1. 人工智能和机器学习（Artificial intelligence and machine learning）
正如开幕式上来自于麻省总医院临床数据中心的Keith J. Dreyer教授所言，“当机器开始思考，放射科的将来会怎样？基于人工智能，对包括影像资料在内的临床数据的深度挖掘将大大改善影像诊断的质量，对影像学产生深远的影响。人工智能将在医疗活动中发挥重要的作用，尤其是在放射学领域。放射学从业者必须对计算机认知的进步有足够的重视”。
放射科医生需要处理的影像资料越来越多，而人工智能和机器学习能够帮助他们快速地找到影像中的异常点。例如，本届RSNA上，有针对医学专业人士而开发的视觉分析和量化平台的最新版本——IntelliSpace Portal 9.0。通过新的机器学习能力，IntelliSpace Portal 9.0用纵向脑成像（尚未批准在美国使用）等功能帮助放射科医生检测、诊断疾病并跟进疾病的治疗（例如脑损伤和神经障碍，包括痴呆、中风、肌萎缩性侧索硬化和多发性硬化）。纵向脑成像被用来对神经障碍进行纵向评估，这种持续监测功能使得临床医生可以跟踪疾病的发展状况。IntelliSpace Portal 9.0上还有CorTech Labs的测量应用程序NeuroQuant，临床医生可用它来确定脑体积的损失量。
IBM Watson Health and Merge Healthcare也展示了其一系列尚未商用的医学成像解决方案。例如，当放射科医生、心脏病医生等分析影像数据时，IBM的数据汇总工具可以提供病人特异性的临床信息以供参考，决策支持工具则可将影像数据与其他相关的临床信息结合起来。
2. 以证据为驱动的放射学（Evidence-driven radiology）
尽管人工智能和机器学习能够有效地对图像进行分类从而帮助医生进行诊断，但许多放射科医生担心的是他们可能会被这些先进的信息技术所取代。芝加哥大学医学院放射信息学教授和副主席Paul Chang认为，放射科医生应该寻求角色的改变——不再局限在读片和写诊断报告上，而是转变为诊断、治疗以及参与临床诊疗流程、风险管理的医疗决策者。放射学必须转向以证据为驱动，数据为驱动的放射学。
3. 器官和身体特征的3D打印（3-D printing of organs and body features）
相较于2015年，今年的RSNA有三场全天的3D打印论坛，而去年只有一场，而今年的3D打印展览区的面积也比去年增加了三倍。此外，北美放射学会正式公布成立了一个3D打印特殊兴趣小组（special interest group, SIG），致力于推进3D打印技术在医疗领域的发展，并帮助各地的放射学研究中心建立自己的实验室。从事3D打印的工作者均可以申请成为SIG成员。
从技术角度看，本届RSNA上明显反映出3D打印技术在医疗领域的日渐成熟，无论是在将数字图像转换成3D打印医疗模型的整个过程，还是打印机本身的质量，抑或成本方面都有一定程度的改善。目前3D打印机已经能够复制出患者的脏器，外科医生在手术前能够预先直观地观察，从而在实施手术时会更加顺畅。
4. 多维成像（Multi-dimensional imaging）
本届会议上，Arterys公司展示了一种基于云的医学成像软件，该软件近期刚刚获得FDA 510(k)批准，能够实现4D血流和二维相位对比工作流程，以及心脏功能测量。Arterys计划与GE的ViosWorks产品合作，在美国推出该产品。该软件与ViosWorks配合，能够实现心脏解剖、功能和流量的全面可视化和量化。借助于Arterys软件，ViosWorks将是第一个可用于临床的，基于云的，能够实时处理图像的心血管解决方案，影像分辨率较以往有大幅度提高，而整个检查过程仅需要不到10分钟，在过去至少需要50分钟。
5. 以价值为导向的医疗技术需求（Tech demands of value-based care）
“以价值为导向（value-based care）”这一概念最早源于“基于价值的采购”，即根据价值来购买服务。在医疗健康领域，则指以医疗结果或医疗表现为导向，给医疗服务者提供恰当的奖励或激励，从而保证患者得到更高质量的医疗服务。放射学专家越来越意识到以价值为导向的医疗服务带来的转变，包括提高图片共享能力，避免不必要的程序和重复研究。
6. 重新设计工作流程（Workflow redesign）
随着信息技术的渗透，放射科医生在患者诊疗全过程中变得越来越重要，因为某些疾病（如癌症）的影像学研究进展会影响患者最佳治疗方案的选择。Nuance Communications的首席医疗信息官，宾夕法尼亚大学医学放射学副教授Bill Boonn表示，现有的放射科医生工作流程有限，仅仅局限在读片和写报告，未来放射科医生应该超越现有的工作，充分利用其医疗培训和图像解读能力，在医疗服务全过程中发挥更大的作用。
7. 图像交换（Image exchange）
为了能够在不同的读片系统中更加快捷地交换医学图像，北美放射学会和红杉项目（the Sequoia Project）发起了《医疗质量互操作性框架》协议（Carequality Interoperability Framework），其目的是为了提高医疗数据交换的效率，为全美国的医疗数据交换和共享构建一个框架体系，加速全美医疗数据的共享与连接。今年的会议上，RSNA和红杉项目公布了7个达到标准的信息技术公司名单，这7家公司将会遵循此框架协议内容（包含了法律文件、政策要求、技术规范以及管理流程）为他们的客户提供医疗信息交换服务。
8.云影像存储（Cloud image storage）
随着多层成像技术的迅猛发展和普及，医学影像数据正在呈爆炸式的增长，例如，每一数字乳腺断层成像检查的信息量可以达到数百GB。这些数据预计到 2020年会增长50倍。因此，如何存储和处理海量的医学影像信息已经成为当今急需解决的问题。根据IBM Watson Health的统计，医学影像数据大约占据所有医疗数据的90％。存储需求的持续增长促使更多的医疗机构考虑将图像存储在云中，云存储技术也成为了本届RSNA的一大热点，其具有数据快速调用、网络共享与应用拓展等功能。例如GE公司展示的全新云平台将可连接50万台以上的GE医疗影像设备，并将影像后期处理从设备本身转至云端。基于GE“健康云”，三维的医疗影像资料可以显示在院内、院外的多种设备上，包括笔记本电脑、平板电脑以及智能手机等，便于查看。
9. 安全技术（Security technology）
2015年2月，美国第二大医疗保险服务商Anthem的信息系统被黑客攻破，数以百万计的员工和用户资料被盗，这是美国保险行业历史上最严重的网络攻击事件之一。黑客获得了客户的个人资料，包括姓名、生日、医疗ID号、社会保险号、住宅地址、电子邮箱，雇佣情况，以及收入数据等等。基于此，数据安全也成为了今年RSNA的一个热门议题。
10.乳腺数字断层摄影（Screening digital breast tomosynthesis）
乳腺X线摄影是早期检出乳腺癌最常用、最有效的手段，但由于腺体组织的重叠、特别是致密型乳腺，常影响病变的检出与诊断。乳腺数字断层摄影技术是近年来新兴的一项技术，在一定程度上能够弥补传统乳腺X线摄影的缺陷。本届RSNA上，数字化乳腺断层摄影也成为了热门议题，一些研究表明该技术正在引领乳腺疾病筛查的变革。耶鲁大学的Reni Butler博士及其同事进行的一项为期三年的研究表明，DBT乳腺筛查的检查量增加了17%，而乳腺疾病诊断的检查量减少了29%，此外，立即获得乳腺筛查诊断结果的患者数量从第一年的18%上升到了第三年的46%。说明DBT技术正促进乳腺筛查效率的提高。
本文参考资料：
Health Data Management
AuntMinnie
SearchHealthIT
编译：沈翀
延伸阅读
>
