Creative digital blue business interface on blurry background. Innovation and science concept. 3D Rendering

Article

人工智能如何改变放射学领域的现状

著名理论物理学家阿尔伯特·爱因斯坦1曾经说过：“我们创造世界的过程也是一个我们思考的过程，要想改变世界，必须先改变我们的思想。”人工智能 (AI) 本质上是一种全新的思维方式，它正在改变医学影像领域的游戏规则。AI 可以帮助放射科医生加快患者分诊、减少无意识偏见、提高对患者整体健康状况的评估。

现今的放射学需求

放射学作为一个医学领域正在蓬勃发展。JAMA （美国医学协会杂志）于 2019 年报道的一项医学成像趋势研究表明，2013 年至 2016 年，成人计算机断层扫描 (CT) 成像检查的年增长率为 3.7％。自 2007 年至 2016 年，成人磁共振成像 (MRI) 检查增长了 1.3％。2世界卫生组织认为医学成像“在各种医疗环境[原文如此]以及所有主要医疗保健水平都至关重要。在公共卫生和预防医学以及积极和姑息治疗中，有效的决策取决于正确的诊断。”3

但放射科医生在工作中可能会出现疲劳和忧虑。RSNA 新闻报道了美国医学协会组织 2016 年的一项研究，表明放射科医生的工作效率在 2015 年提高了 3.5％，2016 年则提高了 3.4％。4该文章的作者 Myriam Hunink 医学博士是荷兰鹿特丹伊拉斯谟大学医学中心放射学教授，同时也在波士顿哈佛大学T.H.Chan 公共卫生学院担任卫生政策副教授。他在文中表示：统计数据显示，10 年前，我们每 20 秒解释一张图像；现在只需三秒就可以完成。”4

这是一项需要高度精确和专注的工作。在进行重要决策时，需要医生进行可靠和基于经验的判断。快速周转让他们面临着巨大的压力。患者焦急地等待答案。转诊医生急切希望为其患者提供治疗。

随着放射学在诊断和介入医学中的角色日益重要，AI 正逐渐成为一种可以起到补充作用的新兴力量，同时可减轻放射科医生的压力。

AI 如何帮助满足放射学需求

AI 是一个基于理论的计算机系统，可以不断发展，能够完成通常需要人工智能进行的任务。医学成像会生成大量复杂的数据。在常规放射学环境中，评估庞大的数据集并提取有意义的信息是一个耗时的过程。

AI 可提高管理、调度和计费工作流程效率。它可以对放射科医生和转诊医生带来益处，在适当的情况下也会让患者受益，具体有以下几种形式：

  • 快速分诊–根据疾病控制与预防中心数据，美国医院急诊科在 2016 年接诊了 1.456 亿患者。在这些就诊中，有 39％ 的接诊时间少于 15 分钟，有 8.7％ 可直接入院。5根据设定的输出预期，系统通过不同层级的数学方程式和数百万种连接和参数进行学习与强化，这种深度学习可帮助放射科医生有效找到最需要治疗的患者。例如，2019 年《放射学商业》的一篇文章中介绍了一种可将小儿肘关节损伤分为急性或非急性的深度学习模型。马萨诸塞州总医院的影像研究员 Jesse Rayan 医学博士表示，“该模型在 ER 分诊方面具有改善患者护理的最大潜力，ER 分诊可优先处理需要更多注意力的研究，以便更快地进行周转。”6
  • 减少错误-无意识偏见（人类倾向于寻找期望结果）加上工作量过大或缺乏经验，可能会导致放射科医生在检查中遗漏一些重要的项目。AI 会引导阅片者纠正可能被忽略的异常情况。
  • Predicting patient risk – A team from 预测患者风险–马萨诸塞州总医院与麻省理工学院计算机科学与人工智能实验室开发了一种深度学习模型，可通过识别乳腺 X 线图像中的模式，预测未来罹患癌症的风险。6通过这种精确风险评估提供的信息,可帮助医生制定筛选和预防策略。
  • 评估整体健康状况–Medical Futurist 2017 年发表的一篇评论中，回顾了阿德莱德大学利用深度学习算法预测 5 年预期寿命的研究。AI 系统可以分析 16,000 多种疾病指征的图像特征，准确度达到 69％，与人类诊断医师的水平相当。7这些研究的目标是改进此类算法，用于测量整体健康状况，而非识别特定疾病。
  • 临床决策支持–放射学中与 AI 相关的最显著变化，可能体现得最不明显。AI 能够在不降低周转时间的情况下支持诊断置信度。杰西卡·肯特在 2018 年 《健康 IT 分析》的一篇文章中总结道：在补充和验证临床医生的工作方面，特别是在成像分析的复杂领域，AI 和机器学习表现出巨大的潜力。8

放射学的现状正在发生变化，AI 正在成为这一趋势中的显著特征之一。我们无需担心 AI 是否会取代放射科医生。相比之下，那些不使用 AI 的放射科医生，更应该担心被使用 AI 的同行所取代。

参考文献:

  1. Albert Einstein Facts. Biography. https://www.biography.com/scientist/albert-einstein August 27, 2019.
  2. Trends in Use of Medical Imaging in US Health Care Systems and in Ontario, Canada, 2000-2016T. JAMA Network. https://jamanetwork.com/journals/jama/article-abstract/2749213 January 9, 2020.
  3. Diagnostic Imaging. World Health Organization. https://www.who.int/diagnostic_imaging/en/ August 27, 2019.
  4. Radiology Salaries Increase, but so Do Workload and Burnout. RSNA News https://www.rsna.org/en/news/2017/october/radiology-salary-survey January 9, 2020.
  5. Emergency Department Visits. Centers for Disease Control and Prevention. https://www.cdc.gov/nchs/fastats/emergency-department.htm August 27, 2019.
  6. What Has Artificial Intelligence Done for Radiology Lately? Radiology Business. https://www.radiologybusiness.com/topics/ai-machine-learning/what-has-artificial-intelligence-done-radiology-lately August 27, 2019.
  7. The Future of Radiology and Artificial Intelligence. The Medical Futurist. https://medicalfuturist.com/the-future-of-radiology-and-ai August 27, 2019.
  8. How Artificial Intelligence is Changing Radiology, Pathology. Health IT Analytics Xtelligent Healthcare Media. https://healthitanalytics.com/news/how-artificial-intelligence-is-changing-radiology-pathology August 27, 2019.