众所周知，医疗都是一个资源不足且分布不均衡、成本相对高昂的领域。因此，医疗领域一直亟待通过新技术进行革新。在过去的几年里，曾备受资本青睐的“互联网+医疗”模式通过在线挂号、诊疗、支付等诸多方式，一定程度上改善了医疗体系的运行效率，并验证了IT新技术对提升医疗行业水平具有很大潜力。但在业内看来，仅仅引入互联网手段还存在不足。在医疗健康的需求端急剧上升和供给端仍旧不足的情况下，人工智能与医疗健康行业的结合备受期待。
目前已有的众多研究成果表明，人工智能医疗诊断的不仅精确度可以达到人类医生水平，而且在诊断效率方面具有很大优势。从年开始已经有多个医疗影像人工智能的学术研究以及商业化的案例，通过引入深度学习算法，在某些病种的识别和诊断上，达到“超越人类水平”的技术临界点。例如，年11月，《美国医学会杂志》刊登了Google的研究，利用深度学习诊断糖尿病视网膜病变，谷歌的这款算法甚至超过人类医师。年1月，Nature期刊刊登了斯坦福大学的研究，借助CNN（深度卷积神经网络），人工智能系统的皮肤癌鉴定水平与皮肤科医生相当。
在Google、MIT等知名科研机构取得快速进展的同时，北邮人工智能研究院的师生们也在多年机器学习和模式识别研究积累的基础上，充分发挥地处北京这一优质医疗资源集中地的优势，医院优势科室合作，采用医工结合的创新科研模式，与专业医生紧密合作，也取得了值得称道的丰硕成果。下面小编就给大家简要介绍下其中几个典型案例。
基于深度学习的病理辅助诊断
医院必不可少的科室之一，其主要任务是在医疗过程中承担病理诊断工作，包括通过活体组织检查、脱落和细针穿刺细胞学检查以及尸体剖检，为临床提供明确的病理诊断，确定疾病的性质，查明死亡原因。病理诊断目前世界各国医学界公认最可信赖、重复性最强、准确性最高的诊断手段，因此病理诊断的质量不仅医院整体的医疗质量构成极大的影响。但是，我国在病理诊断领域存在医师人才奇缺、诊断水平参差不齐的难题，亟待通过人工智能技术缓解人才压力和提升诊断水平。
针对这一问题，北邮人工智能研究院祝闯老师医院病理科金木兰主任团队紧密合作，通过标记大量的病理切片数据，采用多种深层神经网络进行训练和学习，并攻克了包括数据预处理、数据增广、特征可视化在内的多个技术难题，最终通过多模型投票的算法，在结直肠肿瘤病理切片五分类问题上，实现了91.3%的准确率及90%的五分类敏感度，将基于人工智能的结直肠肿瘤辅助诊断水平提升到可临床实用的等级。在攻克了结直肠病理诊断后，师生们继续与医生们紧密合作，正在抓紧攻克胃早癌病理诊断难题。
基于CT影像的缺血性脑卒中病灶识别
脑卒中俗称“中风”，是我国发病率很高的一种急性脑血管疾病。脑卒中是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，根据以上两种原因分为出血性脑卒中和缺血性脑卒中。在临床上，由于脑卒中发病通常比较隐蔽和突然，而且具有很高的死亡率和致残率，因此快速和准确的诊断和抢救非常重要。目前医学界的共识是，脑卒中救治的黄金时间为4.5小时。在出血性脑卒中和缺血性脑卒中两类中，缺血性脑卒中占到了发病人数的60%-70%。在进行临床诊断时，医院的第一项检查是进行CT扫描，用于区分出血性和缺血性脑卒中，以进行不同的治疗。对于出血症状，CT扫描的影像显示比较明显，容易做出诊断。而对于缺血造成的水肿或梗死区域，在CT扫描影像上，即使是经验丰富的医生也很难进行分辨。因此，对于缺血性脑卒中的病灶诊断，通常依赖MRI影像进行识别。然而由于条件限制，MRI扫描存在时间较长或特定时段特定病人无法进行的情况。因此，如果能通过快速成像的CT扫描识别出缺血性脑卒中的病灶，将能挽救无数的生命和降低致残率。
由于CT扫描采用的是X射线衰减原理，对于脑组织中的肿块或堵塞成像不敏感，病灶信号十分微弱，噪声干扰大，因此基于CT识别缺血性脑卒中病灶一直是一个世界性难题，虽然有很多学者进行了尝试，但目前尚无可实用的成果。为了攻克这一世界性难题，北邮人工智能研究院祝闯老师医院合作，采用创新的对称神经网络方法，将CT影像的缺血性脑卒中病灶识别的敏感度指标提升到了80%以上，可以极大地帮助医生进行更为准确的诊断。
原发性骨肿瘤智能辅助诊断与治疗预测
原发恶性骨肿瘤是一组恶性程度很高的间叶来源肿瘤，以骨肉瘤、尤文肉瘤和未分化肉瘤（恶性纤维组织细胞瘤）为代表。其中最常见的骨肉瘤（Osteosar-北京治疗白癜风最专业医院北京治疗白癜风最专业的医院