大学张长青教授-“多模态智能医学诊断”

最后一位讲者是来自中国科学院计算机技术研究所在读博士罗纯龙，他进行了题为《基于深度学习的G显带人染色体核型自动分析关键算法研究》的报告。罗博士首先介绍了什么是染色体核型分析，并从三个关键步骤分别详细介绍了染色体核型的自动化分析。在此之前，罗博士阐述了本次研究的临床意义以及科学意义。首先基于第一个关键步骤，即基于模板特征的染色体计数，他从两个创新点依次展开说明，并用实验结果证明了其有效性。接着介绍了基于低维嵌入的染色体计数，同样从两个创新点验证了他的方法。然后是基于先验知识的染色体分类方法，再次通过创新损失函数等方法，验证了他的想法。最后，罗博士对其方法进行了demo的展示，让大家真正见识了AI技术给抗疫带来的帮助。

图2 中科院罗博士-“人染色体核型自动分析关键算法研究”

四位嘉宾报告完之后进行了互动交流环节，围绕本次论坛的主题，主持人首先引出了三个议题，让参与本次论坛的嘉宾选择性谈论，三个议题分别是：

Q1: AI落地--如何跨越医学知识和信息技术之间的鸿沟？

特邀嘉宾刘白鹭教授首先解释了医学知识和信息技术之间产生鸿沟的原因，即一般医生注重临床，而研究人员注重研究技术，二者在彼此的领域里了解甚少，所以产生了鸿沟。对于大部分研究者，只是注重数据，很少关注医学方面的知识，所以要想跨越这个鸿沟，就应该加强医生和研究人员的交流，了解彼此的需求，真正减少这样的鸿沟。而特邀嘉宾刘小明教授认为，不管是对于医生还是研究人员，同时去学习和精通两个领域的知识是很困难的，因为不管哪个领域，都是非常精深和难懂的，所以鸿沟必然存在，研究者在做研究的同时应该努力去了解医学知识。特邀嘉宾张长青教授也认同了刘小明教授的观点，他认为，医学和信息的发展是相互独立的，且两方面都很复杂，所以技术人员需要耗费很大精力进行双方面的研究，所以鸿沟是必然存在的。但是在以后的发展中，如果加强医生和研究者的沟通，及时交流，同时增加模型的可解释性，这一方面的发展是很有希望的。

Q2: AI在后疫情时代如何在医疗领域回归现实稳步发展？

Q3: AI智慧医疗的未来，医生和工程谁是真正的主角？

主持人问题：从临床角度讲，新冠肺炎和普通肺炎最大的区别是什么？在实际诊断中是否采用像PCA这样的传统方法进行对比？

回答 （刘白鹭）:不同的肺炎有不同的临床特点，有一些肺炎是有影像学特点的，比如细菌性感染肺炎，新冠肺炎属于病毒感染，也具有一定的特点。单从影像上看，首先需要对其做一个大致的分类，比如是细菌性肺炎还是病毒性肺炎，若确定是病毒性肺炎，则需要根据患者的临床表现、流行病学史以及实验室检查都结合在一起，才能做最后的诊断。但是影像有时候存在“同影异病”的问题，所以单从影像学诊断是有一定的难度，所以需要实验室检验查看各项指标，结合流行病学史才能做出最后的诊断。

主持人问题：针对张长青老师的研究和方法，跟传统的方法相比有什么不同？

回答（张长青）：传统方法是可以继续用的，但是现在有很多的特征，且特征之间的关系是非常复杂的，而稀疏特征的选择有一个前提，即模型认为只有少数特征或者部分特征是有效的，大部分特征是没有用的。但研究人员并不确定这些特征到底是否真的有用，只是研究人员的一种尝试和探索，且传统方法会受到噪声的干扰，但是传统方法最大的优势就是泛化性较好，但是推广性较弱，对稀疏模型效果并不好。所以要用复杂的模型，去挖掘数据之间的非线性或者层次性的关系，故而引入了专家知识或者结构化，来保证模型的泛化性能，很好的兼顾了问题的复杂性和简单性的平衡。但以往的模型再加入简单化的话会导致问题更加简单，但实际问题是否简单并不能下确定的结论。

主持人问题：AI是如何推动到实际应用中的，医生和研究人员是如何进行交流的？如何去促进交流？

回答（罗纯龙）：医生和研究人员需要双向奔赴，AI刚开始兴起时，医生非常谨慎，并不是很愿意接受人工智能的技术，但是随着深度学习近几年取得的成果，医生也逐渐开始接受，思维开始转变，从而辅助医生完成临床诊断。但目前存在的一个问题就是利益上的分配，从医生的角度来讲，他们的理念就是治病救人，只要一些技术能够对治病有真正的帮助，但是目前一些模型虽然在某些方面能够取得非常高的精度，但是在实际应用中却并不好，所以在某种程度上会否定医生标注的工作，模型也很难嵌入到实际应用中，故而产生鸿沟。应从双方的利益考虑，也从现实意义考虑，应真正去理解医生在临床上的需求是什么，提高模型的可解释性，同时也要从实际问题出发，真正帮助医生去辅助诊断，从而AI才能走得更远。

最后，主持人对本次论坛做了总结，同时对AI在未来助力医疗上做了展望，欢迎各位参会的专家学者有机会到美丽的冰城哈尔滨来做客！