自主扫描仪、人工智能生成的诊断报告和以秒代替天的放射治疗计划——Siemens Healthineers人工智能负责人Tobias Heimann谈当前医疗人工智能的潜力与局限。技术已经成熟：当"信任"成为设计要求时，整合才是最困难的部分。
问：Heimann先生，您自20世纪90年代末就开始研究医学影像中的人工智能——自那时以来，您对人工智能在医学中能做什么的看法发生了怎样的变化？
Tobias Heimann：首先，我从未想过这个领域会发展得如此之快。我大学时的导师曾说，这些开放性问题足够支撑整整一代研究人员。如今，其中许多问题已经解决——而且是以令我惊讶的速度。最令我印象深刻的是：我们多年来认为极其困难或无法解决的问题，随着深度学习技术的出现几乎一夜之间就被攻克了——有些情况下，整个研究团队20年的研究工作瞬间变得过时。
这很好地说明了我们所经历的飞跃。如今，一个模型能够分析医学图像、精确描述其内容并结合临床背景——这在25年前是不可想象的。对我来说，人工智能能否彻底改变医学影像的基本问题已经不再存在。现在的问题是：我们如何将它稳健、安全且真正有用地引入临床日常实践中？
问：如今，您是Siemens Healthineers的人工智能负责人——您和您的团队如何工作，研究什么？
答：我们在Siemens Healthineers的技术部门内以"德国人工智能"的身份运作，是全球"医疗保健人工智能中心"的一部分。一方面，我们很早就关注技术前沿的发展——在学术会议、研究项目以及我们参与的欧盟项目中。我们会与临床合作伙伴和大学一起评估哪些可能对我们感兴趣的技术。另一方面，我们与各个业务部门（CT、MRI、X光或超声）密切合作，将可能成熟的技术引入下一代产品。可以这样理解：我们是公司内人工智能和机器学习的中央能力中心。我们的专家大多是博士科学家，他们真正从事模型和方法的研究工作。我们提供技术基础，然后各业务部门在此基础上将技术转化为具体产品。
问：在维也纳ECR展会上，人工智能无处不在——您如何评价放射学中该技术的现状？
答：人工智能早已不再是炒作话题，最初的兴奋已经过去。我将其视为一个好兆头，因为现在问题发生了变化：不再关注系统能做什么，而是关注它在日常运营中真正能带来什么。更高效地工作、检查更多图像、减少错误。这些是现在衡量人工智能的标准。
尽管如此，该技术在放射学中的广泛应用仍尚未实现。有些诊所和诊所在这方面处于领先地位并全面使用人工智能——但从全球来看，这些数字仍然有限。我们已经超越了测试和原型阶段，但"这项技术在日常工作中的具体价值是什么"这一真正问题直到最近才被认真提出。作为行业，我们仍需与临床合作伙伴一起提供这方面的证据。我相信：可靠的证据越多，采用率就会越高。
问：2023年，您的同事Ivo Driesser曾预测，人工智能将在五到十年内成为放射科医生真正的"伙伴"。这是否过于乐观？
答：在人工智能方面处于领先地位的诊所肯定会认同"伙伴"这一说法——但这还远未普及到所有地方。尽管如此，我认为这一预测仍然"在轨道上"：毕竟我们还有两到七年的时间，而放射科的压力正在增加。更多病例、更多图像，但新增放射科医生的数量却远远不够。压力越大，就越愿意将任务委托出去。这对人工智能的全面应用来说是一个不错的推动力。
问：人工智能如何从Healthineers的实验室进入临床——最大的障碍在哪里？
答：这条路总是比你想象的要长——即使技术看起来已经准备就绪。我们工作的核心是不将人工智能开发为功能，而是从具体的临床问题出发思考：我们想实现什么，客户需要什么？这是一个重要的过滤器。对于我们这样规模和责任的公司，我们必须非常冷静和注重安全地处理。作为研究人员，从技术角度看，我能看到比目前更多可用的可能性。
但真正的障碍在于验证和整合。构建一个可行的原型是一回事。在各种不同的临床环境中稳定、可靠运行的认证产品则是另一回事。这两者之间需要做大量工作——技术、监管和临床方面。而且，人工智能必须嵌入的工作流程各不相同。尽管对许多人来说这似乎太慢了：这不是我们可以辩论掉的刹车。这才是真正的整合工作。
问：在ECR展会上，Healthineers似乎主要依靠自己的人工智能系统——而其他制造商则积极整合第三方供应商。
答：这种印象有点误导性。我们的平台是开放的——欢迎外部供应商，我们在合适的地方与第三方供应商合作。例如在乳腺摄影方面，我们将ScreenPoint的系统直接集成到我们的产品中。通过我们的市场平台，合适的供应商可以像应用商店一样接入。
区别更多在于关注点：我们将人工智能视为改进我们制造的CT、MRI、X光和超声设备的工具——不是为了平台战略本身。从外部看，这可能像一个封闭的生态系统。但背后有不同的优先事项：我们首先问的是哪里有最高的临床需求——然后就在那里应用人工智能。
问：您说人工智能应该让您的设备更简单、更广泛地可用。您能提供一个具体的例子吗？
答：以我们的0.55特斯拉MRI扫描仪为例。借助基于人工智能的图像重建，我们可以将其做得如此紧凑，以至于可以放入以前无法安装MRI的空间。这从根本上扩大了医疗服务范围。但在实践中，现代技术常常因缺乏现场培训人员而失败——无论是在新兴市场国家、美国还是欧洲。如果训练有素的专业人员换了工作，就会留下一台高科技设备，只能在基础水平上使用。
问：人工智能能解决这个问题吗？
答：这至少是一种方法。我们正在努力将扫描过程自动化到不需要深入专业知识的程度。在CT方面，我们是首家引入3D相机的制造商，该相机可以测量患者在检查台上的位置并自动进行最佳设置——因为患者必须尽可能精确地位于等中心，以保证图像质量。现在，MRI也有相应的系统。下一步是理解扫描指征，这要复杂得多：在临床实践中，通常只有一段简短的自由文本说明为什么要扫描患者。为了让扫描仪能够结合患者病史和可能的早期图像来解释这一点并自行进行最佳设置，我们需要能够真正理解这种自由文本的语言模型。目标是创建一个像现代相机一样的系统：按下快门，其余工作由机器完成。
问：因此，扫描仪未来几乎可以自动提供最佳图像。那之后会发生什么？
答：这是我们第二个主要工作领域。我们多年来一直有"AI-Rad Companion"产品，用于辅助诊断——该系统识别异常发现，标记它们并向放射科医生提供列表：这里可能有一个肺结节，这里可能有冠状动脉钙化。放射科医生确认或拒绝。这确保了某种程度的最低质量——即使是经验较少的人员也能做到。
但这一代系统尚未实现真正的效率提升。我们测量到大约20%的时间节省；这还不错，但远未达到可能的水平。因为真正的耗时不是看图像，而是文档记录。下一代系统将同时起草报告，放射科医生只需检查：图像和文本是否匹配？
从技术上讲，我们已经有可以做到这一点的原型。我们正在评估各种语言模型——包括开源模型——并检查它们是否足够稳健或是否需要进一步训练。但要达到产品成熟度，仍有工作要做：验证、认证、在各种不同临床环境中的稳定集成。
问：随着人工智能越来越多地介入从扫描到最终报告的每个过程步骤——医生如何很好地承担起责任？
答：这不仅是一个非常重要的伦理问题，更是一个非常具体的设计问题。人工监督并不意味着医生必须理解每个算法步骤——但他必须能够随时干预、检查和覆盖，而且尽可能简单。这必须作为基本原则嵌入软件中。在可解释性方面，我喜欢区分两个层面。神经网络内部如何得出结果的学术问题在临床操作中通常并不重要。
重要的是：为什么系统建议这个诊断——作为医生，我如何能够理解并可能进行纠正？这是黑箱技术与真正可在临床上使用的产品之间的区别。我们有一个专门的团队只关注用户体验——即：用户对理想系统的设想是什么，我们如何在技术上实现？最终，这对接受度至关重要。
问：自收购Varian以来，您也为放射治疗工作——在那里每个决定都很关键。人工智能如何改变医生和患者的癌症治疗？
答：这对我来说是最令人兴奋的领域之一，因为杠杆作用如此之大。根据具体情况，目前的放射治疗计划需要数天时间——模拟、专家之间的协调、修正、再次模拟。这耗费了患者没有的时间。我们的目标是用人工智能大幅缩短这一过程：实时交互式规划、即时计算、所有相关人员同步在桌边，无论是虚拟还是现场。从几天到几分钟，甚至可能很快到几秒钟。对医生而言，这意味着完全不同的工作流程。从顺序协调循环转向共同的动态决策情境。
问：对于不断变化的肿瘤位置，这在医学上也是一个量子飞跃吗？
答：绝对是的，对患者来说也是一个真正的进步：例如在腹部肿瘤中，解剖结构变化很快——从成像到治疗的路径越短，计划就越精确。从心理角度看，如果某人在诊断后等待数天，或者诊断和治疗开始紧密相连，这会产生很大差异。
问：这听起来像是目前到处讨论的AI代理的典范案例。它们在Siemens Healthineers中已经发挥作用了吗？
答：我们非常密切地关注这一点，无论是内部还是外部。潜力是显而易见的：正是这些多步骤过程，需要汇总和协调各种信息源，是代理系统自然的应用领域。对于治疗规划或复杂的决策支持，从长远来看这非常有趣。
但大型语言模型和代理系统还不容易融入高度监管的医疗器械世界。在文档记录或计费方面，这类系统已经走得更远。在临床核心区域，决策直接关系到患者，还需要时间、可靠的验证，特别是明确的监管定位。
问：自主扫描仪、AI诊断、实时治疗规划——您认为五年后的医疗AI会是什么样子，它的局限在哪里？
答：五年后，放射学中由人工智能生成的诊断建议将不再是例外，而是常态。扫描仪将更加自主地工作。放射治疗将从根本上从数天的规划循环转变为有效的即时决策。我们今天已经拥有这项技术——甚至尚未考虑进一步的渐进式飞跃。
我认为限制不在于技术本身，而在于信任。人工智能在医学中只有在医生信任它时才能真正发挥作用。清晰的可追溯性和真正的控制能力是严格的设计要求。不能赢得这种信任的系统将不会被采纳——无论它们多么强大。未来几年的真正工作不是技术：是整合——到系统中、工作流程中、人们的思想中。
问：非常感谢您接受采访！
【全文结束】