近年来，“AI+医疗”成为科技赋能医疗行业的热点方向，在影像识别、医药器械等方面实现了诸多落地探索。医学影像AI研发的显著特点之一是需要不同的学科和行业交叉协作，发挥各自的专业与优势，共同来完成创新。然而实际中，医疗机构、科研院校、科创企业普遍面临数据来源少、标注太耗时、缺乏适用算法、产学研结合难等痛点，医疗影像AI创新仍然屡屡遭遇“卡脖子”的情况，全行业亟需更具系统性和综合性的研发和转化解决方案。

　　作为医疗健康领域的“数字化助手”，腾讯近日对旗下一站式医学影像智能服务平台——“腾讯觅影开放实验平台”进行了全新升级并开放注册。通过高效数据管理、简易算法设计、灵活算力配置、安全权限管理、便捷项目触达以及快速合作互联等多个方面的提升优化，平台打通了从影像数据脱敏、接入、标注，到模型训练、测试、应用的全流程服务，构建起数据全生命周期管理闭环。

　　以腾讯公有云为强有力基底，平台通过影像数据和业务流程的互联互通，从数字化“工具箱”升级为SaaS服务平台，与全行业形成长久连接关系，助力打破医疗影像AI产学研协同创新壁垒，有望提升科研成果在临床的转化落地效率。

　　升级一站式全生命周期数据管理 算法设计也如同搭积木般简易

　　影像检查是最常见的医疗环节之一，每天都会有大量的影像数据在医院产生。有研究统计，超过90%的疾病诊断数据来自于医学影像，其对临床治疗的指导意义不言而喻。这座“数据宝藏金矿”日益雄厚，随之产生的是愈加复杂的医学影像分析和处理要求。AI技术应用的出现，适时地为辅助医学技术的研发提供了新动力。比如，在新冠疫情爆发后，CT影像的AI辅诊技术成为了识别新冠肺炎的重要手段，有效提升了一线医疗影像检查诊断效率。

　　AI技术若想在医疗影像领域不断开花结果，仍需解决很多实际问题：医疗机构有大量高价值的影像数据，也有很多科研需求，但苦于数据标注工作太耗时;科研院校产学研合作和转化需求旺盛，但缺乏训练数据且算力资源有限;企业希望能将新产品真正转化落地，但亟待解决AI算法学习成本高、研发投入大等问题。此外，基于医疗数据管理的复杂性，国家陆续出台了《关于印发加强网络安全和数据保护工作指导意见的通知》等多部法规条例，要求加强对医疗数据的产生、传输、存储、使用、共享、销毁等全生命周期管理，更是增加了医疗影像AI科研的压力和难度。

　　对此，腾讯觅影开放实验平台基于腾讯强大的技术和连接能力，在AI研发中扮演了专业“工具箱”的角色，创新性地集数据中心、算法中心、应用中心、管理中心、合作中心五大功能要素于一身，为全行业提供“开箱即用”的一站式数据管理服务。一方面，用户可在平台上将数据上传、存储、可视化、标注、统计、增删改等不同阶段、不同操作归拢到一起，数据上线后即可完成整个项目的流程;另一方面，通过多层级权限、操作记录可视化、数据与模型公共仓库等管理手段，有效防控风险的同时，满足全流程数据处理以及行业合作需求，轻松实现数据全生命周期的有效有序管理，让影像数据得以不断流动到不同的阶段，释放出价值。

　　算力、算法和数据是人工智能的三个要素。数据本身并不意味着价值，要释放出价值，就必须进行有效的分析、运用。AI科研成果要在一个场景中的落地，从数据的算法开发设计、训练、集成往往要经历专业而漫长的过程，另外，算力配置不同也会影响成本与周期。

　　为帮助行业提高AI算法开发效率， 同时满足用户对算力的不同需求，升级后的开放实验平台秉承“化繁为简”的理念，为用户提供了简易的算法设计方式和灵活的算力配置。基于腾讯智能钛机器学习平台，用户可以对算子进行拖拉拽搭，将人工智能算法的不同步骤实现“积木式”集成，即可完成可视化的算法设计与验证的全流程，无须再亲自写代码。另一方面，平台支持影像组学和常用深度学习算法网络，支持算法研究机构接入自研算法，支持notebook模式，并汇聚不同类型影像的AI识别算法模型、业内常用算法、灵活的算力配置以供用户选择，方便各行业借助全套AI训练模型验证自身在医学中的概念，快速生成应用，极大地降低了使用门槛，也为用户节省了高昂的算法学习成本。

　　加速产学研一体化互联合作 让医疗影像AI成果“从实验室到病床旁”

　　医疗科研工作之间需要经常协作，医疗影像AI的研究也是如此。目前，医疗影像从业人员的分布极为广泛，他们来自不同行业，涉及临床医疗、医学影像检查、数据科学、统计学、信息管理学等领域，这些人才在工作中通常需要发挥各自的长处和经验，以及学术背景优势，以合作的形式来完成各项数据分析，发掘医疗影像数据的价值，从而形成对临床医学的支持。

　　然而，医院、高校、企业各方长期以来在产学研过程中，经常受找不到合适的合作对象，科研需求无法对接临床需求，难以完成科研成果产品化等问题的困扰，一项医疗影像AI产品，要想从实验室走到病床旁，中间困难重重。

　　基于此，腾讯觅影开放实验平台希望为医疗影像AI跨行业合作，不断提供新的解决思路与路径。开放实验平台作为腾讯公有云的SaaS服务，实现了有网络的地方即可访问项目和数据，并且进行人工智能算法训练。同时，通过云储存、合作中心、数据技术中台等功能，可实现数据和业务流程的互联互通，与全行业形成以SaaS服务为核心的长久连接关系，如同打开水龙头就能用水一样，让不同的科研需求、转化需求在平台上轻松找到合适的合作对象，促进院内院外的协同创新，缩短科研课题与产品研发的对接与打磨时间，提升医学AI生态的整体研究能力，加速完成医疗影像等人工智能产品的开发和落地。

　　古有书同文、车同轨以奠定社会一统的基础，在医疗影像的数据世界里，往往也需要通过标准化、通用性强的分析和统计方法对数据进行管理，使不同行业对数据分析过程和结果达成一致理解。腾讯觅影开放实验平台面向各行业，提供了从数据脱敏、接入、标注，到模型训练、测试、应用的多种数据统计分析工具和全流程服务，以满足不同机构的数据处理需求，化解各行业在医学影像AI研发中所遇到的问题。其中仅数据标注一项，平台就支持多种类型标签灵活配置，包括信息标签、分类标签、检测标签、分割标签;同时支持多种数据标注方式，例如矩形检测框、多边形分割、自由笔勾画，满足不同项目中标注及标签需求。此外平台支持灵活的标注权限配置，可以配置标注、审核、仲裁等权限，满足不同标注流程及标注规范，帮助各种类型研究人员更好、更全、更细的掌握数据的多样性信息。

　　除了医疗影像AI 领域的研究，开放实验平台还在不断扩展基于SaaS体系的服务边界。因应药监局新政策要求中心影像评价，开放实验平台提供了一套在云端的数据标注分析系统，用以药物的临床实验评估，助力减少实验误差，提高药物研发工作的效率。

　　本次腾讯觅影开放实验平台的升级，是加速建设医疗影像AI产学研新生态的全新实践，将通过开放AI应用开发技术能力，进一步降低医疗影像AI科研的门槛与困难，让更多的创新者参与到行业中来，探索人工智能在医疗影像中的多元化应用场景与价值。