放射科醫(yī)生要實現(xiàn)AI的全部潛力需要做三件事

預計AI對放射學的影響可能會超過其他任何醫(yī)學專業(yè)。但是，在醫(yī)療保健領域，一無所獲。

發(fā)表在《加拿大放射學家協(xié)會雜志》上的一項新分析的作者探索了加拿大在AI技術研發(fā)中的地位，以及確保放射學家不要浪費改變游戲規(guī)則的機會所必需的。

“擁有受過良好教育的人口和多樣化的醫(yī)療服務，加拿大處于醫(yī)療成像相關AI研究和實施的領導者的有利位置，”醫(yī)學博士Christian B. van der Pol和醫(yī)學博士Michael N. Patlas寫道，加拿大安大略省麥克馬斯特大學。“但是，放射學中人工智能的全部潛力的實現(xiàn)將取決于在幾個方面的進展。”

作者認為，在充分利用AI的無限潛力方面，這是三個關鍵領域：

1.綜合醫(yī)療數據存儲庫

作者寫道：“需要圖像和其他臨床信息的標簽齊全的大數據集。”“盡管有匿名圖像數據集可供公眾使用，但器官和病理學通常尚未細分，相關的臨床數據通常也不可用。”

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

2.受保護的患者隱私

在數據集開發(fā)的每個步驟中，刪除個人健康信息應是頭等大事。為此，將需要“定制的解決方案，以解決每個中心的數據存儲的細微差別”，從而以一致，可靠的方式為每個參與人員使用。

作者補充說：“對于放射科醫(yī)生，數據科學家和其他人而言，與信息技術部門緊密合作以建立數據庫創(chuàng)建途徑至關重要。”

3.透明度和問責制

醫(yī)療保健提供者通常對他們不完全了解的技術持懷疑態(tài)度，這是在全球范圍內實施AI所面臨的嚴峻挑戰(zhàn)。解決此問題的一種方法是，努力使AI決策過程保持盡可能透明，從而允許其他研究人員使用自己的算法來復制一個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”任何風險。在?？茻o法闡明這一點的情況下，隨著AI的不斷發(fā)展，放射學可能面臨“被淘汰的風險”。

該團隊總結說：“我們的專業(yè)受益于先前的技術進步，包括從膠片到數字成像的轉換，PACS以及語音識別軟件的實施。”“人工智能提供了另一個令人興奮的機會：加拿大放射學的未來是光明的。”