“大数据”已经成为当下最热门的概念之一。大数据处理在医疗行业的应用包含诸多方面，其中包括在医学影像分析中的应用。

“大数据在医学影像领域的作用尤为突出，目前医疗数据中有超过80%来自于医学影像，但是这些数据大多要进行人工分析。如果能够运用人工智能技术分析医学影像，并将影像与医学文本记录进行交叉对比，就能够极大地降低医学诊断上的失误，帮助医生精准诊断，挽救患者生命。”杭州健培科技有限公司CEO程国华说。

    医学影像数据应用亟待深入

　随着医改的深入和科技的进步，我国医疗服务模式正在改变，“大数据”在医疗领域的应用日趋广泛和重要。

“当前，国家正在大力推进医疗大数据的应用。”中国科学院院士、复旦大学副校长金力说，大数据分析可对诊疗信息进行更精准的研究，为疾病诊断提供依据，给不同疾病提供针对性治疗方案。精准医学与大数据的结合使更多信息源源不断地传达给医生，从而更好地为患者服务。

“医疗大数据的关键、核心是影像数据的分析和处理，但在医疗大数据里面，最难攻克的是影像数据的分析处理。”程国华说，通常大数据是指数据量和数据维度均很大，数据形式也很广泛，如数字、文本、图像、声音等等。在医学领域，随着信息化的不断深入，医学数据也越来越丰富，其中医学影像数据是一个十分重要的组成部分，而且，医学影像信息被数字化、数据化后形成了丰富多样的、存储量庞大的医学大数据。

程国华说，目前，医院大数据里85%左右的存储容量被影像数据所占据。现在的计算机可以识别结构化的文本数据，但是无法识别非结构化的影像数据，从而不能真正实现智能诊断。要实现对影像数据的精准分析和处理，就必须攻克这一难题。

据程国华介绍，在部分发达国家，医学影像的分析应用已经取得显著成效，而我国目前在这方面的进展缓慢，原因主要在于受国内的产业环境所限，数据与数据之间是隔离的，没有很好的大数据基础。

据了解，医学影像大数据分析在国内刚刚起步，而在国外，此技术已经用于临床。“如果使用国外同类产品，国内医疗数据安全将受到威胁，因此开发拥有自主知识产权的影像技术势在必行。”程国华说。

“如今，精准医疗、大数据这两个词汇非常火热，其中大数据很多都来自于基因组，这就有可能将影像学技术和基因组学技术连接起来，打通两者的关系，综合应用，服务于精准诊疗。”杭州电子科技大学生命信息与仪器工程学院教授厉力华说。

    开发影像数据分析“黑科技”

在大数据盛行的今天，大型影像诊断设备结合大数据分析提供更准确的诊断报告，显然是越来越可行和越来越可靠的事情。

然而，对医学影像数据进行精准分析和处理的难度较大。

程国华说，目前，国内外知名的医疗影像公司，都是通过积累大量影像数据和诊断数据，来不断对神经元网络进行深度学习训练，从而提高诊断的准确率。但从目前影像数据挖掘技术的现状来说，原始影像一般还不能直接用于影像数据挖掘分析，必须进行预处理，以生成可用于高层次挖掘的影像特征库。

基于医学影像数据分析和处理的重要性，开发影像数据分析“黑科技”产品非常必要。前不久，在杭州召开的主题为“让科技回归医疗本身”的“2016《西湖论健》国际高峰论坛”上，杭州某科技公司展出了“黑科技产品”——具备自我学习、自我校准的“阅片机器人”，与来自浙江省中医院和杭州市红会医院两名具有15年工作经验的放射科医生，展开了“医机大战”，结果1∶1战平。但机器人每次只用时1分钟，两位医生会诊每次则需要8～10分钟。

浙江省中医院的参赛专家说：“我们两个人花了10分钟得出结果，而机器人只需1分钟。‘阅片机器人’的应用，将对我们的临床工作有很大帮助。”

据了解，该“阅片机器人”运用了多项创新技术，可以做到像素级的分析，其诊断效率比肉眼高出很多倍，且输入影像无须预处理，立即就会出结果。该产品系统由两部分组成，一个是加速器，即硬件平台，还有一个就是软件平台，即深度学习体系。与业界普遍采用的二维体系不同，该产品创新性地利用了全连接的三维体系。三维体系所要求的资源是一个几何级的增长，越深入学习越准确，但同时也越难把握。目前该产品已经做到了64层，而其他产品普遍只能做到32层。

程国华说：“我们有幸生在一个大数据时代，它所带来巨大的变革，使我们得以将深度学习技术应用于医疗领域。深度学习技术需要大数据来驱动，同时需要高性能的计算。影像智能诊断机器人就是利用这样的技术，判断出医生无法准确判断的疾病。”

“基于大数据，为临床提供综合的解决方案，是目前科技界最前沿的领域之一。利用前沿科技分析和处理医学影像，是未来医学影像发展的重点。”复旦大学附属华山医院刘杰教授说。