醫(yī)生如果遇到病人出現(xiàn)胸痛、身體緊張、呼吸急促，為了排除心臟病風(fēng)險(xiǎn)，會(huì)要求患者采用核磁共振成像檢測(cè)心血管、心肌是否有損傷。

由于心臟被骨骼、肌肉等器官包裹，為了盡可能清楚的顯示心臟情況，通常還會(huì)通過靜脈為患者注射“造影劑”，簡(jiǎn)單說就是一種血液染色劑，它在和血液一起流動(dòng)的過程中會(huì)附著在疤痕、增生組織等異常部位上，在核磁共振下就能幫助清晰顯示心臟內(nèi)部的情況。

這項(xiàng)技術(shù)的出現(xiàn)極大改進(jìn)了核磁共振的檢測(cè)精度，但也讓患者必須忍受更多痛苦，而且價(jià)格還不便宜，如果自己有腎臟疾病也無法使用，因?yàn)樵煊皠┤匀挥幸欢ǘ靖弊饔?，?duì)腎病患者有器官衰竭的風(fēng)險(xiǎn)。

雖然有種種問題，造影劑在檢測(cè)上簡(jiǎn)單、快捷的優(yōu)勢(shì)難以取代，讓它在眾多新技術(shù)的挑戰(zhàn)中都生存了下來。

最近科技前哨的小伙伴持續(xù)掃描生物醫(yī)藥技術(shù)前沿時(shí)發(fā)現(xiàn)，這個(gè)現(xiàn)狀正在被人工智能技術(shù)所改變。

1.造影劑打敗了更好的檢測(cè)方式

2010年，牛津大學(xué)拉德克利夫醫(yī)學(xué)系的斯蒂芬·皮奇尼克教授帶領(lǐng)團(tuán)隊(duì)研究是否存在無需造影劑的方法。

利用名為無對(duì)比度T1核磁共振的改良技術(shù)，多次嘗試后，在無需造影劑的情況下獲取了心臟組織豐富信息，其豐富程度遠(yuǎn)超很多人想象，連非常微小的疤痕和造影劑無法顯示的病理特征都能呈現(xiàn)出來。

更豐富的數(shù)據(jù)原本是好的，但這對(duì)傳統(tǒng)的心血管醫(yī)生而言卻變成了噩夢(mèng)，通過造影劑生成的影響只有傷口和疤痕組織會(huì)被凸顯出來，可以很快做出判斷，新的T1造影成像則是什么信息都會(huì)放在上面，需要專家花時(shí)間慢慢辨認(rèn)才能看出一二。

這一點(diǎn)上的差別讓新技術(shù)沒有真正改變產(chǎn)業(yè)格局，只有少數(shù)醫(yī)療機(jī)構(gòu)在特殊病例診斷時(shí)才會(huì)花時(shí)間使用這套方法，大多數(shù)時(shí)候?yàn)榱思涌觳∏樵\斷仍然會(huì)使用造影劑。

2.跨學(xué)科團(tuán)隊(duì)的新嘗試

不過這一切都沒有阻止研究者不斷嘗試新技術(shù)的決心，斯蒂芬團(tuán)隊(duì)在今年9月底再度發(fā)表新的研究成果，基于深度學(xué)習(xí)技術(shù)，集合核磁共振和心臟病專家團(tuán)隊(duì)的經(jīng)驗(yàn)，開發(fā)了一種名為虛擬原生圖像增強(qiáng)（VNE）的算法，可以自行評(píng)估成像結(jié)果上的心肌疤痕組織，判斷哪些有引發(fā)心梗的風(fēng)險(xiǎn)。

這套算法的原理是將多個(gè)T1核磁共振成像結(jié)果與心臟的活動(dòng)信息結(jié)合，突出顯示其中的病理特征，這也就是它被稱為“虛擬原生圖像增強(qiáng)”的原因，其中的原生二字著重強(qiáng)調(diào)它不需要使用造影劑的特性。

這項(xiàng)研究已經(jīng)發(fā)出就收到了不少關(guān)注，因?yàn)椴簧偃艘呀?jīng)發(fā)現(xiàn)這項(xiàng)技術(shù)還可以用于檢測(cè)心臟病發(fā)作患者的疤痕組織，準(zhǔn)確性更高還更為方便、快捷，能很好的評(píng)估心臟病發(fā)作患者是否有留院治療的必要。

根據(jù)相關(guān)研究分析，這項(xiàng)技術(shù)成功應(yīng)用可以將患者核磁共振掃描花費(fèi)的時(shí)間從30-45分鐘縮短到15分鐘內(nèi)。

斯蒂芬團(tuán)隊(duì)還在努力提高技術(shù)的可用領(lǐng)域，準(zhǔn)備訓(xùn)練新的AI檢測(cè)其他更復(fù)雜的心臟疾病，超越已有的核磁共振檢測(cè)能力。

3.技術(shù)升級(jí)帶來的跨學(xué)科突破

仔細(xì)看下前面提到的時(shí)間線，你就會(huì)發(fā)現(xiàn)這場(chǎng)研究的時(shí)間長(zhǎng)度橫跨10年，直到2021年斯蒂芬團(tuán)隊(duì)才提出新方法的概念原型，當(dāng)時(shí)他們使用AI成功檢測(cè)了年輕人心臟猝死常見原因——肥厚型心肌病，這才有了今天的新成果。

一般的研究團(tuán)隊(duì)肯定很難忍受一個(gè)成果常年閑置，但梳理斯蒂芬和他的團(tuán)隊(duì)經(jīng)歷我們發(fā)現(xiàn)，這個(gè)團(tuán)隊(duì)之所以能等這么長(zhǎng)時(shí)間，因?yàn)樗麄円恢倍疾蝗毖芯宽?xiàng)目。

他們的研究方法就是將跨學(xué)科技術(shù)應(yīng)用到生物醫(yī)學(xué)領(lǐng)域，在近30年的研究時(shí)間里，他們?yōu)獒t(yī)學(xué)研究引入了數(shù)據(jù)、生物物理建模、測(cè)量系統(tǒng)、先進(jìn)成像、基因測(cè)序、人工智能等技術(shù)。

斯蒂芬團(tuán)隊(duì)相信這次用上的人工智能技術(shù)會(huì)成為行業(yè)標(biāo)準(zhǔn)，掀起一場(chǎng)醫(yī)學(xué)成像技術(shù)的新變革。

也就在斯蒂芬團(tuán)隊(duì)新研究公布沒幾天，Google Cloud 推出了人工智能醫(yī)學(xué)成像套件（Medical Imaging Suite），其中包含了人工智能輔助的醫(yī)學(xué)成像診斷功能，既可以讓醫(yī)院的專家團(tuán)隊(duì)自行訓(xùn)練AI、積累經(jīng)驗(yàn)，也可以使用現(xiàn)成算法幫助快速完成診斷工作。

谷歌之所以盯上這里，原因也很簡(jiǎn)單，核磁共振、x光等醫(yī)學(xué)成像技術(shù)是醫(yī)院診斷中占比最大的一部分，粗略統(tǒng)計(jì)每年有數(shù)十億張?jiān)\斷圖像輔助診斷病因，占醫(yī)療數(shù)據(jù)的90%左右。

如此巨大的數(shù)據(jù)量，既能發(fā)揮人工智能的作用，又能反過來提高人工智能的能力，自然是AI企業(yè)眼中的低垂果實(shí)。

那么人工智能加持的影像識(shí)別會(huì)多快到來呢，其實(shí)這就要回到醫(yī)療產(chǎn)業(yè)的先天結(jié)構(gòu)來看，在這個(gè)相對(duì)封閉的領(lǐng)域中，我們判斷人工智能等新技術(shù)的應(yīng)用還需要時(shí)間，反而是前沿研究領(lǐng)域必須趕緊用上。

如果你是某個(gè)領(lǐng)域的研究者，趕緊學(xué)學(xué)人工智能，把手里的數(shù)據(jù)變成具體的AI功能，不需要花太大力氣就能開辟一條新的賽道，甚至可以借此推出新的學(xué)術(shù)工具，成為新的研究標(biāo)準(zhǔn)也不是沒有可能。