人工智能在醫(yī)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(chǎn)一種能夠通過圖靈測試的智能系統(tǒng)，以便能夠將機器的智能與人類的智能進行區(qū)分。在過去的70年中，研究人員不斷看到希望和絕望的循環(huán)，但在10年前，這種情況開始發(fā)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(wěn)步上升。如今，消耗性數(shù)據(jù)和計算能力都提高了幾個數(shù)量級，并且具有更廣泛的可承受性。

在人工智能中，醫(yī)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(jù)世界衛(wèi)生組織的估計，全球40多億人無法獲得醫(yī)學成像專業(yè)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(yī)生的數(shù)量短缺和無法到達某些地區(qū)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(yī)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(yī)生每天重復性的低價值任務，節(jié)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(fā)現(xiàn)人類醫(yī)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(shù)據(jù)改善失真或損壞的圖像。更好的工作列表優(yōu)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(yī)生無法立即獲得結果的環(huán)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(shù)據(jù)，以提供患者的整體視圖。減輕醫(yī)務人員閱讀文檔疲勞，創(chuàng)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(yī)療保健的區(qū)別在于要查看大型縱向數(shù)據(jù)集。他說，“可以從中獲取一些橫截面的數(shù)據(jù)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(yī)生，我們不能這樣做……因此我們將利用這種預測能力來發(fā)揮作用�！�

Bruce說，“人工智能帶來的好處是對數(shù)據(jù)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(yī)生常常在這方面浪費了大量時間。

職業(yè)倦怠是放射學醫(yī)生面臨的一個大問題，根據(jù)Medscape最近的統(tǒng)計數(shù)據(jù)，這與去年的調(diào)查一致，大約45％的放射科醫(yī)生報告表示，他們已經(jīng)精疲力竭。芝加哥大學企業(yè)成像醫(yī)學主管放射科醫(yī)生Paul Chang博士在RSNA 2018的一次演講中說：“我們正在討論數(shù)據(jù)驅動、證據(jù)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(yī)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(xiàn)有工作流程中時面臨著重大挑戰(zhàn)，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(yè)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(shù)據(jù)和數(shù)字分析資產(chǎn)至關重要。

Paul Chang建議醫(yī)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(xiàn)這一目標。高層管理人員關心提高效率，因為可以節(jié)省時間，最終節(jié)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(yī)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(shù)據(jù)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(shù)據(jù)處理或自動數(shù)據(jù)管道，并在后端插入這些平臺，自動路由數(shù)據(jù)。數(shù)據(jù)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(yī)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(yī)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�；ㄔ谥貜腿蝿丈系臅r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(shù)據(jù)，提高洞察和決策能力，并隨著證據(jù)基礎的發(fā)展回溯到數(shù)據(jù)，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(fā)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(yī)學特刊發(fā)表的一篇名為“健康與生物醫(yī)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(yī)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(yī)師在標記訓練數(shù)據(jù)集和從圖像數(shù)據(jù)中開發(fā)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(yōu)勢，放射科醫(yī)生仍將在診斷罕見疾病和檢測發(fā)現(xiàn)方面發(fā)揮核心作用�！�

對于醫(yī)生來說，現(xiàn)在是需要考慮采用人工智能并確定采用更多咨詢性醫(yī)學策略的時候了。