漏诊率、误诊率，是所有医生难以自医的顽疾，在这其中，由医疗影像诊断所带来的误诊情况似乎占据了很大一部分。医疗影像长期以来一直依靠专家的目测和经验来判断，但是限于人脑的处理能力和肉眼识别的精确性，并不能将这个过程高度精准化，自动化。而不具备多年经验积累的医生，就更难以实现专家水平。

那么，在这个科技和技术飞速发展的时代，有没有能帮助医生提高诊断效率，降低客观风险的方法呢？ 或许机器的加入是可行的，毕竟机器的精细度比人类高出很多。在医疗影像诊断过程中，如果利用机器来辅助医生，它是否会“看”图、看懂图，并且辅助医生做更精准的诊断呢？为了寻找这些问题的答案，更是为了医疗行业的发展，北京雅森科技发展有限公司（以下简称：雅森科技）CEO陈晖带领着雅森科技踏上了曲折的奋斗之路。

北京雅森科技发展有限公司CEO 陈晖

十年奋斗 坚守初心

从2006年进入医疗软件行业，对于一个一直埋头苦干的创业团队而言，辛苦是可想而知的。陈晖感慨到，由于雅森科技的产品介入了医学诊断，就需要做大量的实验。在最开始的两到三年的时间，失败几乎是家常便饭。面对这些失败的时候，大家都很有挫败感。“人一辈子总要去创造前人没有创造的东西，那么这一辈子才值得来。” 陈晖说道。正是觉得能为人类的生命健康带来帮助，雅森科技一坚守就是十年。

创新技术 做能“看”病的产品

一些医院影像科的大夫和专家，他们给病人写的检查报告，通常都是通过目测的方法，提供一个感性的结果。这样直接导致临床医生面对这些报告，不能准确的去判断病情，进而导致对医生的治疗和病人的恢复都非常不便。

“只有将病人的病灶通过精准的数据表现出来，临床医生才能去做精准的治疗。”陈晖表示，雅森科技拥有两大创新技术：一是基于独有数学模型的图像处理与计算。雅森科技建立数十种算法模型，利用影像设备对原始图像进行归一化处理，消除因人群差异而带来的数据失真。同时，通过核医学影像重建图像数据并进行自动调整，实现各类图像的融合；一是建立中国第一个核医学正常人群组数据库作为标准。该数据库按照性别、年龄、种族、病史等维度精准的细分，并且针对每一种脏器的数据库，分别建立了分析模型，实现数据快速筛查和对比处理。

面对医疗影像，雅森科技首先是挖掘影像成像背后的数据矩阵，提炼并整合这些数据信息。然后利用参照系--中国正常人群组数据库进行搜索，对比，推断，从而做出每个可能诊断结果的判断。

正是通过改变之前目测的方法，利用数据算法进行分析和比较得出的结果，雅森科技的影像大数据处理平台在今年三月份挽救了一位即将推向手术台的病人。它成功定位出转移灶的正确解剖学位置，纠正了肉眼判断的错误，阻止了一场医疗事故的发生。陈晖说道，目前该技术正处于在医院的三个月的外部评审阶段，取得的效果非常好。并且，今年第二季度还将在北京及宁波的几家三甲医院外部测试。

由难到简 从医学到计算机

时下火热的“AlphaGo”以及“认知计算”，在医学诊断方面是利用海量的数据库做支持，通过进行图谱对比，检索大量的文献内容，最终查找到诊断方法。“雅森的技术原理不是做图谱对比，是把图像还原成数据矩阵，进行数据对比。这是雅森的核心价值。”陈晖表示，雅森科技在过去长达10年的测试实验中，积累了丰富的医学影像数据库，在此基础上，雅森对海量数据进行识别、归类、统计。雅森科技是将病灶数据进行定量化的处理，数据相对于像素就更加的精准，像素可能因为各种各样的因素造成像素点的颜色，形状都是一样的，但是扫描出来的数据是定量和准确的。利用数据库的数据和影像的数据对比的方式，更直接的分析出问题所在。

雅森科技运用核医学影像技术，通过将化学元素的代谢能力用能量的形式表现出来，进行全自动敏感区追踪、划分与数据计算分析，而不是传统CT图像所表现的长宽高。这些产生出来极具分析价值的数据，是雅森科技与传统影像领域的人工智能，在路径选择上的根本区别。陈晖讲道，也正是这种从医学到计算机的模式，雅森科技从10年前就开始和北京的几家医院合作医学领域的研究。雅森科技的机器学习系统逐步掌握了人类的影像认知模式，并结合计算机强大的数据分析能力，建立了全新的智能影像分析系统，帮助医生更快、更高效的识别影像信息并提供精准诊断。

不得不说，正是陈晖和他的团队一如既往的努力，为了心中的那一份“初心”。在尚未完全发挥计算机技术应用能力的医学领域，耕出了一片天地，续写了医学影像的新篇章。