在威斯康星州的威斯康星大学健康中心（UW Health），放射科医生已经开始在其工作流程中采用人工智能技术。
团队成员已经采用了用于MRI、CT扫描和PET扫描机器的AI图像重建算法，使得图像采集更快且质量更高。
AI算法也被用来分析医学影像并帮助诊断患者。例如，在急诊部门的分诊过程中，计算机辅助检测工具可以标记出扫描中的潜在异常，并优先进行审查。威斯康星大学医学院和公共卫生学院放射科主任Scott Reeder博士说：“我们看到一些病例，X光片被获取后，一两分钟后就被标记并出现在工作站上。所以我接下来读这个病例，如果确实有异常，我会打电话给急诊医生，告诉他们‘这个病人有这种紧急发现’，然后他们可以立即治疗病人。”
医疗保健行业正面临着多个学科的人力短缺和临床医生倦怠问题，包括放射学。随着AI和机器学习能力的不断提高，医疗机构希望AI辅助放射学工具能够帮助专家更精确地解析图像，从而做出更准确的临床决策，并减轻行政负担。
学术医疗机构和技术公司正在共同努力开发这些新工具。初步解决方案显示出对改善患者护理和简化操作的积极结果，放射科医生表示。
为了在放射学中无缝采用AI，医疗机构可以利用现有的技术基础设施，包括医学影像存储系统，但它们必须重新考虑其企业的一部分，IDC Health Insights的高级研究总监Mutaz Shegewi说。“他们需要工作流整合，需要计算能力，还需要治理和安全。”
更快的扫描和改进的急诊室护理
随着UW放射学研究人员探索在该领域采用AI，他们需要注意只有获得美国食品药品监督管理局（FDA）批准的AI技术才能进入他们的卫生系统，Reeder说。
例如，UW Health已经将其扫描机中的FDA批准的高级图像重建技术纳入其中，这可以产生更清晰的图像，减少图像噪声和伪影，并将扫描时间缩短30%到50%，从而减少患者的辐射暴露，他补充道。
“患者喜欢它。我们也喜欢，因为它意味着我们可以安排更短的检查时段，”Reeder说。“它提高了吞吐量和工作流程。这是一个游戏规则改变者。”
为了为放射学中的AI工具提供动力，UW Health依赖于内部服务器、云、通用计算机和成像机本身，UW放射科的成像信息学主任John Garrett说。
例如，虽然一些AI模型运行在标准计算机上，但基于AI的CT和MRI脑灌注软件，可以分析脑扫描并生成彩色编码的血液流动图像，则运行在本地服务器上，他补充道。
需要更多计算能力的检查则在云中的GPU上运行，比如由10到12个AI分诊工具评估的CT扫描，Garrett说。根据特定算法的不同，亚马逊网络服务和微软Azure执行实时数据处理，而一些工具使用谷歌云平台。
在急诊部门分诊的情况下，数据被发送到云中，由多个AI算法处理。结果被发送回UW Health的影像归档和通信系统（PACS）。放射科医生的工作站上的桌面小部件可以提醒他们高优先级的发现，Garrett说。
UW Health的放射科医生还在他们的戴尔计算机上使用基于AI的语音识别软件Nuance PowerScribe来帮助撰写报告。Reeder长期以来一直在使用该解决方案，他表示该解决方案不断改进。
“它使我们能够高效、准确且以标准化的方式生成报告，”他说。“虽然它并不完美，但它很准确。你可以说出复杂的医学术语，它都能正确识别。”
当前诊断效益有限，未来前景光明
位于波士顿的麻省总医院布里格姆已经在其临床实践中采用了各种放射学AI工具。这些工具包括用于提高图像质量和进行“图像量化”的图像处理工具，可以帮助放射科医生阅读医学图像，Mass General Brigham的AI业务高级主管Bernardo Bizzo博士说。
该卫生系统已经部署了基于AI的计算机辅助分诊工具，这些工具可以帮助优先处理并通知放射科医生紧急发现，他说。它还测试了数十种分析医学图像的AI模型，迄今为止已采用了大约十几种模型，Bizzo说。
Mass General Brigham在本地数据中心和云中运行这些AI工具。例如，它在微软的Nuance Precision Imaging Network（基于Azure构建）中采用了一些AI模型，并部署了检测CT扫描中的肺结节和分析肝脏MRI扫描的模型。
这些AI工具帮助放射科医生解读扫描，但目前的好处是有限的，因为每个模型通常设计用于检测一个或少数几个发现。放射科医生必须从整体上查看图像并进行全面报告，Bizzo补充道。
“每个获得FDA批准的AI工具只能检测少数几个影像发现。它在某些特定用例中有所帮助，但并没有像我们所有人希望的那样推动AI的发展，因为放射科医生的工作不仅仅是检测少数几个发现，”他说。
然而，放射科医生表示他们有信心这些新兴的AI工具有望成熟。例如，Mass General Brigham与全球各地的公司合作，测试他们正在寻求FDA批准并在美国临床使用的新兴AI模型和工具。这包括测试生成式AI和综合AI工具。这些新工具可能会将多个算法组合成一个包，以进行更深入的诊断，Bizzo说。
“在我看来，用于检测和诊断的AI工具最能帮助放射科医生，尤其是在不久的将来起草报告时，”他说。“AI在提高诊断准确性和效率方面有很大的潜力。”
AI工具测量肾病治疗效果
大约一年前，威尔康奈尔医学院的放射科建立了一个先进的AI集群——由NVIDIA GPU驱动的戴尔服务器——使研究人员能够开发和训练放射学的AI模型，然后在临床环境中使用和测试它们。
例如，纽约长老会医院/威尔康奈尔医学中心（医学院的研究和教学医院）的医生目前正在测试一种AI模型，该模型可以对患者的肾脏进行精确测量，以确定疾病进展和治疗效果，威尔康奈尔医学院放射科AI和工程研究副主席Mert Sabuncu说。
更具体地说，该AI模型旨在分析多囊肾病（PKD）患者的临床扫描，这是一种遗传性疾病，其中囊肿在肾脏中形成并扩大，可能导致肾脏损伤和衰竭。
患有晚期PKD的患者通常每年进行一次MRI检查。
“标准的放射学报告包含许多印象性的陈述，”Sabuncu说。“放射科医生描述他们所看到的情况，但没有很多定量测量，这意味着可能需要几年时间才能确定托伐普坦等药物是否有效。”
几年前，威尔康奈尔医学院的一个研究团队开发了一种AI模型，可以生成腹部解剖结构的高度精确的数值测量。如今，这一工具被用于指导临床决策，并更好地评估药物是否对患者有效，他说。
AI可能会犯错误，因此作为工作流程的一部分，技术人员或放射科医生会审查模型的结果，必要时进行纠正，然后将其转发给另一位放射科医生进行最终审查。如果AI模型的测量结果错误，他们也可以拒绝结果。
“我们在工作流程中加入了人工审核，以确保结果准确，”Sabuncu说。
威尔康奈尔医学院希望获得该AI模型的FDA批准，但目前作为一家学术研究医院，可以在患者身上使用它。“我们有幸能够使用尖端的研究工具，”他说。
他认为，这样的工具即将彻底改变放射学。“我们正处于在未来五年内经历重大变革的边缘。将会有大量AI工具涌入，增强放射学并改变医学，”Sabuncu说。
合作改善医学影像
威斯康星大学医学院和公共卫生学院、其附属的UW Health以及麻省总医院布里格姆正在与微软合作，开发先进的算法和应用程序，以更好地分析医学图像并协助编写报告。
主要目标是开发基础模型，这些模型可以帮助解释医学图像，Reeder说。
“微软拥有各种计算机知识和计算资源，而我们有专业的放射科医生，”Reeder说。“我们还可以访问去标识化的影像检查和其他数据，并与微软合作训练这些基础模型。”
(全文结束)
