医学影像学是临床医疗诊断的重要组成部分。进入数字影像时代以来，海量数据的产生为医学影像未来的发展提供了更多可能性。如何对医学影像大数据做进一步分析和挖掘、从中提取有价值的信息；如何将现代医学影像的发展与精准医疗紧密结合，成为医学影像学未来发展的重要课题。近年来，作为当前信息技术领域最重要革命性技术之一的人工智能（artificial intelligence，AI）已在诸多方面对人们的工作理念、工作习惯带来巨大影响，其在医疗领域的发展与应用也越来越受到关注^{［1, 2］}。随着信息技术的迅速发展和计算机算法的不断革新，医疗AI产业在全球范围内得到迅猛发展。在众多医疗行业中，医学影像由于图像数据量大并采用全球统一的DICOM标准存储，有望成为AI最先实现突破的领域^［3］。

医学影像AI 是指基于计算机视觉技术的神经元数学模型，通过充分挖掘海量多模态医学影像原始像素和有效组学特征，学习和模拟影像医生的诊断思路，进行特征挖掘、重新组合、综合判断的复杂过程^［4］。机器学习（machine learning，ML）是AI的核心技术，主要分为监督学习和无监督学习两类^［5］。监督学习算法需要基于先验人工标注、大量的结构化训练数据，常见的有支持向量机、线性判别、决策树等算法；无监督学习则根据数据自身的特征定义类别进行分类计算，无需先验标注数据，最常见如K均值聚类、分层聚类等聚类算法。由监督学习向半监督学习转变，最终达到无监督学习，是AI智能诊断的发展趋势和发展方向。医学影像AI评价和预测的基本流程包括图像分割、特征提取和选择、智能分类和预测^［6］。图像分割是指将影像中的特定解剖组织或异常组织（如肿瘤）分割为1个或多个感兴趣区域（region of interest，ROI）；特征提取和选择需要将强度、形状、纹理、位置等转化为数据信息进行深入挖掘和分析；智能分类和预测通过深度学习（deep learning， DL）来完成。DL凭借其半监督或无监督的特征学习和分层特征提取的高效算法，将多种深度神经网络（包括卷积神经网络、深度置信网络、循环神经网络等）逐渐应用到自动化图像分割、特征挖掘和提取当中，进而建立分类和预测模型，实现医学影像的智能评价和预测。

医生最早利用计算机技术阅读X线片的报道见于20世纪60年代，1964年Meyers设计了一种计算机自动阅读分析心胸比率的程序，1967年Winsberg报道了利用计算机检测乳腺X线片中的异常^［1］。20世纪80年代，计算机辅助诊断 （computer-aided diagnosis，CAD）系统成为医学影像诊断的一个研究方向。一些CAD系统利用基于图像特征的分析来检测乳腺X线片中的微钙化点和数字胸片中的肺结节，为影像科医生提供CAD意见，协助医生做出最终诊断^{［7, 8］}。从计算机阅读到CAD的微妙变化，逐步将AI纳入医学影像科的临床工作，但影像诊断最终的决定权仍然掌握在影像科医生手中。

目前，AI在医学影像领域的临床应用还主要在影像诊断环节，多集中于图像识别、病变检出和良恶性判断等。一方面，利用AI的感觉认知能力对患者的医学影像进行识别、获取重要信息，为经验不足的影像科医生提供帮助，提高其阅片效率；另一方面，基于深度学习，通过大量已有的影像数据和临床信息训练AI系统，使其具备诊断疾病的能力、辅助诊断，降低影像科医生漏诊的概率。由于我国影像科医师的数量远不能跟上医学影像数据的增长，而且短期内在基层单位医疗资源无法充分满足，因此借助AI，能够缓解医学影像人才紧张的状况^［9］。对比现有的医学影像科工作模式，AI可以无休眠的工作、不受外界因素的干扰、时刻保持高效的工作状态，有助于提升影像科医生阅片的效率和质量。

医学影像AI产品目前涉及肺结节、乳腺、冠状动脉、脑肿瘤和脑卒中、眼底、骨龄和骨折、肝脏等器官或疾病^{［10, 11, 12, 13, 14, 15, 16］}。2020年上半年已经有三家企业获得了中国国家药品监督管理局三类医疗器械注册证（下称“三类证”），包括深圳科亚的冠状动脉血流储备分数（FFR）、安德医智的脑肿瘤磁共振成像（MRI）和Airdoc的眼底糖网AI产品；推想科技获得了美国食品和药物管理局（Food and Drug Administration，FDA）的注册证，还有一些企业的产品已获得中国国家药品监督管理局的二类医疗器械注册证。医学影像AI产品的逐步落地标志着医学影像AI进入了一个新时代。

医学影像AI产业在中国已经处于蓄势待发的阶段，未来AI有望改变临床医生诊断和管理患者的模式。如果开发和使用得当，预计AI诊断将比以往任何诊断技术更快、更方便、更准确。但是，AI在医学影像领域的发展也面临一些瓶颈问题^［17］：第一，现有算法模型的性能问题。尽管目前DL算法可实现自动化的病变识别和分类预测，但是敏感度、特异度和准确度仍有待于进一步提高才能实现算法优化的本质提升和疾病机制探索的关键性突破。第二，目前评价AI产品的临床试验多是各个公司自己设计展开，由于设计和技术水平的差异，结果可信度差距很大，需要建立统一的AI产品临床验证和评价规范，帮助相关企业尽快完成产品验证、获批注册证。第三，在产品使用方面，目前国内医学影像科往往配备了多个公司的人工智能产品，影像科医生更希望得到一站式解决方案，而不是不同公司、不同平台的割裂式服务。第四，在数据安全方面，需要明确医学影像数据的所有权和使用权，进一步健全数据安全性和规范化使用的法律法规，建立健全AI产品使用的伦理规范。第五，虽然国内已经有一些AI产品获得了中国国家药品监督管理局的三类医疗器械注册证，但还需要明晰付费主题，制定包括政府、企业、医院和患者在内各方都能接受的定价系统。

AI在医学影像领域的应用具有重大的价值和广阔的前景。加快医学影像AI产业建设步伐，完善患者隐私和数据安全、数据分享等行业政策和法规，加强AI相关知识培训和宣传，搭建产学研用合作交流平台和相关转化机制，将有助于中国医学影像AI产业向着标准化和规范化的方向进一步发展。

从医学影像AI发展的趋势来看，未来有可能出现以下几方面的变化：第一，医学影像AI产品的种类越来越多，会从肺、心血管、乳腺、神经逐步拓展到全身各个部位；AI产品的功能会从现在的图像检出、分割、量化、疾病诊断，进一步发展到疗效评估、治疗决策等方面，会由原来单任务学习趋向多任务学习，实现一站式多维度的信息展示。第二，未来会实现医学影像AI软硬件一体化发展，一方面提升AI的计算效率，另外一方面为软件提供更优秀的使用界面和互动载体。第三，AI将会进入患者看病的全流程中，院前筛查，院内检查、诊断和治疗等环节都会有AI技术。第四，AI产品的落地扩宽了医疗服务的边界，随着卫健委对智能化医疗机构认证的开展，未来智慧科室、智慧医院的概念会逐步深入人心，智慧医院的全流程改造也会在不远的将来成为现实。

AI在医学影像领域的应用已经初现曙光，实现突破指日可待。医学影像AI会克服现有不足，辅助医学影像科医生实现更高效、更精准的影像诊断，进一步造福广大患者。