放射学中人工智能的临床实施

在过去的几年中，人工智能(AI)代表了放射技术的最新，发展最快的领域。在所有主要的专业协会会议上，博览会的地板上到处都有供应商展示他们已经开发或集成到产品中的AI工具，这被称为效率和节省时间的辅助手段，可帮助缓解越来越多地被大量数据困扰的放射科医生的工作量。

尽管有希望和潜力，但是在放射学中AI的广泛临床应用尚未发生。早期采用者正在为采用提供潜在的途径，供应商和临床医生将继续合作以确保AI确实在完成放射科医生需要它做的事情。

实施的障碍

放射学和AI领域的众多主要意见领袖认为，AI当前面临着广泛采用的一些主要障碍。

专为特定应用而设计的大量算法。

许多具有临床应用的AI算法旨在帮助放射科医生做一件非常特殊的事情-估计手部X射线的骨龄，预测哪些患者可能患阿尔茨海默氏病，并评估在乳房X线照片上检测到的病灶的确定性癌变，无数。虽然这些都是有用的应用程序，并可以节省放射科医生的时间和精力在那个特定的任务，它可以是难以判断是否需要购买一个工具，只有一个特定的使用费用。

“如果您需要为最佳的骨骼年龄，最佳的气胸而另辟algorithm径，那就太过分了，”放射学合作伙伴临床运营副总裁医学博士Samir S. Shah说。“当我们确实使用插件时，如果必须返回到服务器并花费12分钟才能返回，那将花费太多时间。”

无法访问足够的数据来训练算法。

AI公司HOPPR的创始人兼首席执行官Khan Siddiqui医师认为，当前许多AI算法的利基焦点是由于缺乏训练更大算法所需的海量数据集。早期的AI开发人员专注于大量免费提供的数据，以帮助一次解决一个问题。西迪基说：“但这不是我们的做法。”“除非您是高级学术机构中高度专业的放射科医生，否则您只会看到一种扫描，而这不是大多数放射科医生的工作方式。”

当前许多AI算法不容易适应现有放射学工作流程。

最终，由于可用的算法如此之多，并且没有足够的数据来训练可能更广泛使用的算法，因此当今的放射科医生经常会留下难以轻易适应其现有工作流程的AI算法。这通常迫使提供者采取零星的方法来构建应用程序库。即使他们只对一种算法感兴趣，也无法保证它将无缝集成到他们的工作流程中。

使AI和PACS一起工作

在大多数放射科和实践中，工作流程贯穿图片存档和通信系统(PACS)，因为这里保存着所有成像数据和相关报告。所有图像查看，报告和共享都是通过PACS完成的，每个供应商的PACS具有不同的功能。当今的许多人工智能算法都是独立于特定的PACS进行开发的，这使得很难提供适用于所有人的AI解决方案。

“如果我们回顾将高级工具引入放射学的历史，我们并没有看到很好的采用方法。直到他们直接并入观众等之后，他们才开始使用。”放射学合作伙伴，神经放射学家，矩阵放射学影像信息学总监R. Kent Hutson医师说。赫特森(Hutson)是最近一次网络研讨会的小组成员之一，该会议突破了将AI成功转化为临床放射学的瓶颈。“您不能嫁接额外的插件，并期望放射科医生使用这些[插件]。”

Shah补充说：“您必须将产品修改为所有现有的PACS系统，因为我们现在正在处理使用其他任何配置都无法配置的PACS的主要卫生系统。”战略。

此类伙伴关系也可能需要PACS供应商进行修改，目的是在所有产品之间创建简单，统一的界面。“随着向VNA(供应商中立档案库)的发展，我认为这为更好的图像查看器用户体验提供了机会。目前的软件还不足以与我们建议的工具很好地集成。” Hutson说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！