人工智能+医学影像应用:左手瓶颈 右手破冰

人工智能通过广泛的图像训练,从医学影像底层提取特征,实现对更加多样化的影像表现识别并不断自动优化。基于人工智能的医学影像解决方案可给医学影像分析带来诸多裨益:高效的医学影像处理和分析影像速度,快速给出辅助判断结果;良好的灵敏度,在一定程度上降低筛检中的漏诊率;专家知识学习,定量数据分析,填补医技间鸿沟,提高基层检查质量等。

然而,人工智能+医学影像应用发展所面临的困境也不容小觑。比如,在人工智能+医学影像应用技术方面,基于概率分析的关联推理无法判断疾病的因果关系;数字化影像数据难以获取、影像数据标准化程度低、数据标注难度大等训练所需标注数据集获取困难。在人工智能+医学影像应用产业方面,相关注册、准入、监管法律法规体系尚未形成;影像人工智能辅助诊断结果评估缺乏标准,效果存疑。在人工智能+医学影像应用方面,人工智能目前能够解决的医疗影像问题有限;影像人工智能系统应用模式依然还需探索。

目前,大多医疗影像人工智能在医院依然是试用阶段,医学影像人工智能对于临床一线的影像医生诊断过程中起到的实际帮助作用及流程优化仍需要大量的实践来进行探索。那么,人工智能+医学影像应用在未来发展过程中,需特别注意哪些因素?在人工智能+医学影像应用技术方面:加深规则和深度学习的联合模型的研究;建立广泛来源、标准化数据集,提高训练数据质量;通过迁移学习减少标注,提高标注效率。在人工智能+医学影像应用产业方面:人工智能软件注册规范制定应关注模型的前中后期过程规范,模型效果评估指标,模型安全性评价、诊断建议分级制度以及医疗机构的准入机制;构建人工智能医用软件评估专家团队,研制模型评估体系与标准;影像医学专家协会等行业组织,研究制定人工智能+影像相关专家共识,为企业提供医学专业指导意见。在人工智能+医学影像应用方面:根据临床诊疗规范和标准术语实现对数据标注的规范化,提升系统结果输出的互操作性;影像诊断模型的训练不应仅停留在对影像图像的识别和分析上,应整合病史、体征、实验室检查、其他检查等信息,进一步提升人工智能的综合诊断能力,从辅助诊断逐步过渡到预测判断和辅助决策参考。

据国家卫健委统计显示,2013至2015年三年中,全国累计完成放射诊疗12.4亿人次。而“2017中国医师协会放射医师年会”数据显示,全国放射从业人员约15.8万,其中放射医师只有约8万,具有副主任医师以上职称的只有2万人。以此推算平均每一位影像医师每年需要处理5100多人次的报告,以每一例报告最少需要两个医师阅片和报告估算,每位放射医师全年的诊疗人次约为12000,而2万名副高以上职称的影像科医师由于有审核工作,诊疗人次将会更多。

未来数十年,影像医师有望逐渐摆脱繁复的阅片工作,使用时髦的分析工具和填好的炫目检查报告进行验证,真正变为数据传递者,高效、高质地对抗、攻克疾病。

 

综合材料自医械世界-好医生医械世界、OMAHA联盟