在過去的幾年中，人工智能(AI)代表了放射技術的最新，發(fā)展最快的領域。在所有主要的專業(yè)協(xié)會會議上，博覽會的地板上到處都有供應商展示他們已經開發(fā)或集成到產品中的AI工具，這被稱為效率和節(jié)省時間的輔助手段，可幫助緩解越來越多地被大量數(shù)據困擾的放射科醫(yī)生的工作量。

盡管有希望和潛力，但是在放射學中AI的廣泛臨床應用尚未發(fā)生。早期采用者正在為采用提供潛在的途徑，供應商和臨床醫(yī)生將繼續(xù)合作以確保AI確實在完成放射科醫(yī)生需要它做的事情。

實施的障礙

放射學和AI領域的眾多主要意見領袖認為，AI當前面臨著廣泛采用的一些主要障礙。

專為特定應用而設計的大量算法。

許多具有臨床應用的AI算法旨在幫助放射科醫(yī)生做一件非常特殊的事情-估計手部X射線的骨齡，預測哪些患者可能患阿爾茨海默氏病，并評估在乳房X線照片上檢測到的病灶的確定性癌變，無數(shù)。雖然這些都是有用的應用程序，并可以節(jié)省放射科醫(yī)生的時間和精力在那個特定的任務，它可以是難以判斷是否需要購買一個工具，只有一個特定的使用費用。

“如果您需要為最佳的骨骼年齡，最佳的氣胸而另辟algorithm徑，那就太過分了，”放射學合作伙伴臨床運營副總裁醫(yī)學博士Samir S. Shah說。“當我們確實使用插件時，如果必須返回到服務器并花費12分鐘才能返回，那將花費太多時間。”

無法訪問足夠的數(shù)據來訓練算法。

AI公司HOPPR的創(chuàng)始人兼首席執(zhí)行官Khan Siddiqui醫(yī)師認為，當前許多AI算法的利基焦點是由于缺乏訓練更大算法所需的海量數(shù)據集。早期的AI開發(fā)人員專注于大量免費提供的數(shù)據，以幫助一次解決一個問題。西迪基說：“但這不是我們的做法。”“除非您是高級學術機構中高度專業(yè)的放射科醫(yī)生，否則您只會看到一種掃描，而這不是大多數(shù)放射科醫(yī)生的工作方式。”

當前許多AI算法不容易適應現(xiàn)有放射學工作流程。

最終，由于可用的算法如此之多，并且沒有足夠的數(shù)據來訓練可能更廣泛使用的算法，因此當今的放射科醫(yī)生經常會留下難以輕易適應其現(xiàn)有工作流程的AI算法。這通常迫使提供者采取零星的方法來構建應用程序庫。即使他們只對一種算法感興趣，也無法保證它將無縫集成到他們的工作流程中。

使AI和PACS一起工作

在大多數(shù)放射科和實踐中，工作流程貫穿圖片存檔和通信系統(tǒng)(PACS)，因為這里保存著所有成像數(shù)據和相關報告。所有圖像查看，報告和共享都是通過PACS完成的，每個供應商的PACS具有不同的功能。當今的許多人工智能算法都是獨立于特定的PACS進行開發(fā)的，這使得很難提供適用于所有人的AI解決方案。

“如果我們回顧將高級工具引入放射學的歷史，我們并沒有看到很好的采用方法。直到他們直接并入觀眾等之后，他們才開始使用。”放射學合作伙伴，神經放射學家，矩陣放射學影像信息學總監(jiān)R. Kent Hutson醫(yī)師說。赫特森(Hutson)是最近一次網絡研討會的小組成員之一，該會議突破了將AI成功轉化為臨床放射學的瓶頸。“您不能嫁接額外的插件，并期望放射科醫(yī)生使用這些[插件]。”

Shah補充說：“您必須將產品修改為所有現(xiàn)有的PACS系統(tǒng)，因為我們現(xiàn)在正在處理使用其他任何配置都無法配置的PACS的主要衛(wèi)生系統(tǒng)。”戰(zhàn)略。

此類伙伴關系也可能需要PACS供應商進行修改，目的是在所有產品之間創(chuàng)建簡單，統(tǒng)一的界面。“隨著向VNA(供應商中立檔案庫)的發(fā)展，我認為這為更好的圖像查看器用戶體驗提供了機會。目前的軟件還不足以與我們建議的工具很好地集成。” Hutson說。