0
| 本文作者： 吴彤 | 2021-11-15 10:22 |
人工智能在医疗领域的应用日趋成熟，特别是在医学影像领域，多款人工智能产品已通过国家认证，并在国内上百家医院顺利投入使用，AI加持下的医学影像学，在预防、诊断、治疗及预后评估的质量和效率上都有了质的提升。
近日，北京和睦家医院在北京召开“和睦智能影像论坛”，本次大会由中国非公立医疗机构协会、和睦家医疗主办，雷锋网作为首席战略合作媒体进行报道。二十多位国内顶级的临床专家、教授以及国际知名的医学AI应用研发团队，共同聚焦、探讨人工智能影像的临床应用及科研进展，分享工作经验与研究心得。
新风医疗首席执行官、和睦家医疗创始人Roberta Lipson用一段中文进行了致辞。她表示，AI技术发展很快，也有越来越多的人在使用和受益于AI技术。希望通过这次论坛，可以让各位学者汇聚一堂，一起讨论AI在临床治疗全过程的应用经验，以及如何为人类健康更好地服务。
中国非公立医疗机构协会放射专业委员会主任委员郭启勇表示，从Basic语言到c++、Java的变化，从单机、云计算到元宇宙，计算机促进了人类和社会的发展。在信息化领域，计算机也深刻影响了影像学的发展，CT、磁共振等数字影像集聚着数字的魅力，从CAD到AI，无一不在影响和推动医学影像的进步。我相信，通过这次论坛，可以促进民营乃至公立医疗机构的智能影像技术的发展。
和睦家医疗事务副总裁马沛恩表示，我对AI在医疗领域的应用特别感兴趣，无论是支持用于管理的临床诊断，还是其他前沿的应用案例。作为一种工具，AI只会继续以我们从未见过的方式支持医疗服务。我非常期待听到来自所有专家的应用分享。我希望，今天的大会对所有参与者都是富有成效的，成为我们所有人学习、结识新老朋友的平台。
和睦家首席医疗官孙芾在致辞中说到，非常高兴大家能够参加北京和睦家医院与中国非公立医疗机构协会共同举办的论坛。在今天的论坛中，共有二十多位专家，包含了影像基础研究、临床诊断、内外科系统等多个领域进行学术交流，干货满满。感谢各位专家的大力支持，预祝大会圆满成功。
作为本次大会的开场报告嘉宾，郭启勇教授是中华医学会放射学分会第十二届主任委员、中国医师协会放射医师分会前任会长、原中国医科大学副校长、盛京医院院长。他的演讲题目是《医学影像AI的现状与未来》。
郭启勇教授在演讲中表示，AI在医学影像领域已有76款产品获得FDA批准，中国AI企业也在国际崭露头角。而AI的研究在逐步从单一应用走向疾病的全流程的管理。“从CAD走到AI，本质上是图像的特征提取、学习，没有关注临床的需求。所以真正的AI，未来一定是从单一的应用走向疾病的全流程管理。”
因此，未来医学影像AI要关注几个方面，首先，要注重技术与产品诊断的准确性，要进行端到端的研究，打破从科研到临床应用的壁垒；其次，要覆盖放射科工作全流程，从覆盖疾病诊疗全流程的角度来形成AI产品，最大限度减少或者消除非高技术类的劳动。
而医学影像AI也面临诸多挑战，例如：
动摇人道德主体地位风险及是否符合人类道德标准的问题（研发和使用标准化）；
大众公平受益问题（AI助益远程医疗）；
医疗安全风险问题（数据管理和使用标准化）；
医疗安全责任划分及认定问题（责任认定标准化）；
监管和政策法规问题（加强准入与监管，物价及医保）
郭启勇教授表示，解决这些问题，最根本的是依靠监管和政策法规的不断完善，进而实现完整的准入和使用制定，这样医学影像AI的明天才会越来越美好。
作为特邀报告的第二位嘉宾，Maryellen L.Giger教授是美国芝加哥大学放射学系（基础科学研究）副主席。同时，她也是医疗AI公司Quantitative Insights公司联合创始人，公司QuantX产品为美国FDA批准的首个机器学习驱动的癌症诊断辅助系统（CADx），2019年被《时代》杂志评为年度发明之一。
Maryellen L.Giger教授以AI在临床三维乳腺MRI及新冠肺炎方面的应用为例，进行了分享。
她表示，为了有更强大的人工智能，要跨过所有阻碍道德和值得信赖的AI人工智能的陷阱，特别是在数据和人工智能算法的训练/测试方面。“我们需要大量多样的数据，需要避免‘弗兰肯斯坦’式的数据库，避免拿到过于乐观的结果。”
因此，Maryellen L.Giger教授团队正在开展一个数据集项目——MIDRC，包括放射科医生，医疗企业，成像科学家都参与其中。该项目于2020年8月开始并建立的，为期2年。Maryellen L.Giger表示，所有的人工智能研究人员都可以访问，有了这样的数据集，我们将通过对算法性能进行真实世界验证，加快向公众的推广。
第三位讲者是北京肿瘤医院医学影像科主任孙应实，他的演讲题目是《人工智能在结直肠癌诊疗中的应用》。
他以广东省人民医院刘再毅教授发表在《Journal of Clinical Oncology》杂志上的研究成果、北京肿瘤医院与中科院自动化所田捷教授团队关于结直肠癌疗效评价的研究等多个案例进行分享。
孙应实教授在对直肠癌影像组学的文章进行总结时表示，未来有两个方向值得探索，一个是自动分割与分类，包括术后病理的预测、长期预后的预期以及基因型的预测；第二个方面，进行多中心研究，增加训练数据的规模，提高模型在不同环境中的泛化能力，从而有望将人工智能从研究真正推到应用。
麻省总医院&哈佛医学院教授 Gregory Sorenson
第四位讲者Gregory Sorensen教授是DeepHealth创始人、麻省总医院&哈佛医学院教授。他的演讲主题是《AI of Medical Imaging in Oncology》。
他表示，Al有巨大的前景，局限性正在得到解决，而医学成像的发展特别适合机器学习的进步。”30多年前在研究生院的时候，我就将研究计算机视觉作为一个副业，到了今天，计算机视觉的发展远超想象。但与此同时，AI也和人一样存在偏见，同时还有不可解释性。”
他以机器学习在乳房X光检查中的应用为例，分析了AI在一些实际医学问题中的价值与缺陷。
Gregory Sorensen表示，“我们开始理解这些偏见，并且正在克服。这反过来使我们能够建立一个真正有用的人工智能。如果我们能将深度学习应用于癌症成像、病理切片、结肠镜检查图像，当所有的专业知识都被浓缩到软件中，就可以把世界上最好的医生带到每一个病人身边。”
吕乐博士是阿里巴巴医疗人工智能实验室负责人、阿里巴巴达摩院美国研究员，IEEE Fellow、MICCAI委员会成员，曾任西门子、NIH、英伟达、PAII资深科学家、资深研究经理和执行院长。
他发表了主题为《Facing the global health challenges in population health and oncology via scalable AI tools》的演讲，主要分享在公共卫生及肿瘤方面的AI应用成果。
吕乐博士表示，医疗AI要思考的最重要问题是对临床的作用，要学会做“有意义”的事情。
他以南加州大学发表在《Nature Communication》的一篇论文为例，研究人员可以基于最普通的病理染色图片，利用AI的方法可以判断胰腺癌病人的受体是阴性还是阳性，从而帮助医院优化了成本（免疫染色的方法更贵，也便利了病人）。“人工智能做到了人能猜，但是做不好的事情，临床意义很大。”
接下来，吕乐教授分享了与台湾长庚医院合作利用X光图像计算骨质疏松的风险度、与肝脏内科医生合作的脂肪肝定量分析、以及在肿瘤领域（胰腺癌、肝癌）早期诊断的多个案例，其中包括了与北京和睦家医院放射科合作的胸部病灶筛查模型的验证研究。
吕乐博士表示，医疗AI的技术要遵循中庸之道，既要有追求创新的精神，也要思考技术的临床价值。科学家和临床医生一定要肩并肩工作，像一个真正的团队一样紧密合作。
北京和睦家医院骨科主任路继科主任发表了主题为《智能影像指导骨科机器人手术》的演讲。
他表示，传统的髋关节置换有不少缺点：术中骨折、术后脱位、肢体长短、边缘负荷增加导致骨溶解，而髋关节置换后容易双腿长短不一，还容易引发诉讼。因此，正确的假体大小和精确的位置安放是关键，而机器人就可以解决这个问题。
他以和睦家医院引入的MAKO机器人为例，分享了MAKO机器人辅助髋关节置换的原理和操作，其目的是减少关节组建放置的边缘失误，增加关节置换的精确性和准确性，显著减少并发症的发生。
但是，MAKO关节置换机器人也存在一些局限性，例如价格和效率比，需要技术支持，在手术时间和失血方面没有改进。当然，随着机器的更新换代，MAKO4.0版本对于复杂髋臼发育不良和腰骨盆矢状位不平衡的髋关节置换有明显优势。
中日友好医院放射科主任谢晟发表了主题为《成人四肢骨折人工智能检测的优化研究》的演讲。
谢晟主任基于CT金标准的成人四肢骨折AI优化评价研究，试验内容是基于CT金标准对现有的深睿四肢骨折AI进行优化，评价优化前后的AI对于成人四肢骨折的诊断效能，与原始医师评价记录进行诊断效能的比较。
谢晟主任表示，这项研究的算法创新之处在于旋转数据增强，包裹框再生成消除特征图歧义，纯阴性图训练降低假阳性、多层特征输出，加强小目标识别。而在训练集和测试集的规模上，总样本量为666例，其中训练集395例，验证集99例，去除图像质量不合格之后的测试集为191例。而经过优化之后的AI，对于撕脱骨折、非撕脱骨折及其他部位骨折检出率都实现了大幅度的提升。
谢晟主任也补充到，部分关节的诊断还需要进一步提高，假阴性、假阳性有望通过针对性训练更加改善。
李纯明教授是电子科技大学信息与通信工程学院教授 ，IEEE Fellow，中国体视学学会智能成像分会副主任委员。他发表了《基于知识和典型特征点的医学影像分割方法》的主题演讲。
李纯明教授表示，医学图像的噪音、对比度低、磁共振图像的明暗度不均匀、CT图像的金属伪影等，都给分割算法带来很大的挑战。而深度学习本身的不可解释性、依靠大样本训练、泛化性差等缺点，也进一步促进研究人员寻求更多的创新点。
他以近年来在左/右心室图像分割工作为例，试图将解剖学知识融入图像分割算法里。李纯明教授表示，很多解剖学结构是凸出的形状，而这个“凸性”可以用数学上曲线的曲率来描述，研究人员就可以用算法自动算出曲线曲率，进而引导曲线的运动、实现图像分割的效果。这样的方法，也可以用在三维图像中。
此外，他还分享了基于前向和后向扩散的图像去噪和图像分割的工作方法和成果。
李纯明教授表示，基于典型特征点的图像分割方法，可以简化传统的交互式分割的人工操作（从前景背景划线到取典型特征点），简化机器学习的方法的手工标注，降低了手工勾画边界的难度。
冯逢教授是北京协和医院放射科副主任，主任医师，她以《人工智能在癫痫影像中的应用》为题，做了报告。
冯逢表示，癫痫属于反复发作为特征的神经元异常放电的突发性疾病，导致中枢神经系统出现短暂障碍的慢性疾病，影响所有年龄层次。它存在两个发病高峰，一个是儿童青少年群体，一个是中老年群体。目前，图像诊断和脑电图诊断结的联合诊断是确诊和识别癫痫的重要手段，但目前至少还有50%的癫痫疾病无法确定病灶。
冯逢谈到，由于个体大脑先天或后天发育的不同，以及大脑皮层本身的不规则型结构，目前二维成像和脑电波在诊断时耗时、费力，精准度低。
她表示，以往的人工智能方法是通过机器学习图像和脑电图数据来做预测和诊断，但近年来大家关注到癫痫是一个长期慢性的、综合性的疾病，通过增加小脑数据、年龄数据、心情数据等多元数据，选取不同特征学习成为临床新手段。但难点在于这些病例都没有很大的样本，难以做标准化的大样本分析。
最后，冯逢提到，目前人工智能的研究方法在癫痫临床应用中有很大优势，并有以下几个特征：一是目标癫痫的综合征不同；二是影像设备、序列不同；三是提取的特征不同；四是机器学习的策略不同。因此不同的机器学习方法对应不同的临床问题，很难比较得出哪种机器学习的模型更好。
何晖光教授是中国科学院自动化研究所研究员，中国科学院大学人工智能学院脑认知与智能医学教研室主任、岗位教授。他以《人工智能在神经精神疾病研究中的应用》为题，进行了主题分享。
他表示，在神经精神疾病领域，人工智能的研究框架包含病理学研究和计算机辅助两部分。其中前者涉及大脑结构可塑性、大脑功能的改变、与临床表现关系、潜在生物标记；后者涉及智能辅助诊断、发病风险预测、个体诊疗方案、脑机交互与协同。
因此必须要采集多中心、多病种、多手段（如磁共振、脑电，眼动）的数据，从脑结构、脑功能、脑网络、脑动态特性、脑可控特性等对比正常人和病人的大脑变化。得到这些数据后再对临床和行为数据做相关性判断，从而推进精神疾病的病理发病机制。
何晖光谈到，这部分的工作属于前端数据标记，接下来要训练一个学习模型，并逐步构建一个全脑通计算模型，更进一步，还要研究脑机交互和协同机制，形成一个智能诊疗的系统平台。
最后，何晖光在展望人工智能在神经精神疾病研究时谈到，希望这样的研究能够结合医生的专业知识，对特定脑区建模，将数据和理论相结合，增加模型的可解释性，从而对神经疾病精准调控。
会议还邀请到了中国医学科学院报编辑部副编审李洁，她以《从医学顶刊发文看高水平医学AI研究论文内容组织》为题，介绍了自己在组织医学人工智能专题的过程中，观察到的医学AI论文趋势。
李洁总结到，近年来，医学AI领域发表的学术论文有五个特点：基于AI的医学研究整体发文量在近5年数量增长达5倍，成为热点邻域；文献综述、观点、评论性文章数量增长显著，而临床试验研究发表的论文数量增长缓慢，说明AI临床研究较为薄弱；系统综述和Meta-分析文章数量较少，说明AI临床效用研究开展不足，研究报告的内容缺乏质量标准；目前尚未有基于Al医学应用的临床实践指南或共识出现，多中心临床研究论文逐年增长是一特点。
其中，顶刊评论文章中AI在医疗卫生领域的重要关注有几点：在现有疾病诊治临床路径中价值；患者获益vs潜在风险；人工智能vs医生诊疗；临床有效性需要谨慎评价；强调应用研究的可重复性；研究方法的透明性；伦理、法律、规范；AI医学研究报告指南。
李洁表示，临床试验研究发表的论文数量增长缓慢，说明临床专家普遍对人工智能技术临床应用的有效性持谨慎态度，同时，也说明研究论文的设计不完整。目前，已经出台了近 300 个临床试验报告指南，目前发表在新英格兰医学杂志上的一篇题为《人工智能检测视网膜眼底照相的视乳头水肿》论著，是一篇不错学习范文。
最后，李洁希望未来医学和工学以及出版方的能够更好地合作，提供更好的人工智能临床评价的有效的证据，让人工智能真正为患者的预后，患者疾病的诊疗结局服务。
唐磊教授是北京肿瘤医院放射科副主任，他以《胃癌影像组学研究现状及展望》为题，做了线上分享。
唐磊谈到，胃癌影像组学面临的两大瓶颈是：分期和疗效评价。目前胃癌影像学分期的准确率还不尽人意，达不到临床精准化治疗的需求。
他表示，在疗效评价方面，胃作为空腔脏器，缺乏RECIST标准认可的靶病灶，所以胃腔厚度变化是因为肿瘤本身还是自身充盈度，很难去做出客观判断。并且影像学变化后知后觉，形态改变往往迟于组织成分变化，所以临床治疗较为被动。
传统的CT观察很难从外观上客观评价，目前人工智能使医学影像从黑白图像回归到数据本源。影像组学关键技术为纹理分析(像素)、人工智能可解释性。
唐磊表示，从 17 年到 20 年，已有较多涉及到胃癌的诊断、分期、生物学行为评估到疗效评价等多个领域的文章，大部分文章来自中国。从去年开始，胃癌影像组学或者人工智能领域的研究突飞猛进。目前广东南方医科大学的李国新教授已经通过构建影像组学标签来评价胃癌的免疫微环境，进而预测胃癌辅助化疗的疗效。
同样，唐磊团队研究了胃癌隐匿性腹膜转移的影像学评估，对传统CT漏诊的腹膜转移问题做了校正，通过在MDT模式下与腹腔镜探查的点对点对照研究，进一步提高了胃癌治愈评估的准确性，降低了后续治疗的偏差。后续，唐磊团队还制定了隐匿性腹膜转移的风险度分级对照表，将其分为 4 级，为后期临床阶段提供了支持。
唐磊谈到，现在已经建立了影像组学的特征模型和深度学习的特征模型，并搭建了一个软件系统，将组学+人工智能用于疗效评价和疾病预测中。
闫轲是阿里巴巴达摩学院医疗AI实验室高级算法专家，《深度病灶：在CT中大规模的病灶分析》为题，做了分享。
闫轲谈到，目前已经搭建好基于人机交互的病灶挖掘方法，用于病灶的检测、分割以及跟踪等，从而提高检测效率，减少疾病漏诊、规避假阳性诊断等。
他表示，目前这种算法具有较好的扩展性，即能够基于已有的标注的2D信息扩展到相邻的3D层面，挖掘出没有标注的病灶；迁移性，即在一个数据集上训练的模型可以运行到另一个数据集中，挖掘出来一些潜在的漏标病灶。
田江克主任是北京和睦家医院的超声科主任，以《人工智能辅助诊断在超声诊断中的应用》为题，做了分享。
他表示，AI能在三方面给予临床诊断数据型支持：图像优化和高清成像、自动检测和测量、分析和诊断。目前多应用在宫颈癌、甲状腺、乳腺癌、甲状腺癌等多模态诊断中。
田江克提到，目前AI依靠智能中心式学习，并形成云数据存储，可以在多个中心同时操作的基础上，同时推动多个AI系统的学习和进步。
他表示， AI在超声当中的优势到底是什么？一是解决了年轻医生对于图像解读一致性较低的问题，减少观察者之间的差异，二是诊断准确度与高年资医生相似，三是便于基层标准化推广和教学。
谈到现实影响时，田江克谈到，人工智能最大的帮助就是解放了医生的一只手，在医患缩短检查的同时，让医疗回归初心，让医生和患者之间的互动更加和谐。
陆菁菁为北京和睦家医院放射科主任，以《医学影像人工智能应用与研发汇报--隐形的翅膀》为题进行现场分享。
陆菁菁表示，人工智能主要在两个方面影响医学领域：一嵌入影像临床工作流，二推动医生和科学家联手开拓新领域。目前，AI已经用于CT肺小结节筛查、CT-冠脉血流储备分数测定、可视化三维重建、手术导航、乳腺影像智能评估、骨龄生长发育检测中。
随后，陆菁菁提到，目前，AI在疾病诊断和智能预测上成熟度较高，解决了过去过度依赖解剖学和图像检测的问题。并且，越来越多的医生与AI技术研究员协作，不仅能为算法提供反馈建设，还能够真正参与到系统调试中，改变了过去做研究就是发论文的状态。此外，AI还会吸引更多的人关注到临床研究，让智能科技赋能精准医疗。
赵迎新为安贞医院老年心血管病中心主任，VIP科第一负责人。她以《基于造影的冠状动脉无导丝系统FFR：从临床研究到临床实践》为题，做了分享。
她讲到，传统诊断路径是医生目测患者是否为血管狭窄或推断是否为心脏缺血，误诊率高达1/3。目前通过 QFR 的应用，在造影后直接计算FF 值，成为目前比较客观的评价血管狭窄或心脏缺血的高效证据。
赵主任表示， AI 已经帮助让临床工作变得更精准，更简单，还能给予医生诊断支持，做出更加精确的决策。尤其是 Q-Learning 范式指导临床实践，全过程指导术前虚拟讨论、术中实践和术后恢复。
孙福成教授为北京医院心内科副主任，北京大学医学部教授，在心血管临床、保健、冠脉介入诊断及治疗方面具有丰富经验。他以《冠脉介入治疗：腔内影像技术还是功能学指标指导？》为题做了线上分享。
孙福成表示，冠脉介入治疗的优势是降低死亡率、改善生活质量；不良后果是再狭窄、血栓。因此，腔内影像技术成为辅助识别与诊断冠脉夹层的重要手段。
腔内影像学能够实时精确评估血管管腔及病变斑块情况，比如IVUS与OCT作为冠状动脉腔内影像学技术，在指导和优化大多数PCI流程中具有优越性。IVUS 与OCT指导PCI能够降低MACE与心源性死亡发生率。对于支架内再狭窄， IVUS和OCT能够明确ISR的发生机制，指导病变预处理、优化介入治疗策略，并且现已制定IVUS，OCT指导“介入无植入”PCI策略。
他总结到，腔内影像技术与生理学技术在结合时有四点特征：不同技术的目标各异；两种技术互补，不存在相互替代；两种技术的融合是将来的趋势；无创性技术的应用是一大前景。
王德昭是北京和睦家医院心脏中心主任，首都医科大学心脏病学系副教授。他以《DEEPVESSEL FFR：基于人工智能的冠状动脉FFR值分析软件》为题做了分享。
他表示，不管CTA还是冠脉造影仍有一些误差，不能单纯作为治疗决策。目前脉影——CT-FFR技术 （基于CT的冠状动脉血流储备分数测定）技术提供了一个非侵入性的狭窄的检测方法。
随着图像处理技术和计算流体动力学的发展，无需有创手术，仅仅通过CT造影模型重构、血动力模拟计算FFR值已经成为现实。FFR技术融合了图像处理、计算流体力学、解剖学等多学科技术，基于CT数据进行模拟计算从而获得FFR数值，形成指导临床的报告。
王德昭表示，过去的临床策略是目测病人症状，并结合心电图、CTA或者冠脉造影等辅助检查，最终决策药物治疗还是手术治疗。现阶段 CTA FFR 能够直接跨过造影步骤，降低 70% 的不必要的冠脉造影，准确度达到90%，提高24%的治疗质量，降低 33% 的医疗花费。但在中国，FFR使用率非常低，不到1%，欧美国家在 10%左右，还有很大的普及空间。
朱刚为北京和睦家医院副医疗总监、外科及泌尿外科主任。他以《三维影像在泌尿外科机器人手术当中的应用》为题，做了线上分享。
他表示，目前的三维影像重建技术，能够挖掘更深的数据，比如静脉信息，集合系统的信息，更好地显示器官的结构和空间关系。
朱刚提到，对于外科医生来讲，这项技术便于术前规划，可视化展示血管分支的分布和变化，目前多用于一些复杂肾脏肿瘤切除手术和静脉癌栓手术中。这种手术的难度一是部分切除，锁边缝合，二是恶性肿瘤的完整切除，防止肿瘤或癌栓在切除过程中破裂扩散，解决过去盲性切除难题。
朱刚表示，未来还要把三维影像图像和机器手术图像进行重叠，识别重要的血管位置和关系。
最后，朱刚总结到，三维成像技术对于复杂的外科手术规划具有可行性和实用性，可以帮助外科医生查看内窥镜图像后面的结构，并且三维成像导航可优化肿瘤控制和功能恢复。
黄宇清是北京大学第三医院海淀院区胸外科执行主任，科技部国家重点专项及北京市科委科技项目评审专家。她以《3D 数字成像在肺癌手术中的应用与展望》为题，做了分享。
黄宇清表示，肺癌在不分性别的情况下，是全球癌症发病率和死亡率最高的恶性肿瘤。低剂量 CT 在肺癌早期筛查中具有非常大的优势，但在多发性（良性和恶性共存）结节中的诊断、术前规划和术中操作中，需要应用AI成像技术。
首先，AI辅助筛查及诊断，进一步提升早期肺癌检出率，比如位置、长径、体积、类型、密度、良恶性、倍增等。其次，黄宇清重点提到肺结节自动三维可视化定位在手术规划的优势：1、肺结节的精准、直观定位；2、切缘球辅助判断，轻松实现手术范围、有效切缘的评估；3、阐明解剖特点，预判变异，有助于路径制定；4、突出靶段解剖关系，降低难度，缩短学习时间。最后，为一些非专业的人员提供一个标准化参考，有助于医生向患者讲述医疗方案，对整个手术的规划和操作提供更加的精准的支持。
任伟是北京和睦家医院骨科门诊主任，香港大学创伤骨科临床Fellow，香港大学医学院3D打印建模助理研究员，在3D打印、精准医疗、机器人导航等方面具有丰富的经验。他以《3D打印的临床应用》为题，做了分享。
他提到，目前3D打印技术在国内多运用在心肺外科、肝胆外科、神经外科、泌尿外科、骨科、牙科/辅助器具等方面。其中，3D打印在骨科的应用主要分为两个部分，一是辅助手术，通过打印模型来制定术前计划、通过制作术中定位导板实现精准定位、通过定制内置物实现个性化治疗。二是辅助康复器具，量身定制固定支具和个性化定制义肢。
任伟表示，未来3D打印将出现两大发展趋势，一是3D打印技术与机器人技术结合实现关节置换如Monogram机器人。二是3D打印技术与细胞治疗技术结合用于组织再生、器官移植等，比如关节软骨、膝关节半月板、肌肉组织、血管等。
大会在当天下午五时圆满结束，与会者和直播平台的观众都表示这是一场高水平的学术盛宴。大会有效促进了理工医同道在医学影像人工智能领域的观点分享和碰撞，并且会议内容重复彰显了精准智能影像在服务各个临床科室业务中所起到的重要作用---“精准医疗，影像先行”。
雷峰网(公众号：雷峰网)雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
