放射科醫(yī)生要實(shí)現(xiàn)AI的全部潛力需要做三件事

預(yù)計(jì)AI對(duì)放射學(xué)的影響可能會(huì)超過(guò)其他任何醫(yī)學(xué)專業(yè)。但是，在醫(yī)療保健領(lǐng)域，一無(wú)所獲。

發(fā)表在《加拿大放射學(xué)家協(xié)會(huì)雜志》上的一項(xiàng)新分析的作者探索了加拿大在AI技術(shù)研發(fā)中的地位，以及確保放射學(xué)家不要浪費(fèi)改變游戲規(guī)則的機(jī)會(huì)所必需的。

“擁有受過(guò)良好教育的人口和多樣化的醫(yī)療服務(wù)，加拿大處于醫(yī)療成像相關(guān)AI研究和實(shí)施的領(lǐng)導(dǎo)者的有利位置，”醫(yī)學(xué)博士Christian B. van der Pol和醫(yī)學(xué)博士Michael N. Patlas寫(xiě)道，加拿大安大略省麥克馬斯特大學(xué)。“但是，放射學(xué)中人工智能的全部潛力的實(shí)現(xiàn)將取決于在幾個(gè)方面的進(jìn)展。”

作者認(rèn)為，在充分利用AI的無(wú)限潛力方面，這是三個(gè)關(guān)鍵領(lǐng)域：

1.綜合醫(yī)療數(shù)據(jù)存儲(chǔ)庫(kù)

作者寫(xiě)道：“需要圖像和其他臨床信息的標(biāo)簽齊全的大數(shù)據(jù)集。”“盡管有匿名圖像數(shù)據(jù)集可供公眾使用，但器官和病理學(xué)通常尚未細(xì)分，相關(guān)的臨床數(shù)據(jù)通常也不可用。”

像人類醫(yī)生一樣，AI模型在做出診斷時(shí)必須考慮大量的患者數(shù)據(jù)。提供的信息越多，算法就越準(zhǔn)確。

2.受保護(hù)的患者隱私

在數(shù)據(jù)集開(kāi)發(fā)的每個(gè)步驟中，刪除個(gè)人健康信息應(yīng)是頭等大事。為此，將需要“定制的解決方案，以解決每個(gè)中心的數(shù)據(jù)存儲(chǔ)的細(xì)微差別”，從而以一致，可靠的方式為每個(gè)參與人員使用。

作者補(bǔ)充說(shuō)：“對(duì)于放射科醫(yī)生，數(shù)據(jù)科學(xué)家和其他人而言，與信息技術(shù)部門(mén)緊密合作以建立數(shù)據(jù)庫(kù)創(chuàng)建途徑至關(guān)重要。”

3.透明度和問(wèn)責(zé)制

醫(yī)療保健提供者通常對(duì)他們不完全了解的技術(shù)持懷疑態(tài)度，這是在全球范圍內(nèi)實(shí)施AI所面臨的嚴(yán)峻挑戰(zhàn)。解決此問(wèn)題的一種方法是，努力使AI決策過(guò)程保持盡可能透明，從而允許其他研究人員使用自己的算法來(lái)復(fù)制一個(gè)AI模型的性能。

作者還指出，放射科醫(yī)生必須了解使用AI的好處“明顯大于”任何風(fēng)險(xiǎn)。在?？茻o(wú)法闡明這一點(diǎn)的情況下，隨著AI的不斷發(fā)展，放射學(xué)可能面臨“被淘汰的風(fēng)險(xiǎn)”。

該團(tuán)隊(duì)總結(jié)說(shuō)：“我們的專業(yè)受益于先前的技術(shù)進(jìn)步，包括從膠片到數(shù)字成像的轉(zhuǎn)換，PACS以及語(yǔ)音識(shí)別軟件的實(shí)施。”“人工智能提供了另一個(gè)令人興奮的機(jī)會(huì)：加拿大放射學(xué)的未來(lái)是光明的。”