0
| 本文作者： 劉海濤 | 2020-12-30 10:58 | 專(zhuān)題：ISICDM |
雷鋒網(wǎng)消息，近日，第四屆圖像計(jì)算與數(shù)字醫(yī)學(xué)國(guó)際研討會(huì)（ISICDM 2020），在東北大學(xué)國(guó)際學(xué)術(shù)交流中心閉幕。
此次研討會(huì)由國(guó)際數(shù)字醫(yī)學(xué)會(huì)主辦，東北大學(xué)和中國(guó)醫(yī)科大學(xué)聯(lián)合承辦。雷鋒網(wǎng)&醫(yī)健AI掘金志，第四次應(yīng)ISICDM發(fā)起人、今年當(dāng)選IEEE Fellow的李純明教授邀請(qǐng)，成為大會(huì)首席媒體，全程參與ISICDM的報(bào)道。
四年來(lái)，ISICDM匯聚了中國(guó)、美國(guó)、英國(guó)、法國(guó)、德國(guó)、加拿大、荷蘭、瑞士、新加坡、澳大利亞等十國(guó)院士，IEEE TIP、IEEE TBME、MedicalImage Analysis等頂級(jí)期刊的主編，以及三十多位IEEE Fellow、ACM Fellow，多位中華醫(yī)學(xué)會(huì)分會(huì)主委。
這樣的豪華陣容，讓ISICDM成為國(guó)內(nèi)最有影響力的理工醫(yī)交叉會(huì)議之一。國(guó)內(nèi)外頂級(jí)學(xué)者的數(shù)百篇學(xué)術(shù)報(bào)告，已經(jīng)成為醫(yī)學(xué)圖像和數(shù)字醫(yī)學(xué)領(lǐng)域的研究風(fēng)向標(biāo)。
本次研討會(huì)，共設(shè)置了醫(yī)學(xué)圖像與人工智能分會(huì)、神經(jīng)影像分析分會(huì)、三維可視化與智能診療、圖像重建進(jìn)展論壇、圖像計(jì)算的數(shù)學(xué)模型與算法論壇，共8大專(zhuān)題論壇，包含77個(gè)專(zhuān)題報(bào)告和多個(gè)交流環(huán)節(jié)。
新加坡國(guó)家科學(xué)院院士沈佐偉教授、瑞士工程科學(xué)院院士Michael Unser教授、美國(guó)國(guó)家發(fā)明家科學(xué)院院士王革教授、歐洲科學(xué)院外籍院士蔣田仔博士等四位院士蒞臨本次大會(huì)。
與此同時(shí)，“計(jì)算解剖學(xué)”創(chuàng)始人、約翰霍普金斯大學(xué)Michael I.Miller教授；圖像處理頂級(jí)期刊IEEE TIP副主編、弗吉尼亞大學(xué)Gustavo Rohde博士；MICCAI 2020程序委員會(huì)聯(lián)席主席、中科院計(jì)算所周少華教授；中國(guó)科學(xué)院自動(dòng)化研究所、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等多位嘉賓也在大會(huì)各環(huán)節(jié)發(fā)言。
四大院士，聚焦醫(yī)學(xué)AI前沿技術(shù)
美國(guó)國(guó)家發(fā)明家科學(xué)院院士、紐約倫斯勒理工學(xué)院講座教授王革，圍繞圖像重建+AI的結(jié)合，發(fā)表了《Deep Learning & Computed Tomography》的主題演講。
多年來(lái)，王革教授在CT成像、在體熒光成像和生物醫(yī)學(xué)成像等理論與技術(shù)領(lǐng)域開(kāi)展了一系列開(kāi)拓性研究工作，首次提出了螺旋狀錐束CT結(jié)構(gòu)和自發(fā)熒光斷層成像方法，是國(guó)際CT成像和醫(yī)學(xué)圖像處理領(lǐng)域的杰出專(zhuān)家和學(xué)術(shù)權(quán)威，也是當(dāng)前分子影像領(lǐng)域的重磅人物。
王革表示：“圖像重建和圖像分析是醫(yī)學(xué)影像學(xué)的兩大支柱，具有很強(qiáng)的互補(bǔ)性，同時(shí)也涵蓋醫(yī)學(xué)成像的完整工作流程，從斷層掃描原始數(shù)據(jù)特征，到重建圖像、提取診斷特征等。“
他指出，醫(yī)學(xué)影像中，人工智能不僅有助于圖像分析，也有助于圖像重建。利用大數(shù)據(jù)知識(shí)，發(fā)展新一代的圖像重建理論、重建技術(shù)和圖像方法，進(jìn)而提升機(jī)器學(xué)習(xí)對(duì)醫(yī)學(xué)影像的影響程度。
新加坡國(guó)家科學(xué)院、發(fā)展中國(guó)家科學(xué)院院士沈佐偉，發(fā)表了演講——《Image Restoration and Beyond》。
作為國(guó)際著名數(shù)學(xué)家，沈佐偉為數(shù)據(jù)科學(xué)中的理論奠定作出了諸多重要貢獻(xiàn)，尤其在函數(shù)逼近理論與小波分析、圖像處理與壓縮感知 、計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)等領(lǐng)域。
他介紹了稀疏逼近理論，以及在圖像處理和壓縮感知領(lǐng)域中的應(yīng)用，該理論作為一種新興的圖像模型，能夠用盡可能簡(jiǎn)潔的方式表示圖像，目前已經(jīng)引起國(guó)內(nèi)外廣大學(xué)者的普遍關(guān)注，是當(dāng)前的研究熱點(diǎn)與難點(diǎn)。
沈教授表示：“現(xiàn)實(shí)中，每一天我們收集起來(lái)的各種數(shù)據(jù)繁雜到超出我們的直覺(jué)想象，很難想象人們可以對(duì)這些復(fù)雜的數(shù)據(jù)給出簡(jiǎn)單的刻畫(huà)，以至于僅僅通過(guò)求解幾個(gè)數(shù)學(xué)方程式，就能解決現(xiàn)實(shí)生活中的實(shí)際問(wèn)題。但我們可以退而求其次：以各種各樣具有廣泛實(shí)用性的數(shù)學(xué)模型來(lái)粗略（未必那么精確）地逼近我們所尋求的答案?！?nbsp;
隨后，當(dāng)選歐洲科學(xué)院外籍院士的中國(guó)科學(xué)院自動(dòng)化研究所蔣田仔教授，發(fā)表了演講《腦網(wǎng)絡(luò)組圖譜及其在理解認(rèn)知和疾病中的應(yīng)用》。
目前，腦圖譜的結(jié)構(gòu)和功能研究主要分為三個(gè)方向：神經(jīng)元、神經(jīng)元群和腦區(qū)，其中最重要的研究方向就是腦區(qū)。
蔣田仔教授指出，現(xiàn)在的算力還無(wú)法滿足神經(jīng)元、神經(jīng)元群這樣的微觀角度研究，更多的腦圖譜研究集中在宏觀領(lǐng)域。
但截止現(xiàn)在，腦區(qū)研究還沒(méi)有完成所有腦區(qū)的繪制，許多腦區(qū)劃分依據(jù)大體解剖標(biāo)志，許多功能復(fù)雜腦區(qū)的功能亞區(qū)邊界還不明確，而且既往腦圖譜基本來(lái)源于西方人數(shù)據(jù)，不具備東方人特征。
近些年，隨著腦影像數(shù)據(jù)采集設(shè)備和技術(shù)的進(jìn)步，像高場(chǎng)強(qiáng)磁共振成像在活體上的應(yīng)用、彌散張量成像技術(shù)的發(fā)展，為腦網(wǎng)絡(luò)組圖譜繪制提供了新的技術(shù)基礎(chǔ)。
蔣田仔的團(tuán)隊(duì)，基于這樣的新技術(shù)提出利用腦連接信息構(gòu)建腦圖譜的新思想、針對(duì)不同腦區(qū)的亞區(qū)劃分方案，實(shí)現(xiàn)了腦網(wǎng)絡(luò)組圖譜更精細(xì)的腦區(qū)劃分。
相較于傳統(tǒng)解剖學(xué)方法構(gòu)建的腦圖譜（利希細(xì)胞構(gòu)筑腦圖譜），其研發(fā)的首版腦網(wǎng)絡(luò)組圖譜包含了共252個(gè)大腦皮層腦區(qū)與皮層下核團(tuán)結(jié)構(gòu)，而且在體定量描繪不同腦區(qū)、亞區(qū)解剖與功能連接模式，并對(duì)每個(gè)亞區(qū)進(jìn)行了細(xì)致的功能描述。
此外，瑞士工程科學(xué)院院士Michael Unser也在大會(huì)進(jìn)行了演講，其演講主題為《From model-based to data-based medical image reconstruction》。
作為瑞士洛桑聯(lián)邦理工學(xué)院教授，他在生物醫(yī)學(xué)圖像處理、對(duì)采樣理論、多分辨率算法的圖像處理使用等領(lǐng)域，都有著豐富的研究經(jīng)驗(yàn)。
他在演講中指出，圖像重建算法已經(jīng)歷線性、線性和非線性交替方向乘子法兩次迭代，未來(lái)第三代的方法中，對(duì)于提高圖像質(zhì)量解決方案是保留ADMM算法線性部分，還是用深度學(xué)習(xí)卷積網(wǎng)絡(luò)代替重建迭代部分，在行業(yè)內(nèi)已經(jīng)爆發(fā)激烈的討論，可以肯定的是深度學(xué)習(xí)技術(shù)將在其中發(fā)揮核心作用。
關(guān)于未來(lái)醫(yī)學(xué)圖像重建趨勢(shì)，他認(rèn)為將向四個(gè)發(fā)展：實(shí)現(xiàn)更快、更高分辨率、更低劑量的圖像；找尋新方法的同時(shí)借鑒圖像重建經(jīng)驗(yàn)；更大數(shù)量級(jí)的高質(zhì)量數(shù)據(jù)庫(kù)；解決目前行業(yè)公認(rèn)的難題。
作為此次大會(huì)的開(kāi)場(chǎng)嘉賓，神經(jīng)退行性疾病計(jì)算醫(yī)學(xué)的開(kāi)創(chuàng)者、約翰霍普金斯大學(xué)Michael I.Miller，做了開(kāi)場(chǎng)演講《Measure Representations of the Brain Unifying Molecular and Tissue Continuum Scales》
他表示，繪制地圖是我們了解世界的基礎(chǔ)，了解大腦同樣也需要繪制大腦地圖，對(duì)從個(gè)體人腦數(shù)據(jù)到人群中腦數(shù)據(jù)進(jìn)行形態(tài)和功能的分析，需要研究數(shù)學(xué)方法和有效的計(jì)算手段，計(jì)算神經(jīng)解剖學(xué)在20世紀(jì)80年代出現(xiàn)，將大腦結(jié)構(gòu)與功能認(rèn)識(shí)帶入了新的階段。
在大腦里，計(jì)算神經(jīng)解剖學(xué)能讓我們讀出認(rèn)知狀態(tài)，基于解剖學(xué)和成像模型的醫(yī)學(xué)圖像分割方法可以應(yīng)對(duì)包括帕金森、阿爾茲海默病、亨廷頓氏病等機(jī)體神經(jīng)元結(jié)構(gòu)或功能逐漸喪失而引發(fā)神經(jīng)退行性疾病。
他還介紹了阿爾茲海默病中神經(jīng)原纖維糾纏區(qū)域三維重建的科研進(jìn)展，神經(jīng)細(xì)胞內(nèi)神經(jīng)原纖維纏結(jié)(neurofibrillarytangles, NFTs)是阿爾茲海默病的神經(jīng)病理學(xué)特征之一。但也累積在其他神經(jīng)退行性疾病中，如慢性創(chuàng)傷性腦病和其他與年齡相關(guān)的疾病，為阿爾茲海默病的診斷造成了困難。
近些年，機(jī)器學(xué)習(xí)專(zhuān)家紛紛致力于用AI方法從數(shù)字化圖像中識(shí)別神經(jīng)原纖維纏結(jié)。
緊接著，中國(guó)科學(xué)院自動(dòng)化研究所、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，帶來(lái)《醫(yī)學(xué)影像中的AI算法和研究熱點(diǎn)》的演講。
田捷教授表示，在醫(yī)學(xué)影像領(lǐng)域，人工智能顯著提升了圖像重建質(zhì)量，使數(shù)據(jù)改變圖像質(zhì)量成為了可能。
他將基于深度學(xué)習(xí)的影像智能診斷分為三個(gè)階段：面向重大疾病精準(zhǔn)診斷、療效評(píng)估和預(yù)后預(yù)測(cè)臨床挑戰(zhàn)；提出多尺度、多模態(tài)信息融合的影像大數(shù)據(jù)智能分析方法；顯著提升影像輔助重大疾病診療準(zhǔn)確性、改善患者愈后。
在前兩個(gè)階段中，田捷列舉了深度學(xué)習(xí)超聲影像組學(xué)、卷積神經(jīng)網(wǎng)絡(luò)預(yù)后模型、遷移學(xué)習(xí)、全自動(dòng)深度學(xué)習(xí)模型等多種技術(shù)手段和應(yīng)用場(chǎng)景。
他指出：“未來(lái)的醫(yī)療人工智能會(huì)進(jìn)化到AI的4.0時(shí)代，進(jìn)一步加速智能診斷，實(shí)現(xiàn)數(shù)據(jù)到知識(shí)的直接轉(zhuǎn)化。”
第三位醫(yī)工專(zhuān)家是國(guó)際互聯(lián)網(wǎng)信息系統(tǒng)工程協(xié)會(huì)（WISE 學(xué)會(huì)）主席、維多利亞大學(xué)張彥春教授，他發(fā)表了主題為《醫(yī)學(xué)大數(shù)據(jù)挖掘及AI在神經(jīng)健康疾病輔助檢測(cè)診斷及健康管理應(yīng)用》的演講。
張彥春指出，醫(yī)療大數(shù)據(jù)+人工智能的關(guān)鍵技術(shù)包括計(jì)算機(jī)視覺(jué)、語(yǔ)音、語(yǔ)言和認(rèn)知能力等等，將這些能力對(duì)應(yīng)到醫(yī)療領(lǐng)域，醫(yī)療AI將具有各種形式的對(duì)話能力，可以快速加工大量醫(yī)療和病患信息，提高醫(yī)生效率。
隨后，他重點(diǎn)介紹了腦電圖分析與睡眠健康及癲癇檢查的研究進(jìn)展，將心電監(jiān)測(cè)預(yù)警和AI進(jìn)行結(jié)合，通過(guò)擾動(dòng)數(shù)據(jù)生成對(duì)抗樣本獲取大量訓(xùn)練樣本，獲取醫(yī)生手術(shù)時(shí)的相關(guān)數(shù)據(jù)，分析心電、血氧等數(shù)據(jù)的變化趨勢(shì)，將其投入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而發(fā)現(xiàn)異常，做出預(yù)警，實(shí)現(xiàn)了睡眠健康及癲癇檢查的自動(dòng)觀察。
第四位醫(yī)工嘉賓是IEEE TIP副主編、美國(guó)弗吉尼亞大學(xué)Gustavo Rohde教授，他的演講主題為《Optimal transport in biomedical imaging》。
Rohde教授主要為生物學(xué)和醫(yī)學(xué)的研究開(kāi)發(fā)深度學(xué)習(xí)算法。近些年，他先后研發(fā)適合識(shí)別診斷骨關(guān)節(jié)炎的AI算法等學(xué)術(shù)成果，并在今年3月獲得美國(guó)國(guó)立衛(wèi)生研究院的專(zhuān)項(xiàng)研發(fā)經(jīng)費(fèi)。
他在演講中介紹了利用累積分布變換（CDT）估計(jì)信號(hào)模型參數(shù)的新方法，該方法將被測(cè)信號(hào)和模型信號(hào)之間的Wasserstein距離最小化，證明了非線性和線性最小二乘之間的轉(zhuǎn)化現(xiàn)象。
第五位醫(yī)工專(zhuān)家是南加州大學(xué)Keck醫(yī)學(xué)院、Mark and Mary Stevens神經(jīng)影像與信息學(xué)研究所Paul M.Thompson教授。
他主要介紹了全球最大的腦圖譜項(xiàng)目——ENIGMA，這是Paul M.Thompson和澳大利亞昆士蘭醫(yī)學(xué)研究院遺傳學(xué)家NicholasMartin合作發(fā)起，旨在利用共享腦掃描圖像和遺傳數(shù)據(jù)方式擴(kuò)大研究人群，使大腦結(jié)構(gòu)同遺傳變異和疾病之間建立廣泛聯(lián)系。
在第一個(gè)項(xiàng)目中，ENIGMA同另一個(gè)中心合作，分析了2.1萬(wàn)人的大腦掃描圖像和DNA，并將特定基因同人腦大小和智力聯(lián)系起來(lái)，例如，擁有HMGA2基因特定變異體的人具有更大的大腦，并且在標(biāo)準(zhǔn)智力測(cè)試中得分比普通人高出1.29分。
目前，該項(xiàng)目已經(jīng)匯集到45個(gè)國(guó)家的研究數(shù)據(jù)，對(duì)10萬(wàn)人的大腦掃描圖像和遺傳數(shù)據(jù)展開(kāi)分析。
最后一位醫(yī)工嘉賓是北美放射學(xué)會(huì)(RSNA)物理學(xué)分會(huì)理事，美國(guó)埃默里大學(xué)唐向陽(yáng)教授。
作為醫(yī)療成像研究領(lǐng)域的專(zhuān)家，唐向陽(yáng)教授重點(diǎn)介紹了新一代計(jì)算機(jī)的能譜斷層掃描（光子計(jì)數(shù)檢測(cè)器CT掃描儀）。
能譜CT作為一種新型CT成像方法，借助于光子計(jì)數(shù)探測(cè)器、快速kvp切換等技術(shù)，可以獲取多個(gè)能譜下物質(zhì)的投影數(shù)據(jù)，通過(guò)物質(zhì)分解算法計(jì)算出物質(zhì)的電子密度、等效原子序數(shù)等信息，從而進(jìn)行物質(zhì)識(shí)別、實(shí)現(xiàn)多物質(zhì)的成分分解成像，對(duì)成像質(zhì)量提高，圖像的信噪比改善，降低輻射劑量有著重要意義，目前已經(jīng)成為各大影像器械廠商的主要發(fā)展方向之一。
2020年，已經(jīng)有8款影像AI產(chǎn)品獲批NMPA三類(lèi)注冊(cè)證，當(dāng)今的產(chǎn)品成熟度現(xiàn)狀和未來(lái)產(chǎn)業(yè)化趨勢(shì)，已成為行業(yè)的日常話題之一。
在大會(huì)中，中國(guó)醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟理事長(zhǎng)、長(zhǎng)征醫(yī)院影像醫(yī)學(xué)與核醫(yī)學(xué)科主任劉士遠(yuǎn)教授，以《中國(guó)醫(yī)學(xué)影像AI應(yīng)用實(shí)踐與趨勢(shì)》為題發(fā)表演講。
劉士遠(yuǎn)教授指出，深度學(xué)習(xí)掀起的智能化潮流引發(fā)了醫(yī)學(xué)影像場(chǎng)景重構(gòu)，以及工作流程的改變，被嵌入至前臺(tái)預(yù)約、技師掃描圖像后處理、診斷報(bào)告、放療計(jì)劃等多個(gè)環(huán)節(jié)，減輕了醫(yī)生工作負(fù)荷。
他表示，未來(lái)的醫(yī)療AI產(chǎn)品，將不僅僅面向醫(yī)生，可以衍生出面向患者的智能報(bào)告解讀、面向技師的造影劑劑量自動(dòng)計(jì)算、面向管理的智能影像質(zhì)控、面向科教的智能教學(xué)輔助、面向區(qū)域聯(lián)動(dòng)的MDT等不同的發(fā)展方向。AI產(chǎn)品將不再被束之高閣，可以解決更多醫(yī)學(xué)底層實(shí)際問(wèn)題。
首都醫(yī)科大學(xué)附屬北京朝陽(yáng)醫(yī)院放射科副主任楊旗教授，發(fā)表了演講《基于人工智能腦血管病輔助診斷決策系統(tǒng)建立及實(shí)踐》
楊旗教授指出，我國(guó)腦卒中防控形勢(shì)十分嚴(yán)峻，腦血管致死率居所有疾病首位，影像科醫(yī)生對(duì)于腦卒中診斷的關(guān)注點(diǎn)可分為五項(xiàng)：梗死核心體積；是否存在缺血半暗帶；是否存在側(cè)支循環(huán)；血管狹窄或閉塞的位置；治療后出血風(fēng)險(xiǎn)。
楊旗教授分享了斯坦福大學(xué)研發(fā)的腦卒中人工智能影像分析平臺(tái)——RAPID。
RAPID作為領(lǐng)先的腦灌注和彌散圖像可視化處理軟件，已獲得FDA批準(zhǔn)用于機(jī)械取栓患者篩選，在全球40余個(gè)國(guó)家的1000多家中心應(yīng)用，掃描次數(shù)超過(guò)25萬(wàn)例/年。
楊旗教授表示，希望未來(lái)中國(guó)的腦卒中AI產(chǎn)品，將不再需要醫(yī)生去標(biāo)數(shù)據(jù)，一點(diǎn)點(diǎn)訓(xùn)練模型，進(jìn)行成百上千的樣本量測(cè)試、迭代；能夠?qū)崿F(xiàn)自動(dòng)學(xué)習(xí)影像知識(shí)，向不需要醫(yī)生干預(yù)就能給出準(zhǔn)確結(jié)果的方向發(fā)展。
作為廣東省人民醫(yī)院放射科主任，劉再毅教授也以《對(duì)影像AI研究和臨床應(yīng)用的幾點(diǎn)思考》為題，發(fā)表了自己對(duì)于AI發(fā)展的看法。
劉再毅指出，放射科醫(yī)生這個(gè)職業(yè)已經(jīng)有100多年歷史，在一次次技術(shù)革新之后不斷壯大，如今這次AI革新，給這個(gè)職業(yè)的未來(lái)，造成了很多變數(shù)，為此像Andrew Ng、Harold Pimentel等了解影像的算法專(zhuān)家也都在思考放射科的未來(lái)出路。
從實(shí)際情況出發(fā)，他認(rèn)為影像AI取代醫(yī)生還存在五項(xiàng)挑戰(zhàn)；影像AI軟件功能和應(yīng)用場(chǎng)景單一；臨床易用性和可解釋性還存在不足；政策監(jiān)管和責(zé)任主體界定還不明確；AI倫理問(wèn)題（醫(yī)療算法中的種族偏見(jiàn)、醫(yī)療服務(wù)中的隱性歧視、機(jī)器學(xué)習(xí)系統(tǒng)背后意圖、醫(yī)療團(tuán)隊(duì)和患者間差異）；衛(wèi)生經(jīng)濟(jì)學(xué)評(píng)價(jià)和臨床技能培訓(xùn)還沒(méi)有建立。
近日，AlphaFold2在生物學(xué)領(lǐng)域取得了重要突破：通過(guò)蛋白質(zhì)的氨基酸序列高精度地確定其3D結(jié)構(gòu)。
對(duì)于這一生物學(xué)和機(jī)器學(xué)習(xí)交叉的前沿?zé)狳c(diǎn)，ISICDM 2020還專(zhuān)門(mén)開(kāi)辟了一場(chǎng)線上圓桌論壇。黃昆（印第安納大學(xué)）、許東（密歇根大學(xué)教授）、張陽(yáng)（I-TASSER算法發(fā)明人）、許錦波（斯隆獎(jiǎng)得主）參與了分享和討論。
論壇引起了國(guó)內(nèi)外各界人士的強(qiáng)烈興趣，在線直播觀看人數(shù)超1.6萬(wàn)。
對(duì)于AlphaFold2蛋白質(zhì)預(yù)測(cè)的實(shí)際意義，許東教授表示：“這次AlphaFold2，最主要實(shí)現(xiàn)了魯棒性，能夠得到很穩(wěn)定、很好的結(jié)果。過(guò)去從來(lái)沒(méi)有團(tuán)隊(duì)做到。從技術(shù)上講，我們有一個(gè)打分機(jī)制，基于多少個(gè)氨基酸預(yù)測(cè)到位來(lái)評(píng)分。一般蛋白質(zhì)預(yù)測(cè)需要達(dá)到90%及以上的準(zhǔn)確率，才能算預(yù)測(cè)得比較有用。這次AlphaFold2已經(jīng)達(dá)到了平均92.4，幾乎和實(shí)驗(yàn)結(jié)果差不多。今后，AlphaFold預(yù)測(cè)出來(lái)的結(jié)果，就可以和MR、冷凍電鏡的方法相媲美?！?/p>
但是，AlphaFold2不是一件完美的作品，不能完全解決蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的所有問(wèn)題。
張陽(yáng)教授表示，AlphaFold2接近于解決了單結(jié)構(gòu)域的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)問(wèn)題，預(yù)測(cè)精度很高。很多媒體中提到它的中位數(shù)值是0.92，即大致有一半的模型是超過(guò)0.9，接近或者達(dá)到實(shí)驗(yàn)的精度。但是，還有接近一半的蛋白質(zhì)預(yù)測(cè)沒(méi)有達(dá)到這個(gè)精度。因此，要完全解決蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的問(wèn)題，仍然需要很多工作。
AlphaFold2問(wèn)世后，結(jié)構(gòu)生物學(xué)的哪些方向會(huì)受到影響，許錦波教授也發(fā)表了看法。
他表示：用計(jì)算的方法來(lái)做蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，影響會(huì)越來(lái)越大，僅僅簡(jiǎn)單的解結(jié)構(gòu)，以后可以直接用軟件去解決。同時(shí)，AlphaFold2可以用來(lái)提高效率，便于研究者專(zhuān)注于研究結(jié)構(gòu)、功能。做單鏈的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，這方面的人員會(huì)變少。
但軟件不是萬(wàn)能的，許錦波教授指出，有40%的蛋白質(zhì)的結(jié)構(gòu)預(yù)測(cè)不是非常準(zhǔn)確，且效率也存在問(wèn)題。當(dāng)下還不明確AlphaFold2如何處理數(shù)據(jù)，會(huì)不會(huì)開(kāi)源等。所以，許錦波教授提出，至少在學(xué)術(shù)界需要一個(gè)與之相競(jìng)爭(zhēng)的軟件，結(jié)構(gòu)預(yù)測(cè)還有許多問(wèn)題值得研究，并不會(huì)造成所有人失業(yè)。
本次研討會(huì)還舉行了ISICDM 2020挑戰(zhàn)賽的決賽，共有低劑量CT圖像質(zhì)量?jī)?yōu)化、MR加速成像、肺部組織分割三大項(xiàng)目組成，評(píng)審將由醫(yī)院臨床、影像科醫(yī)生、產(chǎn)業(yè)界專(zhuān)家、以及學(xué)術(shù)界專(zhuān)家等共同組成，從最實(shí)用的評(píng)審角度提供最專(zhuān)業(yè)的指導(dǎo)意見(jiàn)。
挑戰(zhàn)賽是ISICDM一直沿襲的特色之一，將工程人員的成果放在醫(yī)學(xué)人員的面前，接受實(shí)戰(zhàn)場(chǎng)景的檢驗(yàn)。這也是這場(chǎng)研討會(huì)的核心目的：解決臨床問(wèn)題，滿足醫(yī)生和病人的需求。
自2017年創(chuàng)立以來(lái)，ISICDM共邀請(qǐng)到400余位大會(huì)報(bào)告及專(zhuān)題報(bào)告嘉賓，其中包括中、美、英、加等多個(gè)國(guó)家的的科學(xué)院/工程院院士，ACM、IEEE、AIMBE等學(xué)會(huì)Fellow，CVPR、ICCV、MICCAI大會(huì)主席，以及MRI、MedicalImage analysis、IEEE TBME、IEEETIP主編和TPAMI、IJCV、IEEE TIP、IEEE TMI副主編。
ISICDM 2019大會(huì)共同主席James Duncan曾說(shuō)到，“我們所處的領(lǐng)域，理工一旦離開(kāi)醫(yī)，本質(zhì)上就是閉門(mén)造車(chē)。而醫(yī)在整個(gè)流程中扮演的角色越來(lái)越重要，因此學(xué)術(shù)界乃至產(chǎn)業(yè)界偶爾需要ISICDM這樣的研討會(huì)，讓理工醫(yī)專(zhuān)家們?nèi)￠L(zhǎng)補(bǔ)短，互通有無(wú)，推動(dòng)理工醫(yī)交叉的長(zhǎng)期發(fā)展?！?/p>
ISICDM發(fā)起人、電子科技大學(xué)李純明教授向醫(yī)健A掘金志表示，“我們一直秉承‘促進(jìn)理工醫(yī)交叉融合，激發(fā)產(chǎn)學(xué)研協(xié)同創(chuàng)新’的理念。無(wú)論未來(lái)的技術(shù)趨勢(shì)如何變化，無(wú)論研究方法多么多元，‘理工醫(yī)交叉融合，產(chǎn)學(xué)研協(xié)同創(chuàng)新’永遠(yuǎn)是這一領(lǐng)域發(fā)展的生命線，只要我們圍繞這一根基不斷縱深，它所釋放出來(lái)的能量是無(wú)窮無(wú)盡的?！?span style="color: #FFFFFF;">雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專(zhuān)題
本專(zhuān)題其他文章
