随着人工智能技术发展，人工智能+医学影像在赋能基层医疗、辅助精准诊断和助力治疗决策方面具有重大意义和应用价值。但是，构建人工智能辅助诊疗模型需要具备进行数据标注、高通量特征提取筛选和分类模型训练等多个处理流程，要求研究者具备专业的人工智能建模计算经验，导致很多医生难以面向实际临床及科研问题自主构建所需的人工智能辅助诊疗模型。
为解决上述问题，中国科学院苏州医工所影像室戴亚康研究团队自主开发了多模态医学影像人工智能辅助分析系统“康成睿影”。该系统提供了交互友好的软件操作界面，可对CT、MR和PET等多种模态的DICOM医学影像数据进行流程化的数据标注、特征提取、特征筛选、模型训练、分类及其结果可视化等操作，为使用者快速建立融合多模态影像特征的人工智能辅助分析模型提供了便捷的工具平台。
近期，依托该软件系统，中国科学院苏州医工所与苏州科技城医院合作开展了基于CT影像的肾透明细胞癌恶性程度术前无创分级研究，构建了融合肿瘤内部和瘤周影像特征的智能辅助分级模型，研究成果“CT-based peritumoral radiomics signatures for malignancy grading of clear cell renal cell carcinoma”发表于放射学科期刊Abdominal Radiology。论文链接：https://link.springer.com/article/10.1007/s00261-020-02890-z。
除肾脏外，该系统还可以应用于肝、肺、脑、前列腺、骨等各种器官的医学影像人工智能模型构建与辅助分析。
该团队目前仍在不断完善该系统功能，旨在为行业提供一款更便捷和智能的医学影像人工智能分析平台，尤其是让医生等尚未熟练掌握人工智能建模技术的研究者，可以更加便捷地应用智能医学影像技术。
