斯坦福大學放射學和生物醫學信息學教授，醫學和成像人工智能中心(AIMI中心)主任Curtis Langlotz醫學博士指出，“人工智能將為放射科醫生提供幫助，而不是取而代之......但使用人工智能技術的放射科醫生將取代那些不使用人工智能的放射科醫生。”這是令人振奮的觀點。
人機協作是醫學成像的未來發展方向。放射科醫生對人工智能在加速和提高圖像解釋能力方面的潛力很感興趣。一些醫生開始從人工智能應用中獲益，并測試更多自己的和商業的應用。像許多其他行業一樣，醫療保健部門希望人工智能能夠快速從數據中挖掘出見解，使信息更有用，更具可操作性。雖然機器不能獨立思考，但它們可以自我學習。人工智能將會塑造放射學的未來。
北美放射學學會主席、RSNA公司總裁Vijay Rao醫學博士說，現在是醫學成像采用人工智能的時候。他在2018年年度會議上說，“人工智能有可能提升我們的專業水平，并改變放射學的實踐應用，這可以讓放射科醫生在有利于患者和醫生的計劃上花費更多的時間進行研究。”
“實施人工智能的一部分是將影像閱覽室打造成數字診斷數據中心，提供全面的成像服務”費城杰斐遜大學醫院放射科主任Rao說。放射科醫生需要與患者、推薦人和護理人員共同進行決策。
“如果產生更多有用的數據，就會成為更好的顧問。”麥迪遜威斯康星大學醫學與公共衛生學院醫學成像業務主管，信息學副主席Gary Wendt博士對此表示贊同。 “如果真的給更多人提供更多可操作的數據，那么醫生將是護理過程中更有價值的一部分。”
Rao將數字診斷數據中心視為臨床團隊通過視頻會議實現會診的一個重要場所，以便做出有關患者護理的決策。放射科醫生有朝一日可以依靠人工智能將當前的成像結果與其他臨床科室和健康問題社會決定因素的知識經驗進行匯總。還可以收集實驗室結果、手術或組織檢查結果、健康史、身體檢查、患者人口統計學、患者基因組學、風險因素等數據，并將其整合到整體臨床分析中。
“這些數據隱藏在我們沒有采取行動的數據中，我們現在需要做些什么來幫助病人?”Geisinger成像科學和創新部門擔任心臟成像技術實驗室(CITL)的聯席主任Brandon Fornwalt博士說。Fornwalt是一名醫學博士、放射科醫師和數據科學家。他認為，研究人員和放射科醫師的使命是找出答案。
威斯康星大學醫學與公共衛生學院放射信息學的神經放射科醫生和醫學主任Richard Bruce博士提供了另一種觀點。他說，“人工智能不一定總是提供全新的東西，而是應將注意力集中到已經存在的東西上。那么如何減少這些干擾?如何將所有這些相關的事情帶到最頂層?這樣就可以描繪出患者最引人注目的故事。”
Rao將她的愿景稱為“整體成像護理提供模型。”放射科醫生可以負責患者的成像服務過程，而不是負責患者溝通的轉診醫生，其中包括將結果傳達給患者。“人工智能和相關技術為我們提供了最終實現這一愿景所需的精確工具，”她說。
人工智能在醫學成像的應用
在20世紀50年代人工智能誕生之初，研究人員試圖生產一種能夠通過圖靈測試的智能系統，以便能夠將機器的智能與人類的智能進行區分。在過去的70年中，研究人員不斷看到希望和絕望的循環，但在10年前，這種情況開始發生改變。自從人工智能開始學習而無需編程以來，其軌跡一直在穩步上升。如今，消耗性數據和計算能力都提高了幾個數量級，并且具有更廣泛的可承受性。
在人工智能中，醫學成像在改善訪問質量、降低成本、改善患者體驗的障礙中看到了機會。同時，根據世界衛生組織的估計，全球40多億人無法獲得醫學成像專業知識的服務。人工智能可以通過提供遠程閱讀來解決全球臨床醫生的數量短缺和無法到達某些地區進行診斷的問題。
在圖像采集、重建、檢測定位和質量控制等方面，醫學成像的服務鏈上存在著一些障礙。人工智能可以消除放射科醫生每天重復性的低價值任務，節省時間，并提高準確性。它可以更準確地識別疾病，降低治療變異性，改善護理，提高患者體驗。還可以發現人類醫生難以看到的病變，并減少假陰性的解析。
人工智能工具還可以增強圖像重建，更有效地利用數據改善失真或損壞的圖像。更好的工作列表優先級允許病情最嚴重的患者更快地接受診斷和治療，即使在放射科醫生無法立即獲得結果的環境中也是如此。其提供的放射學報告可以獲得一致性。
機器智能還有助于探索和公開關鍵的電子健康記錄( HER)數據，以提供患者的整體視圖。減輕醫務人員閱讀文檔疲勞，創建更直觀的界面。
Geisinger的Fornwalt表示，除了個別的人工智能應用程序之外，圖像和醫療保健的區別在于要查看大型縱向數據集。他說，“可以從中獲取一些橫截面的數據并進行分析，并從中做出預測。這就是機器擅長的東西。作為醫生，我們不能這樣做……因此我們將利用這種預測能力來發揮作用。”
Bruce說，“人工智能帶來的好處是對數據進行更深入的研究，認識到我們有機會利用我們所獲得的和我們能解鎖的東西做更多的工作。”
事實上，醫生常常在這方面浪費了大量時間。
職業倦怠是放射學醫生面臨的一個大問題，根據Medscape最近的統計數據，這與去年的調查一致，大約45%的放射科醫生報告表示，他們已經精疲力竭。芝加哥大學企業成像醫學主管放射科醫生Paul Chang博士在RSNA 2018的一次演講中說：“我們正在討論數據驅動、證據驅動的工具，我們需要幫助，因為許多人幾乎很難堅持下去。”
建設IT基礎設施
醫學成像領導者如今可以采取合理的步驟來幫助他們的設備采用人工智能，這就需要他們的IT基礎設施做好準備。Paul Chang表示，IT部門在將人工智能集成到現有工作流程中時面臨著重大挑戰，但如果希望在技術準備好實施后真正看到好處，那么這是必要的一步。
“人工智能是一個關鍵的工具，但企業不會為其解決方案而構建的工具構建架構。”Paul Chang說。
靈活、強大且基于標準的平臺對于使組織能夠捕獲、增強、保護和共享關鍵數據和數字分析資產至關重要。
Paul Chang建議醫院各部門不要只關注技術，還要關注他們想要的最終結果。例如，提高效率以及人工智能如何幫助實現這一目標。高層管理人員關心提高效率，因為可以節省時間，最終節省成本。因此需要構建一個將人工智能集成到標準工作流程中的策略，并用這些術語談論人工智能是確保組織獲得所需投資的方法。
他說，放射科醫生需要參與人工智能的應用，但對期望和時機要切合實際。他說，“組織的目標不是大肆宣傳該技術的能力，而是需要改進基礎設施，同時提高效率和質量。”
Wendt指出，這就是大量數據和計算能力相結合的地方。他說，“組織需要確保擁有良好的數據處理或自動數據管道，并在后端插入這些平臺，自動路由數據。數據必須實時路由，實時處理，并在簽署報告之前實時返回給放射科醫生。然后再返回到電子病歷(EMR)中。”
與眾不同
人工智能為當今的放射科醫生提供更大價值的途徑之一是通過改進日常工作流程并使其更加高效。花在重復任務上的時間越少，就意味著花在閱讀研究和幫助患者上的時間越多。自然語言處理(NLP)可以幫助完成日常任務，因為自動圖像分割有助于標記、測量和比較新的研究結果與先前的研究結果。
隨著時間的推移，人工智能所帶來的真正不同之處在于對個體患者和人群的護理。分析縱向數據，提高洞察和決策能力，并隨著證據基礎的發展回溯到數據，最佳實踐變化和指導方針的推進，以提供更有效的診斷，預防和治療方法。
Bruce說，“我認為，隨著未來五年的技術發展，這不僅僅是算法的問題，這將向最終應用的人們證明什么是真正的價值。”
放射學也為機器智能輔助的護理技術提供了巨大的價值。日本放射學會的兩位研究人員在公共科學圖書館醫學特刊發表的一篇名為“健康與生物醫學機器學習”的論文中寫道：“人工智能有望通過幫助放射科醫生更好地進行臨床實踐、更高的可靠性、改進的工作流程來獲得更及時的建議，從而逐步改變臨床實踐。放射科醫師在標記訓練數據集和從圖像數據中開發新知識方面具有重要意義。在臨床應用上，即使目前的深度學習方法在圖像解釋方面具有廣泛優勢，放射科醫生仍將在診斷罕見疾病和檢測發現方面發揮核心作用。”
對于醫生來說，現在是需要考慮采用人工智能并確定采用更多咨詢性醫學策略的時候了。
京公網安備 11010502049343號