近年來，國產高端醫學影像診斷設備不斷涌現，讓人們能夠獲得更清晰、更豐富的醫療健康影像信息。例如，一次腹部核磁檢查，能給醫生提供超3000張不同層面的檢查圖像，通過使用人工智能等前沿分析技術，影像還可為患者帶來更深層次的診療獲益。

在此背景下，傳統膠片不僅難以承載海量的多維數據，還會限制診療水平的進一步提升。

前不久，全國醫保影像云跨省調閱正式啟動，標志著無數患者拎著膠片袋輾轉求醫的時代正成為歷史。

如何乘勢而為，推動醫學影像質量躍升？在膠片退出歷史舞臺的同時，如何推動云端醫學影像更好地服務人民健康？借助人工智能技術，數字世界里的影像又會出現哪些顛覆性的場景應用？近日，科技日報記者專訪了中國工程院院士、首都醫科大學醫學影像學院院長王振常，請他把脈現代醫學影像在數字化、智能化變遷中的發展。

醫學影像技術發展迎來重大機遇與挑戰

記者：醫學影像技術發展至今，在哪些方面取得了突破？

王振常：當前臨床診療中，75%—85%的核心信息源自醫學影像。隨著探測技術手段的發展，醫學影像設備的空間分辨力已經躍升至微米級、時間分辨率可以達到亞毫秒級。

1895年，倫琴發現X射線，并于同年拍攝了人類歷史上第一張X射線照片，開啟影像技術在醫學領域的應用。經過一百余年的發展，醫學影像早已不僅包括傳統“平面成像”形式。例如我們熟知的CT（計算機斷層掃描）通過讓X射線束圍繞人體旋轉掃描，結合計算機重建技術生成三維斷層圖像，提升了病灶定位精準度；而MRI（磁共振成像）技術逐步成熟，使軟組織、神經系統等細微結構的清晰呈現成為可能；核醫學如PET-CT（正電子發射計算機斷層顯像）則通過追蹤放射性示蹤劑的分布，精準捕捉器官功能與病變，為腫瘤早期診斷、轉移灶探測提供了關鍵支撐。

這些技術能夠無創、高清地呈現器官結構與功能狀態，不僅可以為診療決策提供有力的支撐和佐證，還能夠幫助醫生在疾病顯現癥狀之前及早準確識別。

例如，我們團隊研發的耳科專用CT將空間分辨力突破至50微米，首次實現直徑僅1.5毫米的鐙骨底板以及前庭窗等微米級結構的活體成像，還能精準量化聽小骨鏈的活動幅度、骨質密度等指標。

當前，人工智能、大數據等信息技術讓影像分析更加深入全面，人工智能輔助診斷系統實現病灶的快速篩查與量化分析，多模態影像融合技術則整合多種設備獲取的不同模態影像信息，為疑難病癥提供全方位診療依據。

記者：電子影像除了不讓患者再拎著膠片到處跑，還有哪些優勢？

王振常：無論是對于醫生還是患者，電子影像都有很明顯的優勢。

傳統膠片僅能顯示部分關鍵斷層圖像，而原始電子影像包含數千張斷層圖像，因此，膠片無法完整呈現病變的空間關系和細節特征。此外，膠片無法建立電子追溯體系，有時會帶來重復檢查的問題，每年全國因膠片問題導致的重復檢查費用超百億元。

應用電子影像可以很好地解決這些問題。隨著統一數據格式與接口標準的全面推行，標準化電子影像的輸出存儲、醫學影像互融互通的程度進一步加深；各類輕量化影像瀏覽軟件的應用，可以讓醫生在手機、電腦、平板等終端隨時隨地調閱影像，且可以放大、旋轉、測量、對比影像。患者本人授權醫生調閱電子影像，就像把膠片遞給醫生一樣簡單。

對于患者而言，電子影像節省了膠片的材料費用，隨著檢查結果互認共享工作的推進，一些不必要的重復檢查也可以減免。這為患者節省了就醫費用和時間，也避免了反復抽血、照射等帶來的不便。

技術創新讓影像存儲調用更高效

記者：在醫學電子影像存儲和調用方面，我們面臨哪些挑戰？

王振常：我們在數據存儲成本、調用效率等方面，面臨不小的挑戰。

醫學電子影像的應用，意味著海量數據。我們知道，相比于文字，照片會占用更多的存儲空間，而醫學影像不僅包括普通格式的圖片，還包括數百上千幀的連續掃描。以當前光子計數CT為例，單例影像數據量達10GB—20GB，一家三甲醫院年均影像數據增量超100TB，這對數據存儲空間產生了巨大需求。

因此，醫院要投入大量資金來解決海量數據存儲問題。常見的解決方式有自建數據中心、購買云服務等。根據門診影像需保留15年、住院影像需保留30年的要求，一家三甲醫院30年累計影像數據量將超15PB。傳統集中式存儲的硬件采購和維護成本極高，基層醫院往往難以承擔。如何建設好信息化的基礎設施，實現數據集約化管理仍需各地進行摸索和實踐。

數據不僅要妥善存儲，還要能夠隨時找到。但在海量數據庫中調用目標信息并不容易。這就好比在手機相冊里找某一張特定的圖片，如果一張張翻找很耗費時間。因此需要通過標記技術，讓數據的存儲路徑符合醫學影像的特點，這樣醫生就不用再“翻箱倒柜”，而是可以通過便捷的路徑調用。

此外，數據層面的兼容互通也是提高醫學影像利用效率的前提。當前，不同設備、不同醫療機構的數據存儲格式差異較大，導致不同來源的數據整合困難、高質量標注樣本稀缺，因此需要通過醫學影像質量控制和標準化建設為醫學影像數據的應用奠定基礎。

記者：為了實現醫學電子影像的高效存儲和調用，我們進行了哪些技術創新？

王振常：通過普通網絡傳輸，獲取一份腹部影像可能需要十幾分鐘。即便調用成功，由于格式兼容性差，不同廠商設備的影像格式、編碼方式不統一等問題，也可能出現基層醫院的影像數據在三甲醫院系統中“打不開、看不清”的情況。

解決這些問題需要持續的技術創新，例如，可以通過5G+邊緣計算的方式實現影像的“秒級傳輸”，提升傳輸速度。當前，相關部門在部署醫保影像云工作時，創新采用了千兆專網和智能預加載技術。當患者掛號時，醫院系統可根據醫保信息發出預加載請求，調用的影像通過專網進入醫院部署的“前置機”，大大縮短了醫生調閱跨區域影像的時間。

為實現高效檢索，國家醫療保障局推出78位全國統一影像編碼，為每一份影像分配唯一“身份證”。“身份證”包含患者基本信息以及檢查機構、設備類型、檢查時間等關鍵信息，解決了跨機構數據“找不到”的問題。同時，相關部門建立標準化元數據體系，支持按患者ID、檢查部位、疾病類型等多維度快速檢索，檢索效率提升80%以上。

人工智能應嵌入醫療診療流程

記者：人工智能技術在醫學影像領域的應用情況如何？

王振常：當前，人工智能在醫學影像領域得到越來越多的應用。在一些人工智能大賽中，人工智能已經表現出解決影像診斷問題的能力，有時其準確率和診斷速度甚至超過了專業的臨床醫生。數據顯示，截至2024年6月，人工智能醫學影像領域批準了103張三類醫療器械注冊證，涵蓋心血管疾病、肺部疾病、腦血管疾病、骨科檢查、眼底疾病、乳腺疾病等病種。

但人工智能在醫學影像領域的應用推廣仍面臨阻礙。針對臨床醫生、放射科醫生、影像科醫生進行的全國性調研顯示，50%受訪者認為，人工智能難以很好地嵌入到當前醫學診療流程中。

記者：在臨床試驗驗證中，人工智能證明了自己看得快、算得準，為何部分受訪者不看好其應用？

王振常：當前的人工智能醫療影像設備基于單病種開發，但在臨床應用中，醫療影像并非聚焦于單病種。放射科醫生開具的醫學報告，是對患者的器官進行總體評價，而非對單病種進行評價。例如，進行肺部檢查，不僅要識別肺結節，還要判斷肺氣腫，看有沒有肺不張、肺炎，而現在的人工智能設備僅對肺結節進行評價，并不符合臨床應用的要求，也不符合放射科的報告要求。

此外，當前人工智能訓練數據基于圖像信息，通過深度學習進行圖像標注。但人工智能對于圖像的解讀難以達到專業水平，對圖像呈現出的要素解讀不全，丟了很多信息，這導致它在實際應用中顯得“雞肋”。因此在大多數臨床情況下，目前的人工智能應用并未有效提高醫生的工作效率，反而給醫生帶來了困惑和勞動強度的增加。

記者：那么，如何推動人工智能與醫療影像的結合，使其更符合臨床應用要求？

王振常：首先，要在數據采集、數據質量控制等方面實現規范化、標準化和優質化。如果同樣的檢查，在三甲醫院與基層醫院結果不同，同樣的設備因操作人員水平不同而表現懸殊，就談不上共享應用。為解決這一問題，首都醫科大學附屬北京友誼醫院作為北京市醫學影像質量控制和改進中心的依托單位，在醫學影像標準體系建設方面牽頭起草了多個國家衛生行業標準，為各級醫療機構影像檢查的規范化操作提供了權威依據。

度量衡的統一推動了不同地域互通有無，影像數據也是一樣，標準統一促進了整體醫學影像質量的提升和數據安全共享。目前，北京市已經形成《醫學影像云平臺共享數據傳輸技術要求》《醫學影像檢查報告質量控制規范》等。基于北京市醫學影像云平臺匯聚的數據，北京市醫學影像質量控制和改進中心梳理出適用于云平臺的影像質控指標，向253家醫療機構發布月報，實現了對北京區域內醫療機構影像質量的動態監測與持續改進。

在數據互通共享的基礎上，可以對醫學影像的整個鏈條進行智能化重建。這需要在智能可視化、智能感知、智能診斷、智能報告、智能解讀等方面，持續構建人工智能應用新場景，使得人工智能真正融合到臨床影像數據的獲取、處理、閱讀中，并最終支持決策，甚至反哺基礎研究，為破解疾病產生機制和制定診療新方案提供扎實的佐證和數據。

記者：您認為未來的影像服務模式會是什么樣的？

王振常：現在，北京每個月都會有大量的醫學影像被云調閱，患者在手機上、醫生在工作站上都可以同步訪問影像。這讓診療變得更便捷。而更大的改變在于，未來影像服務的升級將對人民健康狀態產生影響。

傳統上，影像的作用是評價人體的健康狀態，但隨著技術水平的提升，醫學影像獲得的信息維度也會不斷增加，讓人們更加了解自己的健康狀態。現在的醫學影像“視力”已經突破了影像本身的邊界。例如，在二維的維度上，可以看到器官的橫斷面、冠狀面、矢狀面、曲面等任意方位；三維的維度上，可以看到立體信息；通過在三維空間數據中加入時間維度，可以得到四維信息；在四維基礎上疊加額外屬性，如透明顯示、代謝信息、組織彈性硬度等，維度將持續提升。

多維影像的關聯分析需要一個“科科通”的人工智能“大腦”，而不是“專科”人工智能。目前基于北京云影像平臺，我們正在依托已經形成的數據庫開展針對某個器官的通用數據集建設，助力構建通用人工智能。

與此同時，影像還可以助力早發現各個領域疾病，提升疾病治愈率。例如，如果腫瘤在毫米級大小時就能被發現，那么患者康復的可能性將更大；如果能在微米級、納米級被發現，就能阻止病變遷移。在推進從“以治病為中心”向“以人民健康為中心”轉變的政策指引下，醫學影像與人工智能融合重構將會產生更多新的應用場景，醫學影像在有力支持主動健康方面大有可為。

人物檔案

王振常，中國工程院院士，影像醫學專家，首都醫科大學附屬北京友誼醫院醫學數智創新中心主任。主要研究方向為醫學影像學診斷，以及高性能醫學影像裝備的研發。獲“時代楷模”中國援外醫療隊群體代表、全國五一勞動獎章、全國優秀科技工作者等榮譽稱號。牽頭制定行業規范、指南等10余部。作為第一完成人獲國家科技進步獎二等獎2項、何梁何利基金科學與技術進步獎等。

致青年科技人才

醫務工作者，是一個更有可能面對困難、面對挫折，甚至面對生死的職業。因此，鍛煉“從容”的品質將幫助青年人更好地面對職業生涯中的一個個挑戰。要相信辦法總比困難多，沒有克服不了的困難。

如何尋找解決困難的辦法？首先，技術非常重要，要具備能夠專門、獨立處理各種醫療工作的能力，精進本專業、本領域的技能技術。其次要有良好的合作精神，通過相互協作，相互適應和包容，促進不同專業的融會貫通。年輕人不要過早被條條框框困住，向各領域汲取營養不僅可以幫助解決眼前的專業困難，甚至可以從中獲得線索，開創行業領域中的一番新天地。

要珍惜現在擁有的一切。我曾參加過援非工作。離開祖國、家人、朋友和熟悉的崗位，在陌生和艱苦的環境中，更能體會到當下生活的珍貴。希望年輕人能充分利用現在擁有的時間、崗位和環境，做好對未來的規劃，這樣才能在成長的道路上有所作為。

——王振常