“人机大战”最终结果揭晓：AI胜！

人脑PK电脑，"读片"谁更准确？6月30日下午，“CHAIN”杯全球首次神经影像人工智能（AI）人机大赛全球总决赛在中国卒中学会学术年会暨天坛国际脑血管病会议(CSA&TISC)上火热引爆。由25名神经系统疾病诊断专业选手组成的“人类战队”与“AI对手”——BIoMind天医智在颅内肿瘤、脑血管疾病的CT、MRI影像判读及血肿预测等方面同场竞技，竞相厮杀。

据悉，“BioMind天医智”由全球首家神经疾病AI研究中心和首都医科大学人脑保护高精尖创新中心共同研发完成，是全球首款头部疾病（涵盖脑肿瘤、小血管病变、大血管病变和卒中等）MRI、CT影像AI辅助诊断的整体应用产品。

本次大赛分A、B组进行，A组竞赛内容为颅内肿瘤CT、MRI影像判读，由15位来自全球各大医疗中心的影像科、神经内科、神经外科精英团队迎战，每位参赛选手在30分钟内分别判读15道神经影像学题目。经过第一回合的厮杀，“BioMind天医智”在15分钟内便完成225道答题，速度快得令所有在场人员发出了赞叹，不仅如此，最终其准确率高达87%，完胜“医生战队”的66%。

第二回合的比赛结果更令人期待，来自四川大学华西医院、北京天坛医院等10位参赛选手，围绕30道脑血管疾病的CT、MRI影像判读及血肿预测的题目，再次与AI对手展开了厮杀。“医生战队”火眼金睛，齐心协力，积极讨论，谨慎作答。而“BioMind天医智”也在飞速运转，以平均每半分钟一题的速度快速地向前冲。最终结果显示，“BioMind天医智”用时15分钟，准确率达83%，以高出20%的比例再次战胜“医生战队”。

本次神经影像人工智能（AI）人机大赛是人工智能在医疗领域应用的一次创新性尝试，验证了人工智能诊断的准确性。期待未来人工智能以专业级的诊断结果、快速的诊断效率、便捷的应用方式成为医生的得力助手，人机携手，共同造福患者。

两轮比赛结果揭晓

吴振洲教授：人工智能与医疗的发展趋势

传统算法的容量一般是固定的，无法扩张，而人工智能模块犹如乐高玩具，可以用许多的小模块组装成不同的模型。深度学习由于模块的灵活性，可依据数据的大小，搭建规模巨大而复杂的模型，对大数据进行充分的分析，因此准确度更高。随着技术的发展，我们有望在不久的将来，能将所有的医院影像诊断数据汇聚到一个“超级大脑“中，“超级大脑“经过海量数据的学习后成为”诊断超人“，用于临床辅助诊断，有效弥补偏远地区、基层医院的诊断缺陷。

冯佳时教授：深度学习的发展与未来

深度学习虽然约仅有60年的历史，但进展迅速，已成为发展人工智能最主要的方法。目前，很多互联网公司巨头以及研究机构都正在进行大量的深度学习的研究与应用。现代深度学习模型已经在一些特定领域，如翻译、语音识别、图像分类、医学图像诊断等取得了很好的效果，但深度学习需要大量训练数据，学习过程耗时，远慢于人类学习，因此人类智能和人工智能在学习速度、泛化能力、推理等方面依然存在显著差异，未来可通过自学习、迁延学习等方法缩小两者之间的差距。

高培毅教授：基于MRI-rADC技术自动判别梗死核心和缺血半暗带

2007年美国AHA卒中指南、2008年欧洲卒中组织指南和2009年美国急性缺血性脑卒中影像指南均提到基线弥散异常具有可逆性，灌注-弥散错配过度估计了缺血半暗带。而对缺血半暗带的高估将直接导致某些患者的过度治疗，个人患者还可能由于评估不准确而导致应该溶栓治疗而没有治疗。我们所建立的全新的基于MRI-rADC模式的技术平台可自动判别梗死核心和缺血半暗带，使诊断准确率得以提高，且耗时非常短，同时不需静脉注射对比剂，大大减少了对比剂的使用风险。

马林：基底节区生殖细胞瘤的影像诊断及鉴别诊断

生殖细胞瘤在亚洲的发病率较高，约占颅内肿瘤的0.3%～3%，最常好发于松果体区（50%），其次为鞍上（20%～30%）、基底节区（5%～10%）。绝大多数基底节区生殖细胞瘤病例均小于20岁，以男性为主，主要表现为偏瘫、智力障碍、性早熟、尿崩。

而儿童及青少年脑卒中并不少见，其发病率约为3.3/10万，多见于大脑中动脉供血区域，常常导致一侧肢体运动障碍，故容易与基底节区生殖细胞瘤混淆。可通过MRI和SWI检查进行鉴别，如果MRI结果异常并可解释临床表现，而SWI正常，基本可排除基底节区生殖细胞瘤；而SWI显示异常低信号，而MRI正常，则考虑基底节区生殖细胞瘤的可能性大。