Искусственный интеллект меняет подходы к оказанию медицинской помощи, особенно в радиологии. Более 30% радиологов уже внедряют ИИ в свою клиническую практику и с оптимизмом смотрят на ту пользу, которую он может принести. Однако, поскольку количество доступных инструментов ИИ продолжает расти, больницам и медицинским работникам важно признать, что не все ИИ созданы равными и должны выходить за рамки алгоритма, чтобы обеспечить реальный клинический, операционный и финансовый эффект.

Анализ 2023 года , опубликованный в Британском журнале радиологии, показал, что только 20% алгоритмов ИИ улучшают работу рентгенологов. Ценность инструмента искусственного интеллекта в радиологии зависит не только от его способности предоставлять проверенную, подробную клиническую информацию и данные, включая локализацию, количественную оценку, характеристику, визуализацию и отслеживание, но также от его способности эффективно решать общие препятствия, которые могут повлиять на качество ухода за пациентами.

Одной из наиболее ярких и актуальных проблем является растущая нехватка врачей-рентгенологов, а также давние проблемы, с которыми сталкиваются многие сельские больницы при наборе специалистов. По оценкам исследований, найм нейрорадиолога обходится примерно в полмиллиона долларов – это чрезмерная стоимость для любой из 53% больниц, которые в настоящее время имеют отрицательную операционную рентабельность и только усугубляют неравенство между комплексными и сельскими центрами, часто не имеющими доступа к этому конкретному опыту.

Более того, хотя число рентгенологов сокращается, объем сканирований продолжает увеличиваться, при этом данные продолжают стремительно расти , особенно в отделениях неотложной помощи. В результате специалисты по считыванию медицинских изображений вынуждены быстро, чем когда-либо, выполнять считывания, одновременно выявляя случайные события, и сталкиваются с критическими последствиями, если диагноз будет пропущен.

Предоставляя врачам возможность принимать решения о лечении быстрее и с большей уверенностью, передовые и проверенные алгоритмы машинного обучения могут помочь им преодолеть самые насущные проблемы, а также устранить другие узкие места, скрытые под поверхностью, которые снижают эффективность рабочего процесса.

Для начала алгоритмы должны быть эффективными. Например, предоставляя врачам точную информацию о медицинских изображениях посредством локализации, количественной оценки и визуализации, глубокий клинический ИИ может повысить эффективность считывания и производительность, а также уменьшить вариабельность между считывающими устройствами и предложить поддержку на уровне нейрорадиологии в системах, перегруженных персоналом. нехватка или отсутствие доступа к более специализированным и опытным читателям. В конечном итоге это помогает предоставить каждому пациенту – независимо от точки входа в систему здравоохранения – более справедливый доступ к медицинской помощи экспертного уровня.

Дэвид Стоффел, доктор медицинских наук, RapidAI.

 

Инструменты ИИ также должны устранять трения в системе, а не создавать ненужные шаги или дополнительную работу. Для этого эффективные инструменты глубокого искусственного интеллекта должны быть легко интегрированы в рабочий процесс рентгенологов, эффективно представляя данные в контексте их существующей практики оказания медицинской помощи. Это означает интеграцию с PACS, выделение наиболее срочных и высокоприоритетных случаев и согласование с рабочими процессами рентгенологов, не вызывая сбоев или не требуя изменений в методах их работы.

Кроме того, чтобы ИИ полностью выполнил свои эксплуатационные обещания, он должен не только решать проблемы радиологов, но и быть в состоянии поддерживать междисциплинарное сотрудничество, общение и групповое принятие решений с другими членами команды клинической помощи. Врачи скорой помощи, интервенционные неврологи, координаторы по инсульту и другие специалисты должны иметь возможность одновременного доступа к этим данным, чтобы обеспечить распространение информации по всей организации или централизованной сети, ускорить принятие решений, уменьшить выгорание врачей и обеспечить эффективное и эффективная координация ухода.

Наконец, инструменты ИИ — это программы, и ими необходимо управлять соответствующим образом. Это означает возможность получать оперативные данные в режиме реального времени о ключевых показателях, производительности и влиянии. Это позволяет больницам корректировать и оптимизировать работу в режиме реального времени.

С другой стороны, для поддержки всех этих действий ИТ-платформа должна быть надежной. Хотя сами ИТ-системы должны быть достаточно гибкими, чтобы поддерживать растущий спрос на новые передовые технологии, эффективные инструменты искусственного интеллекта также должны без сбоев интегрироваться в ИТ-инфраструктуры больниц. Облегчая трудовые проблемы, повышая точность диагностики и способствуя лучшей координации медицинской помощи, глубокий клинический ИИ, который выходит за рамки стандартной сортировки, может оказаться чрезвычайно ценным для радиологов, помочь уменьшить трения в системе здравоохранения и обеспечить по-настоящему клиническую медицину. операционная и финансовая ценность для отдельных больниц или целых сетей оказания медицинской помощи.

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.