Завершая репортаж о конференции #RSNA2023 в Чикаго, крупнейшем радиологическом конгрессе в мире, мы хотели бы поделиться размышлениями о наиболее распространенных темах в области искусственного интеллекта для радиологии. Мы видим, как #LLM открывают новые возможности, разговоры все больше смещаются к реальной ценности и практическому внедрению, а также к ожиданиям более широкого воздействия, выходящего за рамки узкой диагностической поддержки.  

Влияние GenAI расширяет возможности ИИ  

Благодаря успеху ChatGPT технологии генеративного искусственного интеллекта (#GenAI), особенно модели больших языков (LLM), стали доминировать в дискуссиях об искусственном интеллекте во всей отрасли. То же самое относится и к искусственному интеллекту в радиологии, поэтому влияние новых технологий GenAI было ощутимо почти на каждой встрече в RSNA.   

Прежде всего, GenAI значительно расширил интерес и ожидания к ИИ в радиологическом сообществе. Если в предыдущие годы основной движущей силой появления новых продуктов и компаний были инструменты анализа и обработки изображений, то в 2023 году дискуссии о будущих возможностях сосредоточились вокруг возможностей LLM. Это включало в себя ожидания по оптимизации рабочих процессов, таких как автоматическое создание отчетов, что могло бы значительно упростить интеграцию результатов, полученных с помощью ИИ, с оценками рентгенологов.  

Кроме того, что касается приоритетности учреждений здравоохранения, влияние LLM заметно. Общая тенденция проникновения ИИ во все аспекты бизнеса и тот факт, что многие лица, принимающие решения, теперь имеют собственный опыт впечатляющих результатов ИИ, похоже, открывают путь для дискуссий об ИИ на уровне C в медицинских учреждениях.  

Между прочим, анонсы базовых моделей, то есть общих моделей, фундаментально характеризующих методы визуализации и связывающих их с текстовыми представлениями, такими как отчеты о радиологии, вероятно, были самыми влиятельными новостями в этом году. Нам придется подождать практического применения этих моделей фундамента. Тем не менее, они представляют собой переход от узкого подхода, ориентированного на отдельные результаты, к более общей позиции в отношении чтения с помощью ИИ. 

Реальная ценность ИИ все чаще оказывается в центре внимания   

В то время как области применения ИИ расширяются, ожидания лиц, принимающих решения в сфере здравоохранения, в отношении рентабельности инвестиций (ROI) растут. Однако по мере накопления опыта использования ИИ конкретных доказательств доказанной клинической или коммерческой ценности остается мало. Пути возмещения были установлены только для отдельных решений, а создание обобщенных экономических оценок здравоохранения по-прежнему остается сложной задачей.   

Обычно поставщики взаимодействуют с поставщиками в каждом конкретном случае для расчета рентабельности инвестиций, а совершенно разные механизмы создания стоимости для центров визуализации и больниц требуют от поставщиков тонкого подхода. Уделение особого внимания демонстрации бизнес-ценности клиентов — это очевидная возможность для поставщиков ИИ выделиться среди конкурентов. Это требует дальнейшего отхода от мышления, ориентированного на технологии, к целостному пониманию контекста рабочих процессов пользователей и финансовых механизмов закупочных предприятий.  

Вопреки предыдущему обсуждению того, что ИИ потенциально может заменить рентгенологов, одной из наиболее актуальных проблем в профессии по-прежнему остается нехватка кадров и выгорание рентгенологов. Решения, направленные на обеспечение доступа к медицинской помощи, снижение рабочей нагрузки или уменьшение стресса на выполняемой работе, имеют хорошие шансы привлечь внимание лиц, принимающих решения.  

Стоимость и практичность развертывания также привлекли больше внимания. Действительно, широкое внедрение искусственного интеллекта в радиологии еще не достигнуто ни в Европе (где некоторые страны, такие как Нидерланды и Франция, находятся на переднем крае), ни в США, но по мере того, как использование растет, сейчас говорят об эффективном использовании ИИ. ИИ.   

Платформенная игра – увеличение количества моделей развертывания

Как и в предыдущие годы, многие дискуссии касались каналов доставки. Еще неизвестно, каким будет доминирующий путь доступа к функциям ИИ: специализированные платформы доставки ИИ, такие как Calantic / Blackford Analysis , INCEPTO , deepc , CARPL — Radiology AI Platform или Eureka Clinical AI | Ранее известный как EnvoyAI ; устаревшие поставщики ИТ, такие как компании PACS и Enterprise Imaging; или ведущие поставщики ИИ с более обширной клиентской базой и значительным финансированием, такие как Aidoc или Viz.ai , которые дополняют свои портфели приложений за счет партнерства с другими поставщиками ИИ.   

Постоянной темой во многих презентациях, а также выступлениях различных поставщиков на выставочной площадке была проверка и мониторинг решений. Будь то требования послепродажного надзора, влияние выбора устройства или параметров на эффективность инструментов или изменения в когортах пациентов, необходимость оценки инструментов на основе данных поставщиков и постоянного мониторинга производительности теперь кажется само собой разумеющейся. . Однако это добавляет еще один уровень сложности к обычному внедрению ИИ, с которым поставщики, работающие с клиентами, должны справиться. 

Фокус смещается от узких диагностических инструментов к решениям клинических путей  

С самых разных точек зрения мы заметили тенденцию к более широкой поддержке ИИ клинических направлений. Мы уже рассказали об ожиданиях более широкой поддержки радиологического рабочего процесса через LLM, но также с точки зрения клинических методов ведения и ухода за пациентами роль решений искусственного интеллекта расширяется. Вместо того, чтобы рассматривать ИИ как продукт сам по себе, ИИ все чаще воспринимается как средство, способствующее улучшению оказания медицинской помощи.   

Это изменение восприятия отражено, например, в скрининге рака молочной железы, где стало ясно, что поставщики не могут просто предоставить «лучшее решение CAD», а должны продемонстрировать конкретную реализацию в реальных условиях скрининга (для разных стран или даже для разных групп риска), в которых их инструменты окажутся ощутимыми. Поэтому предложения поставщиков, скорее всего, перейдут от функций второго считывателя к решениям для управления скринингом на основе искусственного интеллекта.  

В целом, варианты использования, в которых ИИ может влиять на путь пациента или стоимость или качество систем здравоохранения, например, сокращая продолжительность пребывания или обеспечивая соответствующие процедуры, могут принести гораздо большую финансовую выгоду. Это также включает в себя преодоление ведомственной разрозненности между радиологией и другими клиническими дисциплинами, такими как онкология, для создания интегрированного представления о пациенте на основе данных. Такие решения, ориентированные на заболевание или пациента, обладают огромным потенциалом для клинической помощи, хотя, безусловно, остаются сложные проблемы. Такие компании, как Tempus, находятся в авангарде этих перемен. 

Яркий взгляд на индустрию искусственного интеллекта с высоты птичьего полета  

Картина сложная в отношении общего состояния сферы ИИ в радиологии, особенно стартапов. Ожидания консолидации на рынке были широко распространены в течение многих лет, но реальную динамику рынка показали лишь несколько недавних сделок. Таким образом, на выставке искусственного интеллекта снова присутствовало огромное количество компаний, конкурирующих за внимание. Хотя некоторые крупные поставщики заметно уменьшили размеры своих стендов, а несколько компаний вообще прекратили свое присутствие, в целом площадь сектора искусственного интеллекта в зале по-прежнему значительно превышала отведенную для него площадь.   

Ситуация с финансированием технологий в целом остается сложной, особенно для небольших стартапов, и некоторые из наших разговоров показывают, что рынок, похоже, разделяется между хорошо финансируемыми мировыми лидерами и более мелкими поставщиками, которые теперь смещают свое внимание в сторону краткосрочной прибыльности, намекая при потенциальном сосуществовании и возможной консолидации.  

Такой сдвиг в сторону прибыльности может означать сосредоточение внимания на конкретных механизмах финансирования на внутренних рынках поставщиков, сокращение объемов продаж при партнерстве с компаниями, обеспечивающими доступ клиентов, или обращение к механизмам получения дохода за пределами сферы диагностической радиологии. 

В заключение RSNA 2023 представила всеобъемлющую картину развития ИИ в радиологии, отмеченного развивающейся отраслью, разнообразными моделями доставки и в целом оптимистичным взглядом на будущее, возрожденным обещаниями LLM и GenAI.   

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