北美放射協會（RSNA）會議是全球範圍內最權威的放射學會議，集結了全球最領先的先進技術及學術成果，代表著這一領域未來的發展方向。
第105屆北美放射學會年會（RSNA 2019）現場，主席Valerie P. Jackson教授在主旨演講中提到:“放射醫師本質上是有價值信息的守門人。” 醫學影像數據在全部醫療數據中占比超80%，數據價值的釋放逐漸成爲臨床診療外至關重要的一部分，在臨床-科研-臨床之間實現數據價值閉環，或將重新定義放射醫師。
前瞻AI與科研結合的無限可能，彙醫慧影在17年初自主研發推出了國內第一個以AI賦能影像科研的劃時代産品——Radcloud大數據人工智能科研平台。這是一個領先行業兩年、首個實現産品化落地的AI科研平台，至今，Radcloud已與國內外400余家醫院及醫療機構建立科研合作，海外合作覆蓋美國、日本、俄羅斯、新加坡、韓國等。RSNA2019參會演講者，日本國立癌症中心Hirofumi Kuno博士（日本國立癌症中心東區放射科科長），正是Radcloud平台用戶之一。
日本國立癌症中心設立于1961年，位于東京的中心地帶，是日本癌症治療的國立醫療機構，也是世界上屈指可數的癌症對抗中心之一，在癌症新藥開發、臨床試驗和信息統計等方面發揮核心作用。
RSNA2019會議期間，日本國立癌症中心使用RadCloud大數據人工智能科研平台産出的兩篇論文——“探索從CT和MRI中提取機器學習分類器，預測舌頭晚期鱗狀細胞癌患者術後複發的風險”、“基于CT的放射組學分析預測局部晚期食管癌患者術前化療後的病理反應”由Dr. Kuno分別于神經放射學/頭頸部腫瘤專場及胸部(放射組學-惡性腫瘤)專場現場發表，面向全球分享影像前沿科研成果。
摘要一 探索從CT和MRI中提取機器學習分類器，預測舌頭晚期鱗狀細胞癌患者術後複發的風險
本文對81例晚期舌鱗狀細胞癌(cT3-4或任何淋巴結轉移)患者進行了回顧性研究。在 RadCloud 平台上，爲每位患者從 CT 和 MRI 的 T2加權像(T2WI)和 T1加權像(Gd-T1WI)中提取共1409個放射組學特征。采用方差阈值法、SelectKBest法和 LASSO 算法逐步選出最優特征。使用計算機生成的隨機數將70%的VOI分配給訓練數據集，並將30%的VOI分配給每個成像集的驗證數據集。使用六個監督學習分類器(KNN，SVM，XGBoost，RF，LR，DT)進行分類。通過ROC曲線分析來評估放射組學特征的預測性能。得出結論MRI(Gd-T1WI)可能是建立放射組學模型的最佳方法，尤其是使用KNN方法來預測晚期舌鱗癌術後複發的風險。基于MRI的放射組學特征可以爲晚期舌鱗狀細胞癌提供額外的定量信息，這些信息或將爲術後輔助治療的決策提供幫助。
摘要二 基于CT的放射組學分析預測局部晚期食管癌患者術前化療後的病理反應
在這項回顧性研究中，基于133名LAEC患者的原始數據集建立放射組學模型。這些患者接受了增強CT掃描、術前化療、手術治療，根據手術切除標本的病理評價分爲不良反應組和良好反應組。利用Radcloud平台從CT圖像中提取定量影像特征，采用方差阈值法、SelectKBest法和LASSO算法逐步選擇最優特征並降維。采用6種機器學習算法建立放射組學諾谟圖。通過ROC曲線分析來評估放射組學特征的預測性能，包括訓練(n=99 VOIs)和驗證(n=41 VOIs)。用LASSO方法選出6個最優特征。Xgboost 模型的 ROC 曲線下面積(AUC)預測訓練數據集的良好反應爲0.893(95% CI; 0.79-0.99) ，驗證數據集爲0.761(95% CI; 0.65-0.87)。得出結論基于ct的放射學特征可以提供更多的疾病進展定量信息，或有助于改善LAEC患者術前管理的臨床決策。
Hirofumi Kuno博士（左三）一行
莅臨彙醫慧影展區交流
關于Radcloud大數據人工智能科研平台爲放射組學研究帶來的改變，Dr. Kuno表示：“：AI在科研領域應用引發的改變甚至比臨床應用階段更令人驚喜。在Radcloud平台上，我們的科研研究流程與日常閱片診斷幾乎完全一致，由平台完成多維數據信息的綜合、提取特征及人工智能建模，這讓數據價值的挖掘，臨床應用輔助決策觸手可及。 ”
産品展示區，Dr. Kuno對彙醫慧影智能影像雲及AI輔助診斷平台同樣表示濃厚興趣，期待更多覆蓋診療、科研、影像雲的智慧影像整體解決方案合作。
彙醫慧影Radcloud大數據人工智能科研平台，提供一站式分析工具，實現零技術基礎的科研研究。以影像數據爲驅動，領先支持影像數據、檢查報告、病理圖像、臨床信息等數據進行管理與分析，集成50多種前沿深度學習、機器學習和影像組學算法，內置超1000種特征值分析工具，極大擴展科研數據分析維度，幫助醫生找到人眼和人的經驗無法總結出來的信息，輔助醫生完成高價值的科研工作。
在兩年産品化落地中，Radcloud曆經4次升級叠代與功能完善，始終保持技術領先優勢及行業前瞻優勢，至今已服務Dr. Kuno在內的20000+醫生用戶，産出千篇高質量論文及摘要，成功申報各類科研基金近億元。是國內用戶量最大、研究課題最廣的影像大數據科研産品。爲讓更多走在科研第一線的醫務工作者享受智慧科研利好，加速科研成果轉化，目前（截止至2019年12月31日）Radcloud産品限時開放試用申請。
針對有更高要求的科研課題及用戶，彙醫慧影科研部博士專家團隊將專人專項提供科研服務支持，成員來自斯坦福、劍橋、清華、北大、中科院等國內外知名高校，擁有十余年影像處理經驗，爲醫生科研保駕護航，促進科研課題高效轉化，産出高質量的科研成果。
彙醫慧影成立于2015年4月，是一家國家級醫學影像人工智能高新技術企業，也是國際領先的醫學影像人工智能技術服務商。截至彙醫慧影目前已與國內1000多家醫院完成合作，從科研到臨床全流程覆蓋，在智能影像雲平台、數字智能膠片、人工智能診斷雲平台、組學雲平台的全流程影像平台市場占有率第一。這既是市場對于彙醫慧影商業模式的正向反饋，也是全行業範圍內産品布局發展方向的一次驗證。彙醫慧影將繼續致力于大數據、人工智能、雲計算等前沿技術賦能醫療創新，爲智慧醫院、分級診療、精准醫療量身定制影像智能解決方案。
發掘醫療數據非凡價值，彙醫慧影期待與您同行。