如何讓AI在臨床上發(fā)揮更加重要的作用，需將其進(jìn)行全面的調(diào)整、融合。這些都離不開多學(xué)科的交叉，以臨床的需求為最大的目標(biāo)，進(jìn)而融合多學(xué)科的力量。

近日，由中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟（CAIERA）主辦的「第二屆中國醫(yī)學(xué)影像AI大會」，在上海國際會議中心隆重召開。 本次大會以“AI助力健康中國”為主題，圍繞2030年健康中國行動綱要，深入探討了人工智能在“健康中國”行動中的實(shí)踐、問題與對策。 作為本次大會的戰(zhàn)略合作媒體，雷鋒網(wǎng)《醫(yī)健AI掘金志》進(jìn)行了全程報道。 “AI+科研”是醫(yī)療AI企業(yè)入局的重要一環(huán)。這是因?yàn)?，醫(yī)療是一門經(jīng)驗(yàn)學(xué)科，越來越多的醫(yī)生不僅希望使用AI產(chǎn)品進(jìn)行診斷、治療，也希望結(jié)合自身的醫(yī)療大數(shù)據(jù)和臨床經(jīng)驗(yàn)優(yōu)勢，進(jìn)行AI方面的自主臨床研究。 在本次大會的AI臨床及科研應(yīng)用論壇上，圍繞“AI+科研”，大會邀請了多位影像科主任和AI學(xué)者，進(jìn)行了一場高質(zhì)量的圓桌訪談。 本次圓桌由上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院放射科主任嚴(yán)福華教授擔(dān)任主持，國家自然科學(xué)基金委六處處長李恩中教授、北航-首醫(yī)大數(shù)據(jù)精準(zhǔn)醫(yī)療高精尖創(chuàng)新中心主任田捷教授、中國科學(xué)院深圳先進(jìn)技術(shù)研究院副院長鄭海榮教授、東部戰(zhàn)區(qū)總醫(yī)院醫(yī)學(xué)影像中心主任盧光明教授；華南理工大學(xué)醫(yī)學(xué)院副院長梁長虹教授、北京大學(xué)人民醫(yī)院放射科主任洪楠教授參與了圓桌訪談。

以下為圓桌訪談的現(xiàn)場內(nèi)容，醫(yī)健AI掘金志做了不改變原意的編輯和整理

嚴(yán)福華：第一個問題想請問李恩中教授，能否從國家自然科學(xué)基金委的策略結(jié)構(gòu)化的角度，談?wù)剬︶t(yī)療AI的長遠(yuǎn)預(yù)期，同時，在基金委的立項(xiàng)策略上有哪些調(diào)整和傾向性？李恩中：這要取決于AI在醫(yī)學(xué)方面究竟有哪些突破。實(shí)際上，除了在醫(yī)學(xué)部之外，我們的工程材料部也有一個重大研究計劃是專門做機(jī)器人，其中就包含了醫(yī)療機(jī)器人。 大家可以想象，在今年疫情期間，如果用醫(yī)療機(jī)器人進(jìn)行咽拭子檢測，進(jìn)入病房后不需要醫(yī)生和護(hù)士進(jìn)行護(hù)理，而是由機(jī)器人來完成相關(guān)工作，那么醫(yī)護(hù)人員的感染率肯定會大幅度下降。 所以，我個人覺得，在具有高致病性傳染源的場合，相關(guān)工作完全可以由機(jī)器人來替代。這就涉及到人工智能，尤其是通過各種人工智能的手段，精細(xì)地操控這些機(jī)器人，這是未來可能的一個發(fā)展方向。

基金委在相關(guān)的政策傾斜上，無論是常規(guī)的項(xiàng)目，以及在青年基金的項(xiàng)目上都有相關(guān)的布局。同時，大家還可以自由申請。 可以看到，在重點(diǎn)項(xiàng)目、重大項(xiàng)目，甚至在重大研究計劃，例如我們的腫瘤演進(jìn)與診療的分子功能可視化研究中，人工智能也占有很大的比例。 雖然是我組織了這個重大研究計劃，但是最有發(fā)言權(quán)的是專家指導(dǎo)組的兩位成員——田捷教授和鄭海榮教授。所以，接下來就可以由他們兩位來回答。嚴(yán)福華：謝謝李恩中處長，又給我們指明了另外一個人工智能的發(fā)展方向——醫(yī)療機(jī)器人。在疫情期間，我們也的確看到在高致病性的傳染病來臨時，醫(yī)療機(jī)器人如何降低醫(yī)務(wù)人員的感染風(fēng)險。下一個問題想請教田捷教授，作為專家組的成員，能不能分享一下在分子影像學(xué)和人工智能研究的道路上有哪些機(jī)遇和挑戰(zhàn)？

田捷：謝謝嚴(yán)主任。這個問題提得非常好。我覺得醫(yī)生是雙重角色，一方面是人工智能的使用者。外部的醫(yī)療AI公司研發(fā)了很多人工智能的硬軟件，來減輕我們的勞動負(fù)擔(dān)，我們也正在使用這些人工智能硬件或者軟件。 另一方面，醫(yī)生又是人工智能醫(yī)學(xué)應(yīng)用的主要研究者。醫(yī)療人工智能的研究需要結(jié)合臨床問題，所以醫(yī)生們都是研究的主力。在這種背景下，無論是科技部還是基金委，都提出了一系列人工智能在醫(yī)學(xué)應(yīng)用的研發(fā)項(xiàng)目。 剛才李處長講到，在對這個項(xiàng)目進(jìn)行領(lǐng)導(dǎo)的六年中，我們聯(lián)合了信息學(xué)部、數(shù)理學(xué)部和化學(xué)部。剛開始，這個項(xiàng)目被稱作分子影像，經(jīng)過分析后大家覺得過于偏重影像，是跟設(shè)備相關(guān)的，而我們的研究對象是腫瘤。

實(shí)際上，工具還是分子影像，還是屬于人工智能，所以特別適合影像醫(yī)生進(jìn)行申請。 腫瘤演進(jìn)的分子功能可視化，其中一個關(guān)鍵詞是可視化。大家知道，計算機(jī)視覺是人工智能最重要的一個分支。 在醫(yī)學(xué)上，計算機(jī)視覺應(yīng)用得更多。分子影像或者可視化，就是希望通過大數(shù)據(jù)、人工智能來提取高維信息進(jìn)行建模分析，讓我們在分子細(xì)胞水平看到變化。在目前的情況下，腫瘤醫(yī)生的手和眼睛已經(jīng)用到極限。而中國病人數(shù)量龐大，所以醫(yī)生也希望能有新的有效方法。影像科醫(yī)生應(yīng)該積極參與到其中，無論是看到也好，量化也罷，特別在量化方面，影像組學(xué)都是屬于計劃的內(nèi)容。 在醫(yī)療人工智能上，醫(yī)生是主力軍，利用人工智能進(jìn)行建模，使得醫(yī)學(xué)在進(jìn)入分子階段的時候，能夠看到或者量化分子細(xì)胞水平，對腫瘤、血管神經(jīng)疾病的診斷都是極大地促進(jìn)。

所以，從這個角度而言，醫(yī)生研究人工智能有遠(yuǎn)大前程。嚴(yán)福華：謝謝田捷教授，總結(jié)得特別好。作為影像科的醫(yī)生，不僅是AI的使用者，同時又是AI的研究者，因?yàn)樗麄兗扔信R床的經(jīng)驗(yàn)，又可以把AI作為一個研究的手段和平臺。接下來，就請鄭海榮教授劇透一下AI在前沿的創(chuàng)新技術(shù)方面有哪些應(yīng)用的方向？鄭海榮：謝謝嚴(yán)主任?，F(xiàn)在做研究想離開或者拋開AI都很難。在今年參與的幾次基金評審中，我也發(fā)現(xiàn)很多項(xiàng)目里多少都包含了AI的元素，這給我們的研究帶來新的活力。 我覺得，AI的技術(shù)創(chuàng)新以及應(yīng)用，在三個方向上有新的機(jī)會： 第一，AI在醫(yī)學(xué)上面的主戰(zhàn)場就是相關(guān)疾病的AI診斷。最近，大家都發(fā)現(xiàn)，多種模態(tài)的影像都在基于AI技術(shù)進(jìn)行拓展和應(yīng)用，包括與CTA相關(guān)的心腦血管和與CT相關(guān)的早期肺結(jié)節(jié)診斷，以及在更為復(fù)雜的磁共振領(lǐng)域的診斷。

此外，李睿教授做的血管斑塊識別以及在超聲領(lǐng)域，也有很多的AI應(yīng)用。 舉個例子，深圳婦幼中心的李勝利主任在做一個非常成熟的軟件，對胎兒各個部位的尺寸進(jìn)行精確的判定和量化。這種方法使得每個月的檢查可比性非常好。因此，隨著模型的發(fā)展和機(jī)器質(zhì)量的提升，我認(rèn)為，診斷肯定還是AI的主戰(zhàn)場。第二，去年在《Cancers》雜志上發(fā)表的、影響因子達(dá)到150多分的一篇綜述。我非常贊同文中提到的一個觀點(diǎn)，也是我們在實(shí)踐的一個方向，就是全面調(diào)整AI的應(yīng)用思路：不僅僅是幫助醫(yī)生減輕大量閱片的問題，而且在操作層面對參數(shù)的選擇以及自動化的掃描，AI也可以發(fā)揮重要的作用。 舉一個典型例子，這次疫情里，聯(lián)影智能推出一個“智能天眼”的CT產(chǎn)品，結(jié)合人的體位，盡量減少病人和醫(yī)生的接觸，直接拍幾張照片就知道怎么對病人進(jìn)行掃描， 這是一個往前拓展的重要方向。特別是超聲、磁共振這些依賴于手位的復(fù)雜掃描時，完全可以把掃描數(shù)據(jù)采集的智能化納入AI應(yīng)用的范疇。

此外，在超聲造影里面，如果心臟卵圓孔未閉合，經(jīng)常導(dǎo)致中風(fēng)。早期檢查靠的是造影，而造影技術(shù)要通過幾分鐘甚至十幾分鐘的造影機(jī)觀察有沒有漏診，單純靠人眼，醫(yī)生往往會因?yàn)閹讉€看不見的微泡而漏診。 所以，用AI技術(shù)完成動態(tài)監(jiān)測，也是一個發(fā)展方向。 第三，AI在醫(yī)學(xué)上的發(fā)展現(xiàn)在是基于大量的影像數(shù)據(jù)。但是，真正對于預(yù)后、對于綜合的判斷，其他類型的數(shù)據(jù)也非常重要。例如基因數(shù)據(jù)、病理數(shù)據(jù)以及臨床數(shù)據(jù)，需要把多種數(shù)據(jù)進(jìn)行融合。 將這些多源、多模態(tài)的數(shù)據(jù)融合起來，對臨床、預(yù)后判定以及治療方案的指導(dǎo)都能發(fā)揮實(shí)質(zhì)性的作用。AI，現(xiàn)在發(fā)揮更多的是錦上添花的作用。如何在臨床上發(fā)揮更加重要的作用，可能還要將其進(jìn)行全面的調(diào)整、融合。這些都離不開多學(xué)科的交叉，以臨床的需求為最大的目標(biāo)來融合多學(xué)科的力量。

如果大家在一個創(chuàng)新鏈上往前推動，將會有更多的有影響力的、醫(yī)生愛用的、臨床的AI成果落地，并且創(chuàng)造價值。

嚴(yán)福華：鄭海榮教授給我們提出了三個好的思路。剛才提到的聯(lián)影智能的天眼CT，我們對此深有感觸。原來進(jìn)行CT掃描需要兩個技術(shù)員，一個擺位、一個操作。 但是，有了天眼技術(shù)之后，我們只需要一個人，通過遠(yuǎn)程操控就能夠給病人精確定位，不需要跟病人接觸，后來根據(jù)我們的經(jīng)驗(yàn)也寫成了一篇文章，我覺得這個問題是臨床應(yīng)用中非常重要的一點(diǎn)。 第二點(diǎn)，讓我們深受啟發(fā)的就是多學(xué)科的融合。作為臨床一線的工作人員，我們每天有很多任務(wù)是參加多學(xué)科會診。在AI的研究方面，我們是不是也能很好地利用多學(xué)科的優(yōu)勢，把多模態(tài)的信息進(jìn)行融合，在診斷之外進(jìn)行療效評估、預(yù)后預(yù)測，指導(dǎo)臨床治療，基于AI的手段讓影像學(xué)發(fā)揮更大的作用和優(yōu)勢。

接下來，我想請教盧光明教授，從科學(xué)研究的方向來講，您對人工智能有什么樣的期許？盧光明：謝謝嚴(yán)主任。剛才幾位專家都講到，從病變發(fā)現(xiàn)、早期診斷、分類分期、預(yù)后評估、療效評估以及在療效預(yù)測等方面都有很重要的價值。 目前，很多AI成果都發(fā)表在頂級期刊上，敏感性、特異性都達(dá)到95%以上，但是我們卻沒法用。假如這些文章有醫(yī)生參與，結(jié)果絕對沒那么高，因?yàn)楣こ倘藛T只用算法求結(jié)果。 舉個例子，我有一個哈工大的博士后，基于300多個病例進(jìn)行肺結(jié)節(jié)的良惡性鑒別，敏感性、特異性已做到90%多，AUC值在0.94。 但是，把病例數(shù)據(jù)量增加后，指標(biāo)就難以提高。所以，單純的工科生可能只追求一個好的結(jié)果，而醫(yī)生要考慮落地應(yīng)用。

現(xiàn)在有一些應(yīng)用確實(shí)很好，例如肺結(jié)節(jié)的檢測，可以減少漏診。心血管系統(tǒng)也存在類似的問題，例如我們在看冠狀動脈時，利用AI的方法可以達(dá)到年輕醫(yī)生的診斷效果——不但可以看狹窄程度，而且可以看斑塊的性質(zhì)。 斑塊的性質(zhì)和狹窄結(jié)合起來，對病人的預(yù)后或者選擇治療方案，都很有價值。我們還可以將其跟血流儲備分?jǐn)?shù)FFR結(jié)合起來，現(xiàn)在做一次有創(chuàng)的FFR花費(fèi)很貴，而且病人的意愿也不高。 前天，科技部評審該項(xiàng)目里是用OCT來做FFR，我們也做過把CT和FFR結(jié)合起來進(jìn)行的項(xiàng)目：如果狹窄程度大于70%，建議病人做一個DSA治療。而結(jié)合FFR之后，值大于0.8，病人就不需要做，因?yàn)榘l(fā)生風(fēng)險的可能性很小。 所以，這種方法對于減少DSA檢查是有好處的。

此外，對于要不要做血溶重建，以及預(yù)測惡性的心肌事件都很有價值。另一方面，我們還可以根據(jù)計算血流的動力學(xué)和其他因素結(jié)合來進(jìn)行。 目前，我們?nèi)匀恍枰獧C(jī)器的協(xié)助來完成一些事。但是，要針對其中不同的場景，例如在基層邊遠(yuǎn)地區(qū)，是需要將診斷的特異性提高，還是將敏感性提高，相關(guān)的曲線是可以調(diào)整的。 因此，針對不同的場景，人工智能有不同的應(yīng)用價值。我相信，人工智能不僅能夠幫助我們減輕工作壓力，解決一些臨床問題，今后還能夠結(jié)合臨床的數(shù)據(jù)，像年輕醫(yī)生一樣主動學(xué)習(xí)以及自主反饋，AI將會有非常美好的未來。嚴(yán)福華：謝謝盧光明教授。實(shí)際上，不僅有科學(xué)家、工程師做算法，如何讓醫(yī)生參與，讓AI更加貼近臨床實(shí)際就顯得非常重要。

剛才盧教授講得非常重要，我們國家的醫(yī)療水平發(fā)展非常不平衡，有些地區(qū)經(jīng)驗(yàn)豐富的醫(yī)生也很少，在這樣的情況下，AI會發(fā)揮其重要的作用，像一兩毫米的肺結(jié)節(jié)都能被AI發(fā)現(xiàn)，所以不會有病灶的漏診。但是，定性還要結(jié)合醫(yī)生的經(jīng)驗(yàn)對其進(jìn)一步的判斷。 另外，AI如何真正幫助改善我們的診療流程，以及能否讓病人獲益。以前病人可能要做很多不同的檢查，以決定病人需要進(jìn)行什么樣的檢查和治療。 有了AI助力以后，特別是盧教授剛才講的冠脈方面的問題，我們不僅要看形態(tài)學(xué)，還要結(jié)合血流動力、功能學(xué)的改變、使得信息更加全面，這樣才是真正地為病人服務(wù)，讓患者受益。所以，我覺得，在這個方面還有很多的科研的思路和項(xiàng)目可以進(jìn)一步挖掘。

接下來，我想請教梁長虹教授，您覺得，目前人工智能在影像數(shù)據(jù)深度挖掘當(dāng)中的價值和創(chuàng)新有哪些？梁長虹：謝謝嚴(yán)福華教授！首先，什么叫做深度的數(shù)據(jù)挖掘，這件事情本身就讓我有點(diǎn)迷茫。但是從人工智能、從放射科醫(yī)生的角度來看，醫(yī)學(xué)影像本身就是循證醫(yī)學(xué)中非常重要的證據(jù)。那么，借助人工智能技術(shù)，把重要證據(jù)用好，我們就可以得到非常多的幫助。 第二，深度的數(shù)據(jù)挖掘可以讓AI技術(shù)在醫(yī)學(xué)影像的全鏈條上發(fā)揮作用。國內(nèi)有一家醫(yī)院做了一個非常好的研究，患者進(jìn)到醫(yī)院，通過照相就能預(yù)測出是否有冠心病，也就是大家可能想象不到的用科學(xué)“看相”。 對于醫(yī)學(xué)影像AI，大家都懷著無比希望的心情。但是，往往是理想很豐滿、現(xiàn)實(shí)很骨感。

有一次，我引用過一篇文章，文章當(dāng)年就對人工智能給予無限的希望。但是，受制于算法、算力，最終沒有得以實(shí)現(xiàn)。 現(xiàn)階段而言，算法、算力的進(jìn)步，已經(jīng)可以讓AI實(shí)現(xiàn)很多東西。但正如前幾位專家所說的，很多問題還沒有完全得到解決，我們還沒有得到一個很完善的工具。 比如看胸片，難道只是看到一個肺結(jié)節(jié)就ok了嗎？肯定是不可以的。分享一些個人想法：我們希望提高醫(yī)療數(shù)據(jù)的質(zhì)量，實(shí)現(xiàn)“小數(shù)據(jù)、大任務(wù)”。我們現(xiàn)在實(shí)現(xiàn)的是“大數(shù)據(jù)、小任務(wù)”；在創(chuàng)新方面，除了多模態(tài)的數(shù)據(jù)，還要有多模態(tài)的專家；最為重要的一點(diǎn)，是真正在算法上實(shí)現(xiàn)創(chuàng)新。 我們醫(yī)院和田捷教授、鄭海榮教授以及華南理工大學(xué)的工科團(tuán)隊和其他的工科團(tuán)隊進(jìn)行了合作。

目前，除了影像數(shù)據(jù)的分析外，還涵蓋了病理科。香港中文大學(xué)也跟著我們進(jìn)行科研，把基因信息的挖掘跟影像結(jié)合起來。 到目前為止，在我們的科研經(jīng)費(fèi)里，大概用了1000多萬進(jìn)行影像基因的測序。 因此，不能是做醫(yī)學(xué)影像的人，就只用影像數(shù)據(jù)來挖掘，還要將臨床醫(yī)生的觀察、基因信息以及病理等多維的信息綜合起來。圍繞臨床需求，才可能在未來解決更多的問題。不光是Deep Learning的算法，還要提出一個Chinese的算法，這樣才能夠真正解決我們的問題。嚴(yán)福華：雖然算法算力提高了，但是什么時候能出現(xiàn)中國獨(dú)立自知識產(chǎn)權(quán)的算法，將來更加助力醫(yī)生在AI的研究道路上越走越順。 另外，梁教授又特別強(qiáng)調(diào)了多維度的融合，讓不同的人在一起工作，才能夠使得研究具有高水平，同時真正的符合臨床的需求。最后一個問題，想請教一下洪楠教授，在AI影像結(jié)構(gòu)報告的方面，有沒有什么經(jīng)驗(yàn)可以分享。在實(shí)際工作當(dāng)中，AI對于放射科的工作帶來了哪些價值？洪楠：謝謝嚴(yán)福華教授。人工智能能否幫助我們做結(jié)構(gòu)化報告，答案是肯定的。

但是，在現(xiàn)階段肯定還是有一些限制。放射科的工作實(shí)際上是一個流水線，從患者進(jìn)科室、進(jìn)行檢查再到后處理和讀片，最后才能得出一份完整的報告。怎么出更好的報告？還需要結(jié)合臨床。 到目前為止，對于人工智能而言，無論是看肺結(jié)節(jié)、冠脈還是看其他器官，都只是進(jìn)行圖像識別，沒有完整地把病人的檢驗(yàn)、病史以及其他的指標(biāo)考慮進(jìn)來。 所以，AI得出的報告是不完整的。

如果數(shù)據(jù)不完整、不規(guī)范，人工智能得出的報告也一定是不可信的。 回到結(jié)構(gòu)化報告，實(shí)際上，我們科室里嘗試了很多工作。為什么要做結(jié)構(gòu)化報告？因?yàn)槌Ｒ?guī)的報告有優(yōu)缺點(diǎn)。常規(guī)報告的優(yōu)點(diǎn)是上手快，缺點(diǎn)是書寫過于隨意，缺乏對整體思路的引導(dǎo)。 因此，我們探索結(jié)構(gòu)化報告有將近10年的時間，成功的和不成功的案例都有。成功之處在于對一些比較簡單、單一的器官，比如乳腺、前列腺甚至結(jié)直腸癌，都得出了內(nèi)科、外科公認(rèn)的結(jié)構(gòu)化報告。 而缺點(diǎn)在于如何實(shí)現(xiàn)復(fù)雜器官、復(fù)雜部位的結(jié)構(gòu)化報告，尤其是在出現(xiàn)疫情以后不做平片，只做CT。那么，CT可能不僅僅看出肺結(jié)節(jié)和肺炎，還可能是對頸、胸、腹、盆的連掃。

這種情況下，我們怎么能夠出結(jié)構(gòu)化報告，我覺得很難實(shí)現(xiàn)各地的統(tǒng)一。 對我們來說，首先必須要掌握臨床的需求，包括我們是不是真的需要結(jié)構(gòu)化報告，如果真的需要，該怎么做？是按部位、按區(qū)域、按地區(qū)來做，或者是兒童醫(yī)院、腫瘤醫(yī)院以及綜合醫(yī)院。目前，我們覺得按照各地的需要來做，更貼近現(xiàn)實(shí)。那么，人工智能對我們工作有沒有影響，答案也是肯定的。我們科現(xiàn)在的主要工作就是把幾家AI公司的產(chǎn)品整合到信息系統(tǒng)里，主要是看肺結(jié)節(jié)，這樣每個病人做完之后都可以處理一些數(shù)據(jù)。 使用的結(jié)果是，我們的一線大夫非常喜愛用結(jié)節(jié)篩查工具，因?yàn)椴挥迷倏雌恿?。只要是?jīng)過AI處理之后，他接受并提交報告就完成了工作。

但是，對于二線大夫，因?yàn)槿渴嵌€的分析，可能以前看一遍就夠了，現(xiàn)在可能看兩遍、三遍甚至需要花費(fèi)更多時間，一線和二線大夫的感官不一樣。 那么，帶來的問題是，有了AI之后，一線大夫都不看片子了，那么不會讀片了該怎么辦？對于這個問題，可能不僅僅在國內(nèi)有這，國外也一定存在。 所以，去年在北美發(fā)展年會上的一個專場，就是人工智能如何改變我們的繼續(xù)教育培訓(xùn)。對于這個問題，需要我們的廠商以及幾位學(xué)者，考慮今后怎么能夠把AI用得更好。 剛才我主持了一個講座，講者是馮曉源校長。我覺得他講得非常好，題目是“人工智能和人類智慧的關(guān)系”，他的結(jié)論是應(yīng)當(dāng)相輔相成。 我認(rèn)為，人工智能應(yīng)當(dāng)不給我們麻煩，我們也希望利用人工智能做一些目前不愿意做甚至不能做的工作，使我們從常規(guī)的圖像識別里擺脫出來，利用時間完成一些創(chuàng)新性的工作，多走出放射科，多進(jìn)入臨床，與病人和醫(yī)生溝通。 這樣，才能使我們放射科的工作變得不可或缺、不可替代，使我們立于不敗之地。

責(zé)任編輯：xj

原文標(biāo)題：7位醫(yī)工專家激辯：什么樣的AI產(chǎn)品，才能滿足醫(yī)生的科研與臨床雙需求？| 中國醫(yī)學(xué)影像AI大會

文章出處：【微信公眾號：IoT科技評論】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。