本文摘要：北美放射线协会（RSNA）会议是全球范围内最权威的放射学会议，进发了全球最领先的先进设备技术及学术成果，代表着这一领域未来的发展方向。

北美放射线协会（RSNA）会议是全球范围内最权威的放射学会议，进发了全球最领先的先进设备技术及学术成果，代表着这一领域未来的发展方向。第105届北美放射线学会年会（RSNA 2019）现场，主席Valerie P. Jackson教授在主旨演说中提及:放射线医师本质上是有价值信息的守门人。医学影像数据在全部医疗数据中占比超强80%，数据价值的获释渐渐沦为临床医疗外至关重要的一部分，在临床-科研-临床之间构建数据价值闭环，或将新的定义放射线医师。

前瞻AI与科研融合的无限有可能，汇医慧影在17年初自律研发发售了国内第一个以AI赋能影像科研的划时代产品——Radcloud大数据人工智能科研平台。这是一个领先行业两年、首个构建产品化落地的AI科研平台，至今，Radcloud已与国内外400余家医院及医疗机构创建科研合作，海外合作覆盖面积美国、日本、俄罗斯、新加坡、韩国等。RSNA2019与会演讲者，日本国立癌症中心Hirofumi Kuno博士（日本国立癌症中心东区放射科科长），正是Radcloud平台用户之一。日本国立癌症中心成立于1961年，坐落于东京的中心地带，是日本癌症化疗的国立医疗机构，也是世界上屈指可数的癌症对付中心之一，在癌症新药研发、临床试验和信息统计资料等方面充分发挥核心作用。

RSNA2019会议期间，日本国立癌症中心用于RadCloud大数据人工智能科研平台生产量的两篇论文——“探寻从CT和MRI中萃取机器学习分类器，预测舌头晚期鳞状细胞癌患者术后发作的风险”、“基于CT的放射线组学分析预测局部晚期食管癌患者术前化疗后的病理反应”由Dr. Kuno分别于神经放射学/头颈部肿瘤专场及胸部(放射线组学-恶性肿瘤)专场现场公开发表，面向全球共享影像前沿科研成果。概要一 探寻从CT和MRI中萃取机器学习分类器，预测舌头晚期鳞状细胞癌患者术后发作的风险本文对81事例晚期舌鳞状细胞癌(cT3-4或任何淋巴结移往)患者展开了回顾性研究。在 RadCloud 平台上，为每位患者从 CT 和 MRI 的 T2权重像(T2WI)和 T1权重像(Gd-T1WI)中萃取共1409个放射线组学特征。使用方差阈值法、SelectKBest法和 LASSO 算法逐步投票决定拟合特征。

用于计算机分解的随机数将70%的VOI分配给训练数据集，并将30%的VOI分配给每个光学集的检验数据集。用于六个监督自学分类器(KNN，SVM，XGBoost，RF，LR，DT)展开分类。

通过ROC曲线分析来评估放射线组学特征的预测性能。得出结论MRI(Gd-T1WI)有可能是创建放射线组学模型的最佳方法，特别是在是用于KNN方法来预测晚期舌鳞癌术后发作的风险。

基于MRI的放射线组学特征可以为晚期舌鳞状细胞癌获取额外的定量信息，这些信息或将为术后辅助化疗的决策获取协助。概要二 基于CT的放射线组学分析预测局部晚期食管癌患者术前化疗后的病理反应在这项回顾性研究中，基于133名LAEC患者的原始数据集创建放射线组学模型。

这些患者拒绝接受了强化CT扫瞄、术前化疗、手术化疗，根据手术手术标本的病理评价分成不良反应组和较好反应组。利用Radcloud平台从CT图像中萃取定量影像特征，使用方差阈值法、SelectKBest法和LASSO算法逐步自由选择拟合特征并降维。

使用6种机器学习算法创建放射线组学诺谟图。通过ROC曲线分析来评估放射线组学特征的预测性能，还包括训练(n=99 VOIs)和检验(n=41 VOIs)。用LASSO方法投票决定6个拟合特征。

Xgboost 模型的 ROC 曲线下面积(AUC)预测训练数据集的较好反应为0.893(95% CI; 0.79-0.99) ，检验数据两集0.761(95% CI; 0.65-0.87)。得出结论基于ct的放射学特征可以获取更好的疾病进展定量信息，或有助提高LAEC患者术前管理的临床决策。

Hirofumi Kuno博士（左三）一行亲临资医慧影展区交流关于Radcloud大数据人工智能科研平台为放射线组学研究带给的转变，Dr. Kuno回应：“：AI在科研领域应用于引起的转变甚至比临床应用于阶段更加令人惊艳。在Radcloud平台上，我们的科研研究流程与日常阅片临床完全完全一致，由平台已完成多维数据信息的综合、萃取特征及人工智能建模，这让数据价值的挖出，临床应用于辅助决策触手可及。”产品展示区，Dr. Kuno对资医慧影智能影像云及AI辅助临床平台某种程度回应浓厚兴趣，期望更加多覆盖面积医疗、科研、影像云的智慧影像整体解决方案合作。

资医慧影Radcloud大数据人工智能科研平台，获取一站式分析工具，构建零技术基础的科研研究。以影像数据为驱动，领先反对影像数据、检查报告、病理图像、临床信息等数据展开管理与分析，构建50多种前沿深度自学、机器学习和影像组学算法，内置超强1000种特征值分析工具，很大拓展科研数据分析维度，协助医生寻找人眼和人的经验无法总结出来的信息，辅助医生已完成低价值的科研工作。在两年产品化落地中，Radcloud几经4次升级递归与功能完善，始终保持技术领先优势及行业前瞻优势，至今已服务Dr. Kuno在内的20000+医生用户，生产量千篇高质量论文及概要，顺利申报各类科研基金将近亿元。

是国内用户量仅次于、研究课题最广的影像大数据科研产品。为让更好回头在科研第一线的医务工作者享用智慧科研受到影响，加快科研成果转化成，目前（累计至2019年12月31日）Radcloud产品限时对外开放试用申请人。

针对有更高拒绝的科研课题及用户，资医慧影科研部博士专家团队将专人专项获取科研服务反对，成员来自斯坦福、剑桥、清华、北大、中科院等国内外著名高校，享有十余年影像处置经验，为医生科研保驾护航，增进科研课题高效转化成，生产量高质量的科研成果。资医慧影正式成立于2015年4月，是一家国家级医学影像人工智能高新技术企业，也是国际领先的医学影像人工智能技术服务商。

截至资医慧影目前已与国内1000多家医院已完成合作，从科研到临床仅有流程覆盖面积，在智能影像云平台、数字智能胶片、人工智能临床云平台、组学云平台的全流程影像平台市场占有率第一。这既是市场对于资医慧影商业模式的相反对系统，也是全行业范围内产品布局发展方向的一次检验。汇医慧影将之后致力于大数据、人工智能、云计算等前沿技术赋能医疗创意，为智慧医院、分级医疗、精准医疗量身自定义影像智能解决方案。

考古医疗数据非凡价值，资医慧影期望与您同行。版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：澳门最新网站游戏-www.517bst.com