医疗保健提供者继续迅速采用AI，大多数报告称他们在过去一年中增加了技术支出。然而，埃默里大学心脏病学教授兼退伍军人事务部（VA）医疗保健创新与学习办公室首席健康官Arash Harzand博士在本月于亚特兰大举行的美国心脏节律学会（Heart Rhythm Society）最近的HRX会议上指出，AI仍存在一些问题，如数据泛化和采用新工具的高成本。
Harzand博士在评估新兴的心脏病学AI工具时认为，涉及计算机视觉的工具将产生最大影响。“计算机视觉意味着我们如何利用AI来指导和解释诊断研究，以及任何类型的成像，无论是CT、MRI、超声心动图还是超声波，”Harzand博士解释道。他补充说，FDA在AI领域的约一半批准授予了用于医学成像的工具。一些销售基于计算机视觉工具的公司包括Aidoc、PathAI和Qure.ai。这些工具可以比人类更快地分析图像，并且通常承诺通过检测医学图像中的细微模式或异常来提高诊断准确性。然而，Harzand博士指出，采用新工具的成本通常是主要障碍。
“这些事情总是会增加成本——因为这是医疗保健，任何时候有新的东西，都会有前期成本，”他说道。数据泛化是AI的另一个主要挑战，Harzand博士指出。医疗AI工具通常是在大型数据集上训练的，确保这些训练数据与使用该技术的患者人群的人口统计数据相匹配非常重要。以VA为例，其患者群体与普通公众非常不同。超过90%的VA患者是男性，许多人接触过橙剂等有毒化学物质，这可能导致糖尿病等疾病的风险更高。此外，每个VA医疗中心乃至每家医院的种族和族裔人口统计数据都各不相同。考虑到这些差异并确保AI适合帮助治疗特定人群是决定医疗AI工具成功的关键步骤，Harzand博士指出。
(全文结束)
