（原标题：深睿智慧（第一期）▏“医生知识”赋能后的乳腺产品新变化）

在医疗领域，随着人工智能技术的不断发展，医疗的智能化成为重要的发展趋势，而医疗场景具备区别于其他场景的特殊性，医疗人工智能产品在临床应用中需结合“行业知识”，属于我们常说的“先验知识”。

深睿医疗联合创始人/CTO李一鸣

深睿医疗联合创始人/CTO李一鸣指出：在人工智能深度学习模型训练中充分结合临床先验知识，让这些先验知识引导特征提取和量化分析，从而推动产品研发路径与临床诊断路径的融合，这是医疗AI发展的正确途径，是一门必修课，也是深睿医疗在产品研发中遵循的规律。

因此，深睿医疗高度重视临床实践，树立临床思维，通过和医生的反复沟通，增强跨学科的交流，有效地建立起临床应用与产品研发之间的联系，促进研究成果快速地为临床服务，实现科学研究的真正价值。

临床先验知识加持乳腺癌筛查

针对全世界女性最常见的恶性肿瘤乳腺癌，早期诊断是关键。乳腺X线成像是一种早期检测乳腺癌的主要手段，肿块是乳腺疾病X线影像诊断中最常见的直接征象之一，但是致密的腺体可能会部分掩盖肿块，从而加大了肿块检出的难度。另一方面，微小钙化是乳腺癌的早期征象之一，乳腺X线对钙化敏感性极高，但是由于可疑钙化像素所占比例极低，容易被机器学习检测模型忽略，造成漏检。

临床医生如何利用先验知识解决这一痛点？

深睿医疗在Dr.Wise?乳腺X线 AI医学辅助诊断系统研发过程中，研发团队发现临床医生往往借助不同投照位的图像进行推理分析，可以提升肿块识别的准确性。如果能够通过影像AI对不同投照位的区域匹配进行建模，并进行特征强化，就可以更好的区分肿块和假阳性。同时，医生在分析影像时，往往会参考正常纤维腺体的先验规律。我们参考这些经验，提升识别乳腺肿块和微小钙化的准确率。

东南大学附属中大医院乳腺诊治中心主任刘万花

东南大学附属中大医院乳腺诊治中心主任刘万花指出：人工智能是否能够对乳腺影像诊断领域具有敏感又准确的应用价值，研究与开发高端模型及研发精准的人工智能诊断系统，与临床医生各方面密切结合非常重要，尤其在乳腺X线诊断方面，因为有些病灶的X线摄影显示及诊断可能比较困难。有丰富经验的临床医生可以对病变做出准确的勾画与分析；提出临床工作中需要解决的科学问题；建模过程中与计算机工程师分析模型存在的问题，有针对性的加以解决，这是建立精准人工智能分析模型及研发人工智能诊断系统的关键。

结合先验知识，如何利用交叉视图推理网络优化算法？

借助医生思想解决问题，在和医生沟通中，从医疗知识层面获得了很多启示，解决了之前的研发瓶颈。乳腺X线AI产品中，肿块的检测一直是一个难点。研发人员借鉴医生思路，在技术上利用交叉视图推理网络，把不同投照位进行映射，利用映射把特征传递和增强，提升了检出效果。这篇基于二部图推理网络的肿块检出算法已经被CVPR 2020收录，并被推荐大会演讲（oral，中稿率4.16%）。还有微小钙化识别，因为病灶非常小，只有几个到十几个像素点，识别很困难。科研人员借鉴异常检测的思路，通过对正常腺体进行建模，生成重构图像，再将钙化作为异常点分离出来，从而取得了优异的效果。这篇致密性乳腺下基于深度重构网络的微小钙化点检测的科研成果，已经被CVPR2019收录。

深睿研究院首席科学家俞益洲教授

深睿研究院首席科学家俞益洲教授指出：“随着人工智能在医疗领域的广泛应用，在诊断过程中AI的介入已成为趋势，深睿医疗产品的优势在于，我们更为重视医疗行业领域知识，借助医生在临床实践中总结出来的经验与方法解决技术研发过程中遇到的问题，并随着产品临床应用的深入不断优化AI算法，使得产品的临床适用性不断提升。”

目前，深睿医疗乳腺产品可以实现自动检出肿块、钙化、非对称影、结构扭曲等病灶，并分析钙化形态、分布和肿块形态、边缘、密度等特性，检出淋巴结肿大等伴随征象，进行BI-RADS分级，形成结构化报告。已在上百家医院落地应用，受到了医生的高度评价，成为医生在日常诊断中有效的辅助工具，大大提升了医生的诊断效率。

任何产品都将服务于具体的场景，只有场景是AI的试金石。深睿医疗将以数据为基础，场景为目标，结合先验知识，研发出适配各种场景及疾病的AI技术，促进AI医疗产品不断丰富，及产品性能的不断提升，持续引领行业新发展。