Лента новостей → Эксперты изложили соображения по использованию ИИ в радиологии
В специальном докладе рассматриваются ключевые факторы успешного применения ИИ в клинической рентгенологии.
Согласно опубликованному специальному отчету « Радиология: искусственный интеллект» , инструменты ИИ могут сыграть ключевую роль в медицинской визуализации, если рентгенологи доверяют их конструкции, применяют их с соответствующей подготовкой и устанавливают четкие правила относительно клинической ответственности.
RSNA и Общество компьютерной обработки медицинских изображений и компьютерного вмешательства (MICCAI) провели ряд совместных панелей и семинаров, посвященных текущему влиянию и будущим направлениям ИИ в радиологии. Эти беседы собрали точки зрения многопрофильных экспертов в области радиологии, медицинской визуализации и машинного обучения на текущее клиническое проникновение технологии ИИ в радиологии и на то, как на нее влияют доверие, воспроизводимость, объяснимость и подотчетность.
Общие выводы, сделанные в ходе бесед, определяют культурные изменения для совместной работы рентгенологов и ученых в области ИИ, а также описывают задачи, которые предстоит решить технологиям ИИ, чтобы получить широкое одобрение.
Специальный отчет представляет экспертные точки зрения MICCAI и RSNA по клиническим, культурным, вычислительным и нормативным соображениям, необходимым для успешного внедрения технологии ИИ в радиологии. В статье также подчеркивается важность сотрудничества для улучшения клинического развертывания. В ней подчеркивается необходимость интеграции клинических и медицинских данных визуализации и представлены стратегии для обеспечения плавной и стимулированной интеграции.
«В этом отчете изучаются взгляды ведущих экспертов, чтобы понять, как лучше всего внедрить инструменты ИИ в клиническую рентгенологическую практику», — сказал ведущий автор Мариус Джордж Лингурару, доктор философии, профессор Connor Family и заведующий кафедрой исследований и инноваций в Детской национальной больнице. «Инструменты ИИ могут играть ключевую роль в рентгенологии, но рентгенологи должны доверять конструкции систем и получать адекватную подготовку. Как врачи, наиболее знакомые с этими инструментами, рентгенологи должны установить четкие руководящие принципы относительно клинической ответственности».
Решение проблем, связанных с обменом данными и предвзятостью
В статье рассматриваются важные клинические соображения, такие как обмен данными, аннотация, смещение и производительность модели развертывания ИИ в рентгенологической практике. Авторы предполагают, что инструменты для обмена данными либо для централизованной аналитики, либо для распределенного обучения смогут поддерживать обмен данными и/или моделями, но потребуют дополнительной институциональной инфраструктуры и поддержки.
Они также считают, что аннотирование изображений может стать менее существенным препятствием в течение следующих пяти-десяти лет. Наконец, они утверждают, что модели ИИ, созданные с использованием небольших наборов данных или внутренних данных, могут преодолевать проблемы, связанные с предвзятостью и разнообразием данных, если они применяются к целевым группам населения и тщательно контролируются.
В отчете также рассматриваются культурные аспекты, включая объемные показатели, прогнозирование результатов, взаимодействие человека и машины, а также доверие и подотчетность.
Авторы прогнозируют, что обучение рентгенологов работе с инструментами ИИ станет рутиной. Они утверждают, что мотивация рентгенологов использовать ИИ является ключом к повышению клинической эффективности и способности выполнять сложные задачи. Они также подчеркивают, что инструменты ИИ должны разрабатываться с учетом доверия рентгенологов и четких определений клинической ответственности.
Вычислительные соображения, отмеченные в отчете, включают возможности оборудования, производительность ИИ, связь между рентгенологами и учеными, работающими с ИИ, а также непрерывную оценку.
Понимание влияния облачных вычислений, регулирования и сотрудничества
В отчете утверждается, что облачные вычисления могут быть наиболее эффективными для отделений радиологии, которым не хватает аппаратных и сервисных ресурсов. В нем также предлагается, чтобы проектирование, разработка, развертывание и мониторинг инструментов радиологического ИИ выполнялись специалистами по данным и рентгенологами, работающими вместе, и чтобы клинические учреждения отдавали приоритет потоку данных от устройств сбора данных к PACS и/или озерам данных и к серверам ИИ.
В отчете также рассматриваются нормативные рекомендации и одобрение. Авторы отмечают, что радиология является ведущей областью применения медицинских устройств ИИ, одобренных FDA. Они добавляют, что модели зрения и языка могут оказать положительное влияние на область радиологии и должны проходить регулирующий надзор. Авторы подчеркивают, что роль регулирующего одобрения при внедрении ИИ в клиническую практику потребует постоянного рассмотрения.
Перспективы внедрения ИИ в радиологии многообещающие. Большие и общие базовые и генеративные модели ИИ, включая модели зрения и языка, могут повлиять на клиническое внедрение инструментов ИИ и помочь снизить выгорание в радиологии.
Финансовые стимулы для использования ИИ будут побуждать больницы инвестировать в программное обеспечение на основе ИИ и повышать мотивацию врачей использовать новые технологии. Для продвижения инструментов радиологического ИИ в клинической помощи и исследованиях многопрофильные общества могут принять единую повестку дня, язык и набор ожиданий.
«Благодаря сотрудничеству между обществами и дисциплинами ИИ в медицинской визуализации может полностью раскрыть свой потенциал и принести пользу клинической практике и исследованиям», — сказал доктор Лингурару.
Для дополнительной информации
Ознакомьтесь со специальным отчетом по радиологии: искусственный интеллект « Клинические, культурные, вычислительные и нормативные аспекты внедрения ИИ в радиологии: точки зрения экспертов RSNA и MICCAI ».
Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.