将医学影像与人工智能相融合，是未来发展最为广阔的领域。随着医学影像学的快速进步以及影像诊断水平的不断提高，人们对疾病的早期发现能力得到了极大程度地增强，这就推动了医学影像与人工智能技术的融合发展。习近平总书记强调，随着新一轮科技革命和产业变革机遇的到来，人工智能已成为推动我国医疗领域发展的重要引擎。在医学影像领域，人工智能技术的介入结合大数据挖掘，为医学影像大数据的筛选、梳理和提取提供了有效的临床决策支持，从而有望显著提升医师工作效率和工作质量，实现面向人民健康创新的重要技术支撑。

1.当前医学中人工智能技术融合研究

技术融合已成为产业发展中备受瞩目且具有决定性的因素，引起了广泛的研究和关注。技术融合是指两种或两种以上不同类型、不同性质和功能的科学技术要素相互结合，产生新技术成果并应用于生产过程的一种经济现象。技术创新的主要源泉在于技术融合的深度融合。在现代经济中，技术融合不仅成为推动经济增长和社会进步的重要力量。同时，它还是新兴产业形成和发展的来源。实际产业结构的变革和重组受到技术融合的深刻影响，这种影响是显著的。从理论上分析了技术融合对于经济增长和产业结构优化的影响作用机理。识别技术融合的动态趋势，对于加强技术创新、引导产业的发展，具有至关重要的现实意义。随着信息技术和生物技术相结合的快速发展，未来社会必将进入到一个高度信息化、智能化时代，而人工智能作为新的研究方向之一，其在医学上的运用越来越广泛。在医学影像领域，深度学习等新一代人工智能技术的广泛应用，孕育出了医学影像人工智能这一备受关注的产物，其未来发展前景广阔。目前国内医学影像人工智能领域仍处于起步阶段，与发达国家相比还存在一定差距。因此，将医学影像人工智能领域进行技术融合预测，将有助于推动该领域的技术进步和发展，从而实现成本降低、影像诊断水平提高，为患者创造更大的价值。

当前，该领域的技术预测主要依赖于专家的主观判断，而采用客观方法进行技术融合预测的研究仍处于初步探索的阶段。现有的技术融合预测多采用单一的评价指标来衡量技术融合后的效果。此外，新兴的机器学习技术融合预测方法仅仅是简单地罗列指标，缺乏对指标内涵及其与技术融合内在机理的关联性分析，从而导致模型的指标体系整体逻辑性不足。此外，现有的技术融合预测体系中缺少对于不同类型的技术融合所需的相似度以及相应的特征量等关键参数的定量描述。因此，基于技术融合的内在机理，我们提出了相似性和技术特性指标，并构建了一个全新的指标体系，从而对基于机器学习的技术融合预测模型进行了重构，最终应用于医学影像人工智能领域的技术融合预测。

2.医学影像人工智能的相关研究

医学影像人工智能（medical imaging）就是为医疗或者医学研究目的，通过非侵入的方式获取人体或者身体某个部位内部组织影像的一种技术和处理方法。目前医院储存的90%以上的信息都是影像信息，影像信息已形成庞大的数据积累。将人工智能运用到医学影像的日常工作当中，能够减少放射科医生重复而又简单的工作，减少人为错误的发生，从而提升医生工作效率和诊断准确率。以医学影像大数据为基础的人工智能技术及其应用已成为医疗机构，研究，产业及政府等各方面普遍关注的热点。其次，在问卷调查的基础上，结合文献计量方法，开展了与现状有关的研究。B.O.Botwe和其他人^[1]评价了非洲放射治疗师关于在医学影像上整合AI的意见，研究结果显示在医学影像整合AI方面持肯定态度。但人们对AI融入医学成像工作安全问题越来越关注。陈娟等^[2]以科技论文为依据，分析了各大国正在推进人工智能技术应用于医学影像学基础研究的形势。

3.技术融合预测的研究

技术融合可界定为至少2个互不相关的技术领域边界模糊的问题。技术融合是指不同技术领域之间的协作现象，它能够带来全新的产品或服务。技术融合为技术与产业创新提供了重要动力，能够引领新兴产业形成。通过开展技术融合预测工作，能够及时掌握技术与行业发展趋势，制定科学规划与决策。在阐述技术融合内在机理的基础上，提出相似性指标与技术特性指标，一方面相似性是技术融合过程中的一个重要特性，技术间相似性越高，则技术融合概率越大，其相似性指标有基于网络结构和基于节点属性两个方面；另一方面技术特性又是技术融合分析目标的基本特征和技术融合分析的一个重要依据，技术特性指标包括规模性指标，复杂性指标，市场性指标和协作性指标。然后在指标体系的基础上构造IPC到特征向量并利用机器学习算法实现医学影像人工智能方面的技术融合和预测，从而为医学影像人工智能的发展提供决策支持。

4.结束语

技术融合能够促进技术创新并潜在地影响产业改革。开展技术融合预测，是掌握技术发展趋势与方向的一个关键性问题。研究从技术融合内在机理出发，提出相似性与技术特性指标并重构了基于机器学习技术融合预测框架以规避以往框架指标体系总体逻辑性差的局限。在技术融合预测和技术研发策略等方面潜在促进作用。

参考文献：

[1]苗红,李男,吴菲菲等.基于机器学习的医学影像人工智能领域技术融合预测[J].情报杂志,2022,41(06):126-134.

[2]史雪莲. 医疗人工智能标准体系研究[D].华中科技大学,2020.