人工智慧更好應用於醫學影像的四個要點

更多精彩，敬請關注矽谷洞察官方網站（http://www.svinsight.com）

人工智慧可以用於改革醫學成像，但利益相關者如何將這項技術從研究轉化為臨床實踐呢?

研究表明，人工智慧能在多個層面影響醫學成像領域。從檢測肺癌以及放射科通過腎活檢預測腎功能，機器學習和深度學習演算法已經證明了它們在改善影像學診斷和患者護理方面的潛力。

然而，人工智慧的前景也伴隨著挑戰。使用該技術可能產生意想不到的後果，包括病人安全問題、工作流程混亂和無意識偏差。

在2018年的研討會上，美國國立衛生研究院（NIH），北美放射學會（RSNA）和放射學與生物醫學成像研究院討論了在醫學成像中推進AI使用所需的步驟。5月底，在美國放射學學會期刊上發表的一份新報告中，該小組描述了將人工智慧納入日常護理的首要任務。

報告稱:「與其他從最初的研究轉化為廣泛臨床實踐的新技術一樣，我們需要認識到，將人工智慧應用到臨床治療將面臨著全新的挑戰。」

「了解這些新挑戰的本質、潛在的緩解策略，以及精心構思的研究路線圖，確保人工智慧演算法的開發能有效地轉化為臨床實踐，這些都是至關重要的。」

醫療行業如何加快人工智慧在醫學成像中的應用，並將這些演算法從研究轉化為日常臨床護理?

開發標準化使用用例

該組織表示，迄今為止，人工智慧在醫學成像方面的用例與現有已應用的可比較的演算法相比缺乏標準的輸入和輸出。由於演算法可能需要運行在本地伺服器或雲服務中，因此需要制定一種標準的方法來接受演算法處理的輸入和輸出。

而且，如果沒有制定出針對人工智慧用例的標準化輸入和輸出，培訓和測試開發標準數據集就會變得更具挑戰性，最終輸出的演算法會造成同一個病例會顯示不同的結果。

「理想情況下，人工智慧用例需要使用一種相同的格式來開發，這種格式可以將人類對演算法應該做什麼的敘述描述轉換為機器可讀語言，比如使用定義明確的數據元素的可擴展標記語言或JavaScript對象表示法。」

該組織表示，結構化用例可以幫助人工智慧演算法在準備投入臨床使用之前創建驗證標準，而醫學成像領域的應用可以幫助其實現標準。

「醫學影像中的醫學專業、學術機構和放射科醫生會對人工智慧發展產生積極影響,他們都需要參與到這些結構化的開發用例創建通用標準和結構以及建立特定的人工智慧用例中。這些案例可以幫助人工智慧演算法建立相同的定義和開發可實踐的臨床治療的方法。」該報告稱。

建立數據共享方法

為了開發高性能的人工智慧演算法，模型將需要對包含適當注釋或豐富元數據的高質量數據集進行學習。儘管圍繞這個主題開展了很多創新，但該組織表示，這些創新主要發生在數據豐富的組織，這些問題可能會限制信息的廣泛可用性。

隱私問題將會限制類似機構公開患者數據，而這些情況將阻礙人工智慧的發展。

報告稱:「加快公開可用數據集的發布，以及幫助人工智慧能更快地被應用於臨床實踐中，並保證在使用患者數據的同時還能保證數據的安全性的同時還能獲得更多樣化的數據至關重要。」

評估臨床實踐和基礎設施需求

報告指出，目前缺乏將人工智慧演算法的結果展示在臨床工作流程的用戶界面，這限制了人工智慧模型在臨床的廣泛應用。IT開發人員將需要創建一個高效的用戶界面和用戶體驗設計，以便人工智慧能與現有的臨床工作流工具集成，以加速人工智慧的使用。

此外，開發人員需要為健康IT系統之間的通信建立與供應商無關的互操作性標準。

「理解基礎設施的需求，包括定性和定量分析人工智慧將如何在臨床實踐中的部署——無論是本地的還是基於雲服務的——將是數千種人工智慧演算法能在實際臨床實踐中使用的關鍵。」

「醫學影像界必須參與評估臨床實踐和基礎設施需求，並與美國國家科學基金會和NIH Connected Health Initiative等現有標準機構合作，尋找有助於在臨床實踐中採用人工智慧的解決方案。」

確保技術安全準確

該組織表示，醫療領域的利益相關者應該與IT開發人員、政府機構和公眾組織合作以確保人工智慧演算法的精準、減少無意識偏見和保障患者的安全。要做到這一點，利益相關者需要使用包含人口統計學和技術多樣性的數據集來驗證人工智慧演算法。FDA等聯邦機構將需要在驗證人工智慧模型以確保患者安全方面發揮關鍵作用。

報告稱:「FDA監管著一系列廣泛的醫療成像設備、計算機輔助診斷軟體和其他演算法，為醫療從業者提供決策支持。」

「該機構很早就認識到整個衛生保健領域數字化將會迅速增長，以及監管能夠檢測和分類疾病過程的計算機軟體的重要性，自2012年以來，該機構一直在發布軟體計算機輔助檢測和計算機輔助診斷的監管指導。」

醫學成像領域的臨床醫生將是推動跨行業合作向前發展的關鍵。

「為人工智慧演算法的驗證和監控創建模型，並將無意識偏見最小化，將需要研究人員、行業開發人員和政府機構之間的合作。醫學影像界應在促進這些合作方面發揮主導作用。

儘管有很多障礙需要克服，但人工智慧在醫學成像中的應用前景廣闊。在未來，行業利益相關者將需要共同努力，確保技術是安全、有效和高效的。

「人工智慧在改善診斷和基於圖像診斷方面的應用前景廣闊。這裡總結的機遇和挑戰可以作為未來發展的路標和路線圖。

原文作者： Jessica Kent

原文鏈接：https://healthitanalytics.com/news/top-4-ways-to-advance-artificial-intelligence-in-medical-imaging

更多精彩，敬請關注矽谷洞察官方網站（http://www.svinsight.com）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！