9月15日，2021“覓影”醫學人工智能算法大賽正式開賽，目前已有超過400支團隊近700人報名參賽，將對致盲性疾病分類、阿爾茨海默癥早期發現、腦膠質瘤識別、放療計劃輔助、腫瘤高代謝病灶檢測等五大臨床醫學AI賽道發起挑戰，為多個臨床醫學難題探尋新的破題思路與方案。大賽報名系統也將持續開放至10月10日。
大賽由“科創中國”聯合體指導，騰訊公司聯合首都醫科大學附屬北京同仁醫院、首都師范大學、鄭州大學第一附屬醫院、上海市胸科醫院、上海全景醫學影像聯合發起，自啟動以來吸引行業高級科研人才的廣泛關注。截至目前，大賽仍在開放報名中，超過72%已報名的參賽者來自計算機、生物、醫學相關專業的高等院校學生及科研單位研究人員，成為大賽的主力軍，其中逾76%的參賽學生擁有碩士以上學歷。此外，參賽者還有來自醫療健康機構以及計算機、互聯網、軟件開發等企業的資深從業人員，覆蓋算法研究、工程開發等多個專業領域。
依托騰訊覓影開放實驗平臺、騰訊優圖實驗室、騰訊天衍實驗室、騰訊AI Lab的技術支持，騰訊云TI平臺中TI-ONE平臺的強大算力，以及騰訊云對象存儲COS的分布式存儲服務，本次大賽開創了“全線上模式”。只要電腦能連接網絡，參賽者就可以根據大賽提供的多模態、多中心醫療數據，在騰訊覓影開放實驗平臺上“搭積木”式地完成可視化的算法設計與驗證的全流程，實現一站式、全方位的科研探索。這大大降低了人工智能研發的難度，即使面對臨床醫學難題，科研工作者不需要有資深編程能力，也可以開發自己的AI算法。
作為目前最具挑戰，也是最具臨床價值的醫學AI比賽，大賽的賽題涵蓋分類、分割和檢測等多種人工智能技術應用，由多位醫學專家基于臨床實際需求出具。目前，“腫瘤高代謝病灶的自動檢測”賽題最受關注，吸引近1/4參賽者報名。接下來，各參賽團隊將針對五大臨床醫學AI賽道分別展開角逐。
青光眼、年齡相關性黃斑變性、糖尿病視網膜病變、病理性近視、視網膜靜脈阻塞等眼科疾病在早期階段通常是無癥狀的，早期發現和干預有助于預防疾病導致的視力喪失。基于眼底相的人工智能眼病識別已被應用于識別主要的眼病，并成為在人群篩查及隨訪中的一種具有良好經濟性的方案。由首都醫科大學附屬北京同仁醫院提出的“眼底彩照的多疾病輔助診斷”賽題，要求參賽隊伍基于眼底相數據中包含的疾病特征模式構建算法模型，通過AI自動分類青光眼等五種致盲性疾病，以期提高臨床醫師的診斷準確率和診療效率，提前眼病的篩查和診斷時間。
大腦的異常老化有可能會引起阿爾茨海默病、帕金森病等多種疾病。而基于結構磁共振的醫學影像可以預測腦齡，被廣泛應用于刻畫大腦的老化過程。預測腦齡和實際生理年齡的差值，可作為衡量個體大腦萎縮程度和異常老化的客觀指標。由磁共振成像腦信息學北京市重點實驗室、首都醫科大學宣武醫院、首都師范大學聯合出題的“健康成人大腦年齡預測”賽道，希望參賽者基于結構磁共振成像數據中包含的大腦老化特征模式，構建AI預測模型，幫助建立針對中國人群的“健康腦圖譜”標準，為神經精神疾病的臨床診斷提供一種有效的客觀標志物，輔助醫生衡量大腦異常老化程度，進一步提高診斷準確性。
腦膠質瘤是最常見的原發性腦腫瘤，其分割需要放射學家將腫瘤組織與健康周圍組織區分開來。而由于腦膠質瘤具有不同的惡性程度以及多個腫瘤組織區域，同時腦部MRI是多模態且層數較多的三維掃描圖像，因此手工分割需要花費大量的時間和人力，且往往是對基于人眼觀察到的圖像亮度進行區域分割，往往容易受到圖像的生成質量以及標注者的個人因素影響，導致分割質量良莠不齊，出現錯誤分割、分割多余區域的情況。鄭州大學第一附屬醫院提出的“腦膠質瘤核磁共振圖像分析”賽題，要求參賽隊伍圍繞“通過AI算法自動完成對腦膠質瘤圖像病灶的分割”展開角逐，以為腦膠質瘤的臨床診療提供具有價值的參考。
在現行的流程中，放療由放療醫師、放療物理師、放療技師共同完成。放療醫生會先在CT影像上勾畫出腫瘤及腫瘤周邊的正常組織（如肺，心臟等），并給予處方劑量（包括腫瘤區域至少需要輻照的劑量，以及靶區周邊的正常組織的最大輻照劑量）。物理師需根據處方劑量，利用放療計劃系統（TPS）對機器參數進行多次設置和調整，建立放療計劃（含三維劑量圖）以滿足放療醫生所要求的處方劑量，有效殺傷病灶同時盡可能減少正常組織的放射性副反應。由上海胸科醫院提出的“放療劑量分布輔助規劃”賽題，希望參賽者通過AI技術建立放療計劃的三維劑量預測模型，讓放療醫生勾畫過的CT圖像與物理師放療計劃中的三維劑量圖關聯起來，實現放療計劃的自動優化，減少物理師設計放療計劃的試錯次數，并更精確達標放療醫生的處方劑量要求。
PET/CT可幫助患者明確腫瘤全身分期、指導治療方案制訂、評估療效及監測復發。然而在臨床的三維圖像中，圖像的重疊有可能造成漏診。如果患者腫瘤發生轉移，則可能出現高代謝的病灶在影像中星羅棋布的情況，這給診斷醫師進行全面判讀和性質判定造成障礙，上海全景醫學影像診斷中心提出的“腫瘤高代謝病灶的自動檢測”賽道，要求參賽者通過AI算法設計，對PET/CT的高代謝病灶進行自動檢測，有望輔助降低診斷醫師漏診概率，幫助臨床醫生實現準確的影像腫瘤分期和再分期，進一步指導治療方案制訂。
運用人工智能、大數據、云計算等前沿科技實現醫工交叉的醫學創新應用，讓更多學界、業界的科研人才參與其中，解決醫療AI創新的“卡脖子”問題，是本次大賽的根本目的，也是作為醫療影像國家新一代人工智能開放創新平臺建設的全新實踐。騰訊醫療健康技術委員會主任、騰訊覓影總經理錢天翼指出，希望通過這種“全線上模式”的醫學AI比賽，打通從影像數據脫敏、接入、標注，到模型訓練、測試、應用的全流程服務，打造“AI+醫療”產業更廣闊的生態合作空間，為行業帶來更多創新的可能。
