diagnosticimaging.com来源高璇编译

最权威北美放射学会年会回顾:AI的进化与下一个前沿

人工智能在成像领域的前景必须为终端用户带来时间节省、资源优化、精度增益和感知增益(接近精准健康方法)。前两个是指生产力方面,而后两个是指质量方面。人工智能在成像领域的脚步不会停留在这里——它已经帮助重建新型行业。下一个前沿领域将是改善患者的生活并帮助放射科医生以更有效的方式实现他们的行业价值——从图像分析、工作流程应用,到后来的智能医学成像机。

全球最权威的放射学会议——北美放射学会(RSNA)年会于 11 月 25 日至 11 月 30 日举行。作为每年医学领域的盛会之一,本次 RSNA 集中了全球最领先的医疗机构及先进技术,也代表着这一领域未来的发展方向。

随着深度神经网络在诊断成像领域不断取得重大突破,人工智能也成为本次 RSNA 关键词之一。据统计,去年的 RSNA 有 49 家参展商是机器学习公司,其中 22 家是首次参展。今年数字增加了一倍多,达到 104 个,其中 25 家首次参展。从展位到会议,再到大厅周围的一对一对话,几乎每家公司都乐于谈论他们在该领域的进步将如何帮助放射科医生和患者。

虽然许多技术仍处于开发或审批阶段,我们确实也看到了不少开箱即用的工具,这项技术也正在放射科医生工作方式和流程发生新的变化,拒绝与之合作的放射科医生将会被淘汰。

AI 被用于最重要的临床步骤——成像分析

近日,市场调查机构 Frost&Sullivan 指出,在 114 家活跃于医学成像领域的 AI 创业公司中,绝大多数都是针对医学成像的图像分析。识别和分析图像中的特定特征是放射科医师工作的关键,由于他们的研究结果皆基于此分析,因此它构成了成像工作流程中最重要的临床步骤。在整个医疗健康领域,初创公司鱼龙混杂,但主要还是集中在医疗成像 AI 领域的图像分析。其中,计算机断层扫描和核磁共振成像领域的应用最为人关注。

比如在核磁共振成像领域,三星利用人工智能技术,开发了一种可以显示膝盖软骨厚度等信息的新软件,为膝盖关节炎患者提供患处图像。不过,展示的是产品原型,据报道该软件也不会出售。

另外,数字 X 射线,乳房 X 线照相术(包括 3D 断层合成),眼底成像(眼睛),超声图和心电图等领域的人工智能应用也颇受关注。尽管目前大多数成像设备供应商尚未涉及这一领域,但西门公司医疗部今年在 RSNA 上首次推出了 AI-Rad Companion Chest CT,这项技术利用了共计 3.25 亿的带标注图像,用于训练 AI 算法。该智能软件助手可以获取 CT 图像并显示胸廓结构,标记其中潜在的异常情况,最后将测量结果包括对心脏、主动脉、肺和冠状动脉的诊断一同放入报告中。

通用电气医疗集团推出了 Edison 平台,该平台汇集了现有合作伙伴的所有 AI 算法。三星也展示了自己在这些领域的进展。比如,基于 AI 技术的超声系统 S-Detect,软件通过超声图像进行乳腺病变分析,进而监控女性健康。据介绍,该技术可以使任职经验达 4 年或更短时间的临床医生的诊断精准度从 0.83 提升到 0.87。目前,该软件已应用于三星专有的放射学超声系统。再比如,三星基于数字 x 线摄影的 AI 软件 SimGrid,可清晰地显示出胸部 X 光片中被骨遮挡的肺组织。

在应用广度方面,与会人士表示相比去年 RSNA,今年 AI 成像技术在应用上明显更加全面,不只局限于肺结节检测,在心脑类疾病检测中也大放异彩。

AI 被用于认知性工作流程,提升处理速度

RSNA 各论坛的许多放射科医师都表达了对摆脱简单病例、在复杂病例上花费更多时间的兴趣。除了图像分析,成像工作流程中还有其他几个步骤也可以利用 AI,比如从定序到报告(reporting),都可以开发相应的 AI 解决方案。事实上,大多数创新也都与简化工作流程相关,比如提升简单任务自动化,加快处理速度。

比如,用于分类、工作列表分配和工作流程编排的 AI 应用程序。Aidoc(以色列)、Zebra Medical Vision(以色列)、vRad 和 GE Healthcare 等公司展示了这些方面的最新进展。Aidoc 将专有的 AI 用于每年透过电脑断层扫描生成的数百万张图像,可以在人类放射科医生审视结果之前,抓出重要问题,投放到屏幕上显示警报。目前,Aidoc 已经经过美国和欧洲的批准,可用于评估脑出血和脊柱骨折的扫描结构。

另一个较为先进的领域是决策支持,用于决定临床治疗的下一步骤,代表性的例子包括 GEhealthcare 的 Imaging Related Clinical Context、Philips 的 IntelliSpace Oncology 和 Nuance 的 PowerScribe 360 Clinical Guidance。

比如,Nuance PowerScribe One 能将医生听写即时转换为相关、有条理的结果,不仅仅是医生说的话,更包含了患者临床状况信息。也就是说,它不仅仅是一个支持语音的文本报告创建工具,它也正在成为一个集成平台,使放射科医生能够更快速轻松地获取、共享和处理患者的重要信息。而 GE IntelliSpace Oncology(癌症)云计算精准医学平台能为医生提供临床决策支持。

在无法深入了解所有其他步骤细节的情况下,有两个工作流程——定序(ordering)和流程调度(scheduling) 仍然可以从 AI 技术中受益。为医生提供决策支持的公司最适合在定序阶段充分这类解决方案,而调度解决方案可通过改善流程调度(比如取消)来优化利用率。人工智能在这一领域有极大的发展空间,能够确保工作流程更加高效,并以前所未有的方式辅助放射科医师工作。

成像设备的更加智能化

设备制造商为使成像设备更加智能化,正准备将 AI 引入扫描仪或周边设备。

例如,佳能首次推出高级智能 Clear-IQ 引擎(AICE)图像重建解决方案,该方案使用人工智能从低辐射剂量、低质量图像中获取高质量图像。西门子医疗公司已经拥有 FAST 3D 相机,可以有助于患者的病灶成像,无需更高的剂量,提高图像质量,防止重复扫描。

除了这些案例外,还有其他领域。比如,设备具备「自我意识」,让设备进行「自我诊断」其组件是否良好。这些功能可能是 AI 与成像设备发展的未来,它们让机器实现真正的智能化。

打造商业案例

技术进步固然可贵,但只有被市场理解和接受才能真正改变我们的生活。放射工作流程中的工作人员——技术人员、放射科医师、管理人员、医院管理人员甚至病人——都有不同的需求,这些都可由 AI 解决。

例如,时间密集型任务的自动化可以帮助提高生产力,AI 支持的图像分析可以帮助提高准确性,患者护理流程的可预测性和个性化可以帮助改善结果等。

商业规模的开发,验证和部署这些解决方案都需要从生态角度出发,因为几个合作关系与协议会让这些工作变成一个复杂的生态问题。目前,最接近终端用户的商业案例包括,从提供医院在一个平台上访问多个供应商 AI 解决方案的在线市场的开发,到设备制造商将解决方案与供应商的解决方案集成。

不过,在「后台」也有一些其他进展。例如与云计算方法供应商合作的技术巨头,为设备制造商提供提高计算能力的解决方案的计算硬件制造商,继续构建新的 AI 算法并推出初创公司的学术机构。

最终,AI 应改善病患护理

AI 不应仅仅是帮助放射科医生管理病例或更快地进行诊断,最终应该改善患者护理。这是本次会议和其他会议上放射科医生的共识。

比如,有专家指出能否有一个以患者为中心的应用程序。它是一个从语音到文本的软件,可以自动将复杂的医学术语翻译成患者可读的报告。虽然其他专家表示,这种类型的技术开发起来非常困难(如果不是不可能的话),但它表明放射科医师和供应商都对患者问题也感兴趣。

农村地区和发展中国家的专家对人工智能的影响前景也特别感兴趣。人们的共识似乎是设备,特别是价格较低的系统,能比合格的医护人员更快地普及开来。

AI 与放射科医生:协助与增强,但不予合作的会被淘汰

现在人工智能成像的理念基本尘埃落定——这个理念曾风靡整个行业。放射科医生提出的问题已经从「它会取代我吗?」变成「它能帮助我吗?」——确实如此。

在展会现场,参展商很快指出,任何目前可用的人工智能技术,以及任何近期的技术,都不是要取代放射科医师,而是要提高放射科医师的能力。

到目前为止,没有任何东西可以绕过放射科医生的眼睛。相反,展会上展出的大部分产品 :从 GE Edison 到三星、再到 Fujifilm 的 REiLI,提供了深入学习以帮助分类案例。通过这些程序,计算机可以检测到任何异常,然后告知放射科医师。

即使程序可以发展到计算机可以完全绕过人眼,专家说,它仍然可能不会影响该领域。心脏病学就是一个例子,虽然心电图可以被计算机读取,但是,责任问题导致心脏病学家在阅读和解释它们方面仍然发挥着重要作用。其他专家也回应了同样的担忧,他们问道:「哪家公司将成为第一个承担房间内无放射科医生风险的公司?」

几乎每个专家都同意,放射科医师至少需要在设计和确认(confirm)任何人工智能方面发挥作用。

总之,关于 AI 技术的投资形势好——Frost & Sullivan 估计,到目前为止,全球已经为这项技术的开发投资了 37 亿美元(截至 2018 年 9 月启动资金为 19 亿美元),而且未来会有更多的 AI 初创企业获得融资。

然而,人工智能在成像领域的前景必须为终端用户带来时间节省、资源优化、精度增益和感知增益(接近精准健康方法)。前两个是指生产力方面,而后两个是指质量方面。最初承诺的资源节约体现在生产力方面,而质量上的节约可能需要很长时间才能实现,这也归因于缺乏适当的度量标准来衡量结果和由此产生的质量节省,从生产力的角度来看,这更易度量。

人工智能在成像领域的脚步不会停留在这里——它已经帮助重建新型行业。下一个前沿领域将是改善患者的生活并帮助放射科医生以更有效的方式实现他们的行业价值——从图像分析、工作流程应用,到后来的智能医学成像机。

原文链接:
http://www.diagnosticimaging.com/automation/how-ai-evolving-diagnostic-imaging

产业神经网络医学成像医疗
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

图像重建技术

通过物体外部测量的数据,经数字处理获得三维物体的形状信息的技术。图像重建技术开始是在放射医疗设备中应用,显示人体各部分的图像,即计算机断层摄影技术,简称CT技术,后逐渐在许多领域获得应用。主要有投影重建、明暗恢复形状、立体视觉重建和激光测距重建。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

推荐文章
暂无评论
暂无评论~