人工智能可以用于改革医学成像，但利益相关者如何将这项技术从研究转化为临床实践呢?
研究表明，人工智能能在多个层面影响医学成像领域。从检测肺癌以及放射科通过肾活检预测肾功能，机器学习和深度学习算法已经证明了它们在改善影像学诊断和患者护理方面的潜力。
然而，人工智能的前景也伴随着挑战。使用该技术可能产生意想不到的后果，包括病人安全问题、工作流程混乱和无意识偏差。
在2018年的研讨会上，美国国立卫生研究院（NIH），北美放射学会（RSNA）和放射学与生物医学成像研究院讨论了在医学成像中推进AI使用所需的步骤。5月底，在美国放射学学会期刊上发表的一份新报告中，该小组描述了将人工智能纳入日常护理的首要任务。
报告称:“与其他从最初的研究转化为广泛临床实践的新技术一样，我们需要认识到，将人工智能应用到临床治疗将面临着全新的挑战。”
“了解这些新挑战的本质、潜在的缓解策略，以及精心构思的研究路线图，确保人工智能算法的开发能有效地转化为临床实践，这些都是至关重要的。”
医疗行业如何加快人工智能在医学成像中的应用，并将这些算法从研究转化为日常临床护理?
开发标准化使用用例
该组织表示，迄今为止，人工智能在医学成像方面的用例与现有已应用的可比较的算法相比缺乏标准的输入和输出。由于算法可能需要运行在本地服务器或云服务中，因此需要制定一种标准的方法来接受算法处理的输入和输出。
而且，如果没有制定出针对人工智能用例的标准化输入和输出，培训和测试开发标准数据集就会变得更具挑战性，最终输出的算法会造成同一个病例会显示不同的结果。
“理想情况下，人工智能用例需要使用一种相同的格式来开发，这种格式可以将人类对算法应该做什么的叙述描述转换为机器可读语言，比如使用定义明确的数据元素的可扩展标记语言或JavaScript对象表示法。”
该组织表示，结构化用例可以帮助人工智能算法在准备投入临床使用之前创建验证标准，而医学成像领域的应用可以帮助其实现标准。
“医学影像中的医学专业、学术机构和放射科医生会对人工智能发展产生积极影响,他们都需要参与到这些结构化的开发用例创建通用标准和结构以及建立特定的人工智能用例中。这些案例可以帮助人工智能算法建立相同的定义和开发可实践的临床治疗的方法。”该报告称。
建立数据共享方法
为了开发高性能的人工智能算法，模型将需要对包含适当注释或丰富元数据的高质量数据集进行学习。尽管围绕这个主题开展了很多创新，但该组织表示，这些创新主要发生在数据丰富的组织，这些问题可能会限制信息的广泛可用性。
隐私问题将会限制类似机构公开患者数据，而这些情况将阻碍人工智能的发展。
报告称:“加快公开可用数据集的发布，以及帮助人工智能能更快地被应用于临床实践中，并保证在使用患者数据的同时还能保证数据的安全性的同时还能获得更多样化的数据至关重要。”
评估临床实践和基础设施需求
报告指出，目前缺乏将人工智能算法的结果展示在临床工作流程的用户界面，这限制了人工智能模型在临床的广泛应用。IT开发人员将需要创建一个高效的用户界面和用户体验设计，以便人工智能能与现有的临床工作流工具集成，以加速人工智能的使用。
此外，开发人员需要为健康IT系统之间的通信建立与供应商无关的互操作性标准。
“理解基础设施的需求，包括定性和定量分析人工智能将如何在临床实践中的部署无论是本地的还是基于云服务的将是数千种人工智能算法能在实际临床实践中使用的关键。”
“医学影像界必须参与评估临床实践和基础设施需求，并与美国国家科学基金会和NIH Connected Health Initiative等现有标准机构合作，寻找有助于在临床实践中采用人工智能的解决方案。”
确保技术安全准确
该组织表示，医疗领域的利益相关者应该与IT开发人员、政府机构和公众组织合作以确保人工智能算法的精准、减少无意识偏见和保障患者的安全。要做到这一点，利益相关者需要使用包含人口统计学和技术多样性的数据集来验证人工智能算法。FDA等联邦机构将需要在验证人工智能模型以确保患者安全方面发挥关键作用。
报告称:“FDA监管着一系列广泛的医疗成像设备、计算机辅助诊断软件和其他算法，为医疗从业者提供决策支持。”
“该机构很早就认识到整个卫生保健领域数字化将会迅速增长，以及监管能够检测和分类疾病过程的计算机软件的重要性，自2012年以来，该机构一直在发布软件计算机辅助检测和计算机辅助诊断的监管指导。”
医学成像领域的临床医生将是推动跨行业合作向前发展的关键。
“为人工智能算法的验证和监控创建模型，并将无意识偏见最小化，将需要研究人员、行业开发人员和政府机构之间的合作。医学影像界应在促进这些合作方面发挥主导作用。
尽管有很多障碍需要克服，但人工智能在医学成像中的应用前景广阔。在未来，行业利益相关者将需要共同努力，确保技术是安全、有效和高效的。
“人工智能在改善诊断和基于图像诊断方面的应用前景广阔。这里总结的机遇和挑战可以作为未来发展的路标和路线图。
原文作者： Jessica Kent
原文链接：https://healthitanalytics.com/news/top-4-ways-to-advance-artificial-intelligence-in-medical-imaging
更多精彩，敬请关注硅谷洞察官方网站（http://www.svinsight.com）
