若要细数沈定刚的过往身份，那么堪可谈论的绝不只有一种。
国内医疗AI龙头企业联影智能联席CEO、上海科技大学生物医学工程学院创始院长，两大重要任职已将他置于医学影像领域最中心。
然而，这仅是了解他过往二十多年工作经历的冰山一角。
在2018年回国之前，他还是美国北卡罗来纳大学教堂山分校的放射学系、计算机系、生物医学工程系终身教授，以及该校医学影像分析中心的主任。追溯至更久前，他还曾在宾夕法尼亚大学、约翰霍普金斯大学等高校担任教职。
凭借在医学影像的长期深耕，回馈给他的是“沈定刚”三个字形同一道公信力，确保科研项目和临床工具不出差错，沿着正轨持续演进，直至被推到极致。
当他被问到这其中有何诀窍，回答只有最简单的一句话：一个人在多个领域做出重大贡献是不可能的，因为时间和精力都是有限的。如果我有所贡献，那可能是因为我对自己的研究领域非常专注。
“在美国工作期间，我曾负责不少由NIH资助的研究项目。一般情况下，研究人员可能只能主持最多3-4个R01项目，但我曾同时主持8个R01项目（作为PI）。”沈定刚回忆当时情形，“每拿一个新的R01项目，管理机构的主任们都会开会讨论是否同意再资助。我向他们解释，一般人每天可能工作8小时，而我经常工作14-15小时，同时觉得我的效率比一般人高很多。”
相对于沈定刚对项目密度的把控，他在研究方向上的态度则始终如一，“脑影像”三个字是贯穿其科研与从业生涯的一条主线。自1999年起，沈定刚便深耕于脑科学领域，专注于通过影像学技术探究大脑的奥秘。他的研究不仅覆盖了老年人群体大脑老化的研究，还包括儿童早期大脑发育和个体化的大脑疾病诊断。
在迄今25年的脑影像研究历程中，今年沈定刚及其联影智能团队再次取得突破，推出了「MR脑静息态功能智能分析系统」和「MR脑纤维智能分析系统」两大创新工具。
前者通过静息态fMRI和T1序列数据，为神经疾病机制研究、神经和精神类疾病的诊治、预后康复评估、术前脑功能区定位等多种应用场景提供辅助。
后者则利用DTI技术，实现了全脑纤维追踪和分类的一键式智能分析，全流程压缩进十分钟内，主要用于研究大脑的结构连接、神经纤维损伤和疾病等。
至此，联影智能在大脑影像AI领域的产品线，已形成从卒中、肿瘤到神经退行性疾病，从CT模态到MR模态的全景图谱。这即是联影智能所强调的“全栈全谱”的研发思路。
值得一提的是，在4月上海召开的CMEF（中国国际医疗器械博览会）和5月新加坡召开的ISMRM（国际医学磁共振协会暨展览会），这两大MR脑新品均有亮相。与此同时，沈定刚成为新一届ISMRM Fellow，成为他继IEEE Fellow, AIMBE Fellow, IAPR Fellow, MICCAI Fellow后的第五个顶尖学术荣誉。
借此契机，近日雷峰网对话联影智能联席CEO沈定刚，深入探讨了他的科研经历、对医学影像AI领域的深刻洞察，以及联影智能在MR脑新品背后的研发故事。以下为对话（经编辑）：
雷峰网：今年联影智能推出的「MR脑静息态功能智能分析系统」、「MR脑纤维智能分析系统」两大工具，研发动因是什么，实际效用如何？
沈定刚：在回答之前需要做一个普及：针对MR神经影像分析，结构、功能、纤维，是三个非常重要的维度，这三者结合可以为临床诊疗及神经生理机制的研究提供更全面的信息。针对脑结构和脑功能，学术界已经进行了长时间的研究，而且已经将诸多研究成果应用于临床诊疗。
比如，评估儿童的发育过程和老年人大脑老化是否正常，以及在进行开颅手术时，功能影像技术能够帮助医生识别关键脑区，以保护重要的功能，如语言和运动能力。但问题在于，尽管临床对于脑功能AI产品的需求很明确，但因为影像数据量大，传统的后处理工具都比较分散，很难实现一站式的、多维度的特征提取和分析。
联影智能 ‘MR脑静息态功能智能分析系统’ 可基于静息态fMRI和T1序列数据，提供全脑的功能连接矩阵、脑功能连接图、图论分析等多维分析结果。该AI系统将大幅缩短fMRI的数据处理时间，实现从原始图像预处理、定量评估到结果可视化的全流程自动处理，为神经疾病机制研究、神经和精神类疾病的诊治、预后康复评估、术前脑功能区定位等多种应用场景提供辅助。
脑纤维的临床分析痛点和脑功能有共通之处。脑纤维利用了弥散张量成像（diffusion tensor imaging, DTI）技术。
DTI技术能够帮助我们可视化大脑内部的微观结构，即脑区之间的物理连接，类似于地球上城市之间的高速公路网络（或者航线）。这些高速公路（或航线）代表了大脑中的纤维连接，将不同的脑区紧密相连。DTI技术所提供的图像数据同样高度复杂，涉及到扫描时人体内水分子在不同方向上受到梯度场影响时的扩散信息等。AI系统需要从这些复杂的图像数据中准确提取脑纤维的走向、连接，并进行定量分析，快速精准地实现个体数据全脑纤维追踪和分类以及后续的脑结构连接分析、ALPS科研指标计算等等。
联影智能 ‘MR脑纤维智能分析系统’，可一键实现DTI全流程智能分析。在10分钟内，全自动完成预处理、弥散张量计算、纤维束追踪、结构连接网络构建、相关图论指标计算，无需任何手动操作。该AI系统不仅能够显著降低DTI的科研门槛，还将为医生带来便捷高效的全脑纤维分析，让医生更加专注于医学研究本身，同时为医生的临床诊疗提供关键支持。
雷峰网：能否详细介绍这两款产品的技术实现形式，相较于其他解决方案的优势？
沈定刚：在技术实现上，我可以分享两点：
一、我们的脑功能、脑纤维两大新品都做到了全自动的数据处理，进而大幅度加速了工作流。我们运用了一系列的专业技术，包括跨模态配准、信号质控、去噪、头动矫正、涡流矫正等等，这一系列的技术帮助我们实现了数据的全自动处理，也就意味着医生不需要任何操作，等待几分钟就可以得到一系列对应的参数。而传统的分析时长，可能会在几小时左右，相对来说是很耗时的。
二、我们在产品布局上都采用的是模块化的布局，所以这两个新品，联合我们的脑结构、脑小血管病的AI产品，我们把它们智能集成为一个平台--「uAI脑科学前沿科创平台」。平台搭载了上述各个产品，可以帮助医生从脑结构、脑功能、脑纤维、脑病变等各个角度全面开展脑科学研究，帮助医生去做自己个性化的科研项目。特别是一些比较长周期的、重大的脑项目，通常会涉及到多个节点或者是子课题，攻坚的脑科研方向也有所区分，这种场景下，我们的这个平台可以很好地满足这些需求。
两大MR脑新品的优势有两部分：
一、它们都实现“跨越全年龄段”的突破，也就是可以做到全面覆盖医生对于0~90岁人脑的科研需求。这也源自于我们覆盖全年龄段的数据积累，以及对应的技术积累。因为过去我们参与了多个在脑方向的国家级科研项目，这些项目的攻坚方向都涉及到了脑功能、脑纤维的维度，它们为我们打下了必要的基础。例如我们联合澳门镜湖医院、华山医院做的阿尔兹海默病的早期检测和评估项目，以及由上科大牵头的0~18岁婴幼儿、儿童青少年脑发育研究项目等等，我们的这两个产品也在项目合作的基础上进一步开发出来，并在华山医院等医院中继续打磨。
二、它们都实现了全自动的数据处理。这个优势让医生的分析时间从传统的小时级，压缩到了分钟级，甚至是十分钟、五分钟。而且全自动的另一个好处是，即使是专业并不聚焦在脑领域的医生，只要经过培训，也可以很容易上手，进行一系列感兴趣的脑科学研究，对于医生来说，其实学习成本是大大降低的。
雷峰网：在今年两大MR脑新品之前，公司在脑影像AI领域有哪些技术积累和产品创新？
沈定刚：在技术、数据、人才等方面都有相应的积累，拥有领先的分割技术。
首先，在技术方面，我们有独创，且领先的分割技术。我们都知道，大脑影像非常复杂性，对于精确的图像分析和解读提出了巨大的挑战。而准确的对影像进行分割是精确分析图像的前置条件。在这方面，我们有独创的影像分割技术，这项技术曾在世界级的分割比赛 SegTHOR Challenge 2019 中获得过冠军。
其次，在数据方面，我们在脑领域积累了多个重大项目。
这些项目涵盖了“一老一小”两大方向（后文详细提到），帮助我们实现了覆盖0~90岁的全年龄段人群的丰厚的数据积累。
最后，在人才方面，我们拥有一批长期深耕脑领域的优秀科学家。就我个人而言，我长期研究方向比较聚焦大脑方向。另外，比如还有我们的研究院院长石峰博士，也是长期深耕脑领域的科学家。我们公司类似这样的脑科学人才有很多，所以也推动了很多研究、产品的出现和落地。都说“得大脑者得天下”，所以我们也有自信地说，在脑影像AI领域的一系列成果是我们的核心竞争力，未来我们会继续走在前沿。
当然，新品之前，我们在MR模态已有产品基础，且都具备标杆意义。联影智能在大脑影像AI领域的产品成果丰富，布局全面，在CT、MR多模态，以及卒中、肿瘤、神经退行性疾病等多疾病都实现了覆盖，这在业内是非常领先的。这次两大新品属于我们在MR模态上的进一步拓展。但是在这两个新品出现之前，我们针对MR模态也布局了脑小血管病AI、脑结构AI，这些产品都具备突破性的标杆意义，脑转移瘤AI更是全球鲜有的临床-科研转化成果。它们都为我们在MR模态上的新品推出提供了很好的基础。
雷峰网：在开发这两大MR脑新品过程中，存在哪些技术挑战？从项目启动到产品问世周期多久？
沈定刚：对于我们开发AI临床工具来说，困难远不止技术难度，还有工程难度。
因为工程开发，不像重大项目的科学研究，往往数据量有限且来源固定，但我们需要确保基于这些数据训练出鲁棒性非常强的算法，才可以适用不同的厂家、不同的机器。本身就是一件有技术难度的事情。
比如脑功能，因为fMRI影像涵盖了脑活动的多维信息，每个脑区的信号又可能会受到多种因素的影响，如血流动力学响应、噪声干扰等，AI需要准确提取有关大脑功能的信息，并对大量的数据点进行信号质控和数据处理，以及后续脑功能网络的构建和脑功能连接分析等，这都需要非常强大的算法支持。
其次，在我们实际开发过程中，我们还需要兼顾各个厂家不同的扫描数据，并考虑到如何降低耗时，实现高效的数据处理工作流的过程等等问题。考虑到可以最大程度提升我们产品的可用性，我们这两个产品是在我们的两个平台（诊疗平台、科研平台）同步上线的，但这对应用本身来说，因为使用场景并不是完全一样的，会存在很多需要兼顾和调试的地方，尤其是交互设计方面，主要的目的也是让医生使用起来更方便，我们也花了一部分的精力在这里。
从产品启动开发到初步版本完成来算的话，这两个产品我们开发的时间都在三个月左右（总共半年），都属于比较正常的范畴。在开发过程中，与医生的沟通也非常重要，因为我们需要了解他们的实际需求和使用体验。这些反馈对于我们改进产品至关重要。
因此，产品开发过程中的打磨和迭代是必不可少的。这也得益于我们之前在婴幼儿脑发育的脑科学重大项目、阿尔兹海默病的科技部重大项目等等积累，让我们可以学习到优秀医生的经验，准确理解临床场景和需求。
雷峰网：与你们之前开发其他产品工具的周期相比，半年的时间算长吗？
沈定刚：对于我们而言，半年的时间既不过长，也不是过短，实际上是脑科学领域的深入研究和产品开发的复杂性使然。这次的两个新产品，对我们来说都是相当于是在开发全新的模块。
尽管我们公司倡导敏捷开发的理念，希望能够迅速推出新产品，但脑功能连接和结构链接的应用领域相对专业和小众，特定模块相对较新，需要我们投入更多的时间和资源来开发。我们需要从基础做起，逐步构建每个工具，然后将它们整合成具有实用功能的完整产品。这个过程需要很长的时间，但是，一旦这些基础组件或模块开发完成，未来开发与功能连接和结构连接相关的应用时，我们将能够更加迅速地进行。
在这一过程中，尽管主要由我们公司内部团队负责，但我们非常重视与应用端的专家，这包括医院和科研院所的专业人士，尤其是在上海地区。这些交流对于我们开发的产品至关重要，因为它们直接影响到工具的最终使用要求。除了临床使用，这些工具也广泛应用于临床研究。在临床研究中，我们不仅需要关注脑结构和功能连接的分析结果，还需要考虑如何将这些研究成果转化为学术论文，包括数据的呈现方式、图表的设计等。
为了达到学术发表的标准，我们需要进行大量的调研，了解当前领域内的研究者是如何展示他们的研究成果的。这包括对现有文献的研究，以及对图表和数据展示方法的深入分析。我们的目标是确保我们的产品不仅在技术上是先进的，而且在学术呈现上也能符合最高标准，以便能够为临床和科研工作带来真正的价值。
雷峰网：目前产品还有哪些方面有待完善，未来如何升级？
沈定刚：这两个产品我们都会持续迭代，持续和医生沟通，目标是让产品真正符合医生的临床需求。
比如在脑功能方向的产品上，我们会持续调研医生的科研需求，进一步让我们的产品可以更兼容医生的个性化需求；在脑纤维方面，我们会陆续增加一些编辑工具和交互功能，让我们的产品整体越来越适应临床的工作流等。
雷峰网(公众号：雷峰网)：总体来说，联影智能在脑方面的影像AI的整体布局是怎样的？
沈定刚：针对脑部的影像AI研究难度极大。联影智能在大脑影像AI领域的产品成果丰富，已实现卒中、肿瘤、神经退行性疾病等多疾病覆盖，CT、MR多模态覆盖。
以基层重大疾病脑卒中为例，公司已先后开发出5大智能辅诊系统+智能危急预警平台，构建「一站式脑卒中智能解决方案」，全方位覆盖卒中患者一站式CT检查流程。该解决方案具体包括：
1. CT颅内出血智能分析系统
2. CT脑缺血智能分析系统
3. CTA头颈血管智能分析系统
4. CTP脑灌注智能分析系统
5. CTP/CTA脑侧支循环智能分析系统
6. 智能危急预警平台
我们在CT模态的布局是比较完善的，作为全国首个数智一体化卒中诊疗方案，该系列产品已深入赋能湖北枝江县域脑卒中诊疗，6个乡镇均具备基本的缺血性脑卒中的诊疗能力，落地短短数月内已拯救超50余个家庭危机，为当地60万人提供幸福保障。
总的来说，我们的脑影像AI产品线集中在两大块：
一是MR成像，包括对脑小血管病、脑转移肿瘤的研究，以及对脑科学的前瞻研究；
二是CT成像，针对脑卒中后脑组织变化的自动测量和诊断信息提供。
雷峰网：CT和MR这两种成像模式，在针对不同病种时各自有哪些特点。为什么我们这次主要选择MR来进行脑部相关产品的研发？
沈定刚：磁共振成像（MRI）的优势在于它对人体没有任何损害，因此可以用于年度体检或日常检查。而CT扫描虽然速度快，可能几秒钟就能完成，但存在辐射剂量问题。
CT在紧急情况下非常有用，因为它能迅速提供结果，MR通常需要更长的扫描时间。
但CT主要观察骨骼结构，对于软组织的对比度表现则相对有限。在细节的呈现上，MR更为精细。MR能够清晰地展示脑部微小的变化，包括白质和灰质的对比度。
例如，在脑卒中发生后，如果需要进一步明确卒中导致的脑组织变化，MR能够区分脑组织中哪些部分已经坏死，哪些部分仍有可能被挽救，这对后续的治疗计划和预后评估非常重要。此外，MR还能检测到微小的出血点，这对于早期诊断脑小血管病等病症至关重要。我们还开发了能够自动识别并标记出脑部出血点的工具。在癌症转移方面，MR也能发现脑部的小转移瘤，这些在CT上可能难以辨认。我们的工具能够帮助医生节省时间，提高诊断的准确性。
总的来说，CT和MR各有优势，我们在这两个领域都进行了大量的研究和开发工作。我们的产品体现了这些技术各自的应用价值，它们在医学诊断中是互补的，而不是相互替代的。
雷峰网：在联影智能的脑影像AI技术和产品版图中，哪些领域已取得显著进展，哪些仍处于研发阶段？在临床和科研两块的服务上，公司策略是怎样的？
沈定刚：取得显著进展的正是刚才提到的--脑卒中AI的“枝江模式”。而脑影像AI的一些细分方向则处在研发阶段，包括任务态脑功能、儿童脑损伤、核医学 MI 脑、脑肿瘤等。
所以说，我们的脑影像AI产品的定位，可以用“顶天立地”来形容，既着眼于高端的科研领域，也瞄准了基层的危重疾病应用，这样可以使得我们能够适应各种实际需求和应用场景。
对于“顶天”的高端科研产品，恰恰是最优秀的一批三甲医院、国家医学中心等医院，才有能力对极复杂、具备挑战的脑部疑难杂症进行深入的探索。我们的高端脑科研产品针对大脑疑难杂症的研究和探索提供了强大的工具。
而有力地支持和推动专家们的研究工作，进而满足脑科学调研课题时挑战性的、多样化的需求。对于像脑卒中等基层危重疾病所延伸出的“立地”的产品，恰恰对可以满足基层医疗机构的需求，因为这类基层重大疾病有着广泛性和严重性。因此，我们正持续推动将AI技术这一高质量的资源持续推向基层医疗机构，帮助他们提升对这类疾病的诊断和处理能力，从而惠及更广泛的病患群体。
在科研服务这块，我们的策略主要也可分为两个：
一方面，我们强调“授人以鱼不如授人以渔”。脑科学研究非常复杂，但也是医生们都非常感兴趣、想尝试的方向。所以我们的策略，就是以临床易用为导向，提供好用的科研工具，去降低脑研究的门槛，让医生不需要很高的学习成本，就可以学会用人工智能技术进行脑科学的探索，满足自己的个性化科研需求。
另一方面，我们坚持产学研医，针对之前提到的重大脑科研项目，我们和领域内的专家、医院都建立了联盟组织，比如儿童脑智发育联盟、中国精神影像联盟、孤独症脑影像联盟等，了解专家们认为重要的探索方向，紧密的协作创新，针对性地开展一系列的重大研究。总的来说，目前我们讨论的大多数产品都已经得到了广泛的使用。以脑转移瘤检测为例，由于癌症转移到大脑的患者本身就相对较少，因此这项技术的应用范围有限。
即便如此，我们与中山大学肿瘤医院等国内顶尖的肿瘤医院合作开发的脑转移瘤检测工具，在目标医院中的占有率却非常高。
雷峰网：联影智能在脑影像AI领域的布局，对学术界和业界也有着积极的教育和引导作用。您亲身感受的经历有哪些？
沈定刚：临床上，我们已经收到了医院的合作意向，例如与杭州的儿童医院、广州的妇女儿童医疗中心进行的新生儿和儿童的脑部研究与应用。
我们的工作不仅限于提供医生使用的工具，而且还引领了新的研究方向。特别是在儿童和老年人脑健康方面，我们主持和参与了国家级的重大项目。我们称之为“一老一小”脑研究，包括中国脑计划的0～6岁儿童的早期脑发育研究、6～18岁青少年的大脑发育研究，以及科技部重大项目中针对阿尔兹海默病的早期诊断研究。
另外，我们探索了“脑心肠轴”（脑部疾病与心脏及肠道健康之间联系）的概念，开发了基于影像的诊断工具，这些工具能够帮助识别大脑萎缩区域，从而预测和诊断老年性疾病。这些工作不仅包括产品开发，还涉及新概念、新方法和新工具的研发，旨在引领学术研究方向。这是一种双向奔赴，我们不仅提供了工具供医生和研究人员使用，如通过脑形态分析来识别萎缩区域，最终转化为实用的工具和产品，而且让我们在未来的产品开发和市场推广中更有信心。
雷峰网：目前，国内还有哪些团队在脑影像AI领域取得了显著成果？他们的工作对整个领域的发展有哪些积极贡献？
沈定刚：在国内，脑科学研究的团队规模正在不断扩大。与10年前相比，如今除了有研究人类大脑的团队，还有团队专注于动物模型，比如老鼠、猴子来研究大脑的精细结构。
相比而言，通过创建自闭症猴模型，研究人员可以观察脑结构和功能的变化，并研究治疗后的效果。这些动物模型允许进行一系列脑部操作，如手术切断特定连接，来观察大脑的变化。针对人类大脑的研究则更为被动。我们不能像对待动物模型那样干预人脑，因此，研究通常依赖于使用影像学工具进行非侵入性的观察。因此，这些研究主要集中在大脑图谱的绘制和脑网络研究上，尤其是功能网络的研究，而结构网络的研究相对较少。
雷峰网：脑科学作为一门基础科学，其核心在于深入理解大脑的生物学特性；而脑影像AI则更侧重于技术应用，解决医学和科研中的具体问题。您如何看待这一分野？您个人的研究方向是后者吗，成果有哪些？
沈定刚：我的研究主要集中在宏观层面，即通过影像学方法来探究大脑的工作原理。
在脑科学研究中，我们关注的尺度可以从微观的分子和神经元连接到宏观的脑组织结构。影像学作为一种宏观层面的研究工具，能够让我们观察到大脑中每个点的亮暗变化，而这些变化背后实际上包含了大量的脑组织信息。
我的工作涉及使用磁共振成像（MRI）等技术，包括结构连接、功能连接和形态学分析，以及通过注射造影剂进行的正电子发射断层扫描（PET），来研究大脑的功能和代谢活动。
通过综合这些宏观层面的信息，我们可以更好地理解大脑的工作机制，以及在不同年龄阶段什么样的大脑活动是正常的，什么样的变化可能指示疾病的存在。
比如，自1999年以来，我和团队一直在进行纵向的大脑老化研究，从55岁开始跟踪18年。我们的目标是深入了解大脑在正常老化过程中的变化，以及在出现认知衰退时大脑的状态。通过这些研究，我们积累了大量的数据，为理解大脑的老化过程和相关疾病提供了宝贵的信息。
在这个领域，我们已经取得了一些成果，将宏观层面的脑影像数据转化为对疾病诊断和治疗有用的信息。在这一工作上的贡献，我可以说在脑科学领域中，使用计算机和机器学习技术辅助个体疾病的诊断，我是全球首批进行这样尝试的研究者之一。这项工作始于20多年前，那时机器学习还未被广泛认知，而今天它已发展成为深度学习和人工智能的基石。
在儿童早期发展方面，自2008年起，我将研究方向从成人扩展到儿童，特别是对一岁前的儿童进行研究。由于儿童的大脑结构和功能与成人有显著不同，许多成人研究中使用的工具在儿童研究中并不适用，因此需要开发新的工具。
我在美国北卡罗来纳大学（UNC）的团队开发了许多新的工具，这也是我们能够获得美国儿童脑计划资助的原因。我们的工作对儿童早期大脑发育的研究具有重要意义。我们创建了首个儿童脑图谱，称为“UNC Infant Brain Atlas”，为神经科学研究提供了新的视角。我们的研究不仅提高了分析工具的精度，还解答了关于儿童大脑如何发育的许多神经科学问题。
总的来说，在美国期间，我将超过75%的时间投入到脑科学研究中，主要集中在老年和儿童两个领域。从1999年到2008年的九年多时间里，我主要研究大脑老化。
2008年以后，我的研究扩展到儿童早期发展，特别是0～5岁儿童的大脑发育。我们的工作在国际上首次实现了多项成果，包括开发的工具、制定的图谱以及对儿童大脑发育规律的研究，这些都是我们团队的原创性贡献。近些年来，我和团队的工作还包括从传统的群体研究转向个体化研究。传统群体研究关注的是一群人的大脑特征，例如比较健康人群与患病人群的大脑差异。
然而，这种方法对个体患者的诊断帮助有限。因为每个人的大脑都像我们的面孔一样独一无二，如果我们观察大脑的褶皱和形态，就会发现每个人的大脑都有所不同，形态各异。因此，我们利用计算机和机器学习技术，对个体的大脑进行分析，只需通过一次扫描，就能判断其大脑是否正常或是否患有老年性痴呆症。
这种个体化诊断的方法在当时是非常创新的，也是我在该领域做出的主要贡献之一。值得一提的是，在脑影像学中，我们需要将这些各不相同的大脑结构进行标准化，使之在图像上尽可能相似。这个过程称为“图像配准”。因此我将机器学习技术引入脑图像配准，推出了我在该领域中一个非常著名的贡献--大脑弹性配准算法HAMMER。
雷峰网：对于个人未来的研究工作，您有何展望？
沈定刚：我还是会继续坚持我目前的研究方向。正如刚才提到的，自从1999年开始，我们一直致力于老年性痴呆症的研究，这项工作我们至今还在持续进行。2008年，我加入了北卡罗来纳大学（UNC），那里的团队对儿童早期脑发育非常感兴趣。尽管已经收集了大量影像数据，但缺乏处理这些数据的专家。我加入后，成功整合了这些资源。
现在，尽管我们回到了中国，我们仍将继续这一研究工作。我未来的研究轨迹是连贯且可预测的，不会随波逐流或追逐短期热点。
这种一贯性也是为什么我虽然不是0～6岁和6～18岁这两个国家项目的PI，但专家们仍然支持我们这所年轻的学校。当时，我们项目的PI还只是副教授，但我们的声誉是我们在这个领域深耕多年积累的结果，而不是一时兴起或仅仅为了追求研究资金。专家们知道我们是真正热爱并致力于这项研究的。
因此，经过25年的老年人脑的研究历程，包括16年的儿童脑发育研究，我打算继续沿着这个方向深入研究。
雷峰网：联影智能在医学影像AI领域，而不仅仅是脑影像领域，都有着深入的研究和布局。面对如此广泛的研究领域，您是如何分配自己的精力的呢？
沈定刚：首先，每个研究领域都需要投入时间，但并不意味着每个领域投入的时间都是均等的。只有合理分配时间，才能提高工作效率。在美国工作期间，我曾负责不少由NIH资助的研究项目。一般情况下，研究人员可能只能承担至多3-4个R01项目，但我曾同时主持8个R01项目。每拿一个新的项目，管理机构的主任们都会开会讨论是否同意再资助。
我向他们解释，一般人每天工作8小时，而我经常工作14-15小时，因此在时间上我已经占有优势。
其次，我的工作效率也比大多数人高，这使得我能够承担更多的工作量。
从结果来看，无论是每年还是前几年的成果，包括发表的文章数量，都证明了我的工作量和效率。项目的数量与发表的文章数量是成正比的，这证明了我在时间投入、工作效率以及成果产出方面的努力都是合理的。
当然，我不可能在每个项目上都花费相同的时间。对于刚开始的项目，我会投入更多的时间来引导它们走上正轨。随后，我可能会每周进行一次审查和讨论，以确保问题能够得到及时解决，从而提高整个团队的工作效率。
随着时间的推移，我能够处理越来越多的事务。我本人在多个领域拥有深厚的经验，而我的团队成员们，他们中的许多人是从海外归来的专家，每个人都在自己擅长的领域中有着深入的专业知识和多年的深耕经验。因此，当我们将这些人才的力量汇聚在一起时，我们能够覆盖广泛的研究领域和疾病类型。
自从2017年底加入联影智能以来，这六年里联影智能打造了十几种平台和超过100款应用。这些成果的取得，可以归功于我们所倡导的敏捷开发方法。我们开发了许多基础工具和组件，这使得我们能够快速地将它们应用于新的研究领域，通过简单的调整和数据训练，迅速形成新的产品。
如果我们不是采用这种组件化的开发方式，而是逐一从0开始开发每个产品，那么我们肯定无法达到目前的成就。目前在医学影像AI领域，我们可以说提供了全方位的服务，覆盖了从疾病的基础研究到临床应用的整个链条。
雷峰网：在本届ISMRM会议上，这两大MR脑新品重点展示。选择在这一国际平台上展出MR脑产品的策略考量是什么？
沈定刚：考量有三。
首先是将我们在大脑磁共振领域的最新AI产品和技术分享给大家。
ISMRM是磁共振领域的顶级国际舞台，汇聚了来自全球的专家领袖。而磁共振，恰恰也是研究人脑最常用的成像技术之一。大脑磁共振影像AI技术，是脑科学研究中很好的切入点，但因为大脑磁共振影像很复杂，研究难度也同样非常大。所以我相信，业界会对大脑磁共振领域的最新进展都有着比较高的关注和期待。我们在大脑影像AI领域一直处在比较前沿的位置。
在这次ISMRM会议上，我们展出了我们在MR脑方面的很多产品，其中就包括了两个今年最新推出的新品--MR脑静息态功能智能分析系统、MR脑纤维智能分析系统，都很有标杆意义。这次展会期间，有神经领域的专家也有提到，我们的这些AI工具会对自己的研究产生帮助。
第二个重要考量是向学术界传递关键信息：以临床导向做学术。
以临床为导向进行科学研究，是我在学术研究过程中一直持有的想法。过去学术界许多研究成果往往仅仅停留在理论方法和发表的论文上，真正能够转化为实际应用，为临床实践带来帮助的方法却并不多见。但临床导向意味着我们的学术研究目标是以寻求解决实际临床问题、满足临床需求为主的。它能够确保我们的研究工作不仅停留在理论层面，而是能够转化为具有实际应用价值的技术和产品，从而产生真切的社会效益。
举一个我们脑产品的一个例子，是我们这次同步展出的“MR脑转移瘤智能分析系统”。脑转移瘤属于分布不定、多发常见的很微小的转移灶，对医生来说非常容易漏诊。
针对这个痛点，我们与中山大学肿瘤防治中心影像科合作来开发了这套系统。这套系统临床价值很高，相关的科研成果也非常好，在一年内就有两次在神经肿瘤的顶级杂志中做了发表，这个转化案例是非常成功。这也证明了具备显著临床价值的学术研究，它的价值也会非常之高。
第三个重要考量是向产业界传递关键信息：以全栈全谱为导向做产品。
全栈全谱，就是从全流程、全模态的角度来研究和开发医学影像 AI，因为只有这样全面的AI融入，才可以给临床和科研带来更多价值。我相信这目前也是我们这个行业的大趋势。正是基于这样的思考，我们针对脑科学研究领域的产品，在脑结构、脑功能、脑纤维上都已经做了覆盖。因为结构、功能、纤维是脑科学研究最全面的维度，通过这样全面的布局，我们可以支持医生对像脑发育、神经退行性疾病、神经血管性病变等等的各领域研究。
雷峰网：您作为获得ISMRM FELLOW荣誉的专家，能否分享此次获选的理由？
沈定刚：ISMRM是一个全球性的学术组织，专注于医学磁共振成像（MRI）。今年大约有6000多人参加其年会，有不少中国区的参与者。ISMRM是一个非常大的国际学会，其成员主要是从事MRI相关工作的专业人士。我的研究领域，特别是在图像分析方面，比如MRI图像分析，在该学会中属于少数派，并不是主流。
在这样的背景下，获得Fellow荣誉的难度自然更大。尽管我不是主流领域的研究者，但ISMRM的成员对我的工作非常了解，尤其是我在脑科学研究方面的贡献，以及我如何将机器学习、深度学习以及人工智能技术应用于MRI图像分析。我的工作在学术界得到了广泛认可，特别是在MRI图像快速重建方面，以及MRI在老年性痴呆症和儿童早期发展等应用领域的研究。
在2014至2015年期间，当深度学习刚开始兴起时，我被ISMRM邀请去讲解这一领域的知识。那时，深度学习在磁共振成像中的应用还鲜为人知，但我的讲解为听众们介绍了这一最新技术，并展示了如何利用深度学习加速MRI图像的重建。
在随后的十年中，我持续推动了深度学习在MRI领域的应用，不仅获得了学术界的认可，也使得整个领域开始重视深度学习和人工智能的应用。
雷峰网：今年的ISMRM会议，有哪些报告或产品给您留下了深刻印象，透露出接下来医学影像AI的发展趋势？
沈定刚：在ISMRM会议上，无论是大会报告还是特别主题报告，一个特别强调的议题是“低场磁共振成像技术”。之前的趋势是向越来越高的磁场发展，如从1.5T到3T，甚至5T和7T。
然而，这种向高场发展的趋势意味着能够负担得起的机构越来越少。此外，维持这些高场系统的运营成本非常高，并且需要稳定的电力供应和良好的维护条件。在非洲等边缘地区，由于电力供应不稳定，经济预算有限，因此很难普及这些昂贵且维护费用高昂的设备。
因此，低场磁共振成像技术正成为一个新兴的方向。
例如，最近香港大学的研究团队发表了一篇关于0.05T磁共振成像的论文。这种设备只需简单的电源连接即可使用，就像家用吹风机一样方便。虽然初始成像质量可能不如高场设备，但其易于获取和使用的特点，意味着它将来可能在贫困地区和边远地区得到广泛应用。
我一直认为低场磁共振成像技术是一个极其重要的研究方向。这也与上海科技大学生物医学工程学院的研究方向相契合。学院建立时，我们就将其作为一个重要研究领域，后来我们从美国引进了一位教授来专注于这一领域的研究。
我相信，这种易于获取和使用的磁共振成像技术--低场磁共振技术--将成为未来医学成像的重要方向。就像我们使用工具一样，有时候需要大锤来破碎大石头，而有时候则需要小锤或精细的雕刻工具来进行细致的工作。磁共振成像技术也是如此，不同的应用场景需要不同的成像工具。
可以想象，低场磁共振成像设备将来可以放置在社区中心或大型商场内，方便公众使用。尤其在商场里，你就像准备理发一样坐下，很快就通过磁共振成像技术，结合人工智能分析，为顾客提供脑部健康状况的快速检测。
这样的技术不仅可以告诉我们当前的健康状况，还能与之前的扫描结果比较，展示出脑部的变化。虽然大规模普及可能还需要一段时间，但我坚信这是正确的方向。这也是我们学院在人才引进和研究方向选择上的一个重要决策。
雷峰网：作为公司的CEO，您如何看待联影智能在医学影像AI领域的整体布局？对于公司的未来发展，您有何愿景和规划？
沈定刚：首先，技术的发展日新月异，我们必须紧跟时代的步伐。GPT等大型模型技术正在引领新的技术革命，但我们不仅仅接受新技术，更重要的是理解它们内在的规律，并将这些理解深入地应用到我们的产品开发和应用中。
比如在大型模型技术出现之前，我们在学校里就已经进行了大量的研究，这些研究成果随后也被整合到我们的产品中。
在公司中，我提出了“快速迭代”的理念，并且倡导利用大型模型的概念来推动产品开发。大型模型的能力在于它可以同时学习多个任务，这将改变我们以往的产品开发模式。这意味着我们将从过去逐个开发AI产品的方式，转变为利用大型模型批量开发应用，大大提高我们的开发效率。
联影智能强调的是开发自己的组件化工具，深入理解大型模型中的关键技术，如transformer，并探索如何将这些技术融入我们现有的代码和产品中。我们的研发方向始终保持聚焦和深入，通过不断的技术创新和产品迭代，将联影智能打造成医学影像AI领域的领导者，为医疗行业带来更多的价值和可能性。
正在生成分享图...
美美