![人工智能,又称深度学习和机器学习,是2018年北美放射学会(RSNA)会议上最热门的话题。](http://www.alohadebbie.com/sites/default/files/field/image/Machine_Learning_showcase_AI_artificial%20intelligence_Deep_learning_RSNA18%20Staff_DF.jpg)
人工智能是2018年北美放射学会(RSNA)会议上最热门的话题,会议还为人工智能供应商留出了大片区域和自己的演示剧场。
毫无疑问,过去两年放射学中最热门的话题是实施人工智能(AI)以及如何将其整合到医学影像中。随着产品现在开始获得美国食品和药物管理局(FDA)的市场许可,这个潜在的技术革命的下一个问题是如何准确地将大量供应商的大量新软件应用程序集成到日常实践中。
大多数新的人工智能软件来自小型初创公司,FDA批准的每一款软件都包含一个非常具体的医学成像诊断审查。放射学专家已经开始质疑,如果人工智能技术需要数百份合同,并将大量不同的软件程序集成到医院或企业成像系统PACS中,它将如何可行。他们表示,对于法律审查、合同和医院IT部门来说,需要与大量小公司处理AI拼图的各个部分,将是一场噩梦。
在2018年的北美放射学会(RSNA)会上,约150家公司展示了某种程度上集成了人工智能或深度学习的技术。许多人都集中在具体问题上机器学习展区.然而,这些供应商中只有一小部分拥有FDA批准的项目。但是,这种情况正在迅速改变,医疗成像的新AI应用数量预计将在未来几年出现爆炸性增长。虽然这些技术可以立即区分出血性和缺血性中风,或在床边x光检查中识别气胸,从而改善预后,但市场上对于来自众多供应商的这项技术如何合理地实施仍有保留意见。
AI应用商店的创建
从苹果的App Store中吸取教训,大型医疗保健IT供应商开始与小公司合作,通过基于web的AI应用商店平台提供自制和第三方应用程序的组合。合作公司需要满足与主要供应商的产品相匹配的兼容性和接口需求,以允许即插即用。该模型允许单一地点的医院和供应商购买提供公共IT接口的AI软件。
这些平台的元素在2017年初开始出现,随着Siemen的数字生态系统.该平台提供西门子及其合作IT公司的在线应用程序菜单,包括一些提供人工智能技术的应用程序。在2018年的RSNA上,许多公司宣布创建或扩展AI应用程序商店的功能。例子包括TeraRecon特使人工智能的人工智能应用商店Blackford,容貌Sectra和IBM Watson。
IBM华生在2018年RSNA上宣布,它开始与各种人工智能供应商合作,在其新的人工智能市场上提供他们的产品。这是一个有趣的发现,因为IBM沃森之前被认为是医疗人工智能领域的500磅大猩猩。该公司最初计划在医疗保健领域推出一系列自己内部开发的人工智能解决方案。然而,该公司面临挫折,如MD Anderson终止了在癌症成像AI方面的合作,以及在许多小型初创公司开始获得FDA对AI临床评审产品的批准时,AI产品商业化进展缓慢。在RSNA的展位展示中,全球战略和业务发展副总裁Steve Tolle承认,一个单一的供应商还不能满足AI领域所有人的需求。他表示,为了成为日益增长的人工智能市场的主要参与者,该公司需要与合作伙伴合作,提供使用各种人工智能应用程序的途径。
Tolle表示,IBM沃森的AI市场将提供标准化的应用程序编程接口(API),用于构建或集成第三方软件,并通过IBM Cloud提供可用性。
通用电气医疗在RSNA公布了它的爱迪生的平台该计划旨在帮助加速新技术的开发和采用,特别是人工智能。通用电气的临床合作伙伴将使用新品牌的平台开发算法,并加快数据处理向爱迪生应用程序和智能设备发展的进程。
人工智能在医学影像领域的应用在哪里?
人工智能的实施主要体现在四个方面:
1.计算机辅助诊断
2.临床决策支持
3.定量分析工具
4.计算机辅助检测
自动化量化工具正在进入成熟和市场接受的水平,AI可以通过成像检查和自动填充领域进行测量,或执行以前手工和耗时的计算。然而,人工智能驱动的自动量化工具的新领域包括放射组学、成像生物标志物和虚拟活检。
人工智能驱动的定量分析工具也被用于部门和医院业务管理的数据分析软件。人工智能软件可以挖掘连接的电子医疗记录、计费系统、病人安排,甚至是单个扫描设备,而不是运行Crystal报告或手动制表数据点这种古老而繁琐的过程。这些数据可以被挖掘出来,从特定技术人员或机器在特定检查方案中使用的x射线剂量,到预测分析软件,可以确定在放射科需要安排额外员工的时候,哪些日子和时间会出现备份。
计算机辅助诊断和临床决策支持等较新的人工智能领域最近才引入市场,可能需要几年时间才能被广泛使用。AI图像诊断软件开发和商业化的主要领域是中风或其他关键疾病的关键发现。其他领域包括识别偶然发现和工具,以减少审查复杂检查所需的时间,或帮助对需要额外或更即时护理的患者进行自动分诊。
计算机辅助检测已经存在多年,但随着机器学习算法的加入,该领域的专家称新一代人工智能支持的软件为“有效的CAD”,因为它的误报率要低得多。
验证人工智能需要大量数据
人工智能领域的一个大问题,尤其是在诊断算法方面,是如何进行验证的。训练深度学习软件需要大量的去识别数据。在2018年的RSNA上,飞利浦医疗公布了其IntelliSpace Discovery 3.0平台以帮助促进所需的人工智能训练数据。它是一个高级的可视化和分析平台,专为支持成像研究而设计,是IntelliSpace企业版的扩展版本,包括飞利浦的PerformanceBridge。数十家机构的提供者已经在使用Discovery 3.0版本来准备患者数据,以训练和验证深度学习算法。
读这篇文章为放射学选择人工智能市场:医疗保健提供商的关键考虑因素。
比较美国市场上的放射学AI软件
本文最初作为人工智能软件比较图的图表介绍发表在ITN的1 / 2月刊上。图表可以在这里查看。这需要登录,但可以免费创建。
相关人工智能内容:
视频:RSNA关于人工智能的赛后报告- ITN编辑Dave Fornell和Greg Freiherr讨论他们在2018年RSNA上看到的人工智能趋势
视频:RSNA主席维贾伊·拉奥表示人工智能是放射学领域最热门的技术进步
视频:编辑选择的2018年RSNA最具创新性的新人工智能技术
视频:人工智能、分析和信息学:未来在这里——采访RSNA 2017主题发言人Michael Recht医学博士