人工智能在医学成像的应用
在20世纪50年代人工智能诞生之初，研究人员试图生产一种能够通过图灵测试的智能系统，以便能够将机器的智能与人类的智能进行区分。在过去的70年中，研究人员不断看到希望和绝望的循环，但在10年前，这种情况开始发生改变。自从人工智能开始学习而无需编程以来，其轨迹一直在稳步上升。如今，消耗性数据和计算能力都提高了几个数量级，并且具有更广泛的可承受性。
在人工智能中，医学成像在改善访问质量、降低成本、改善患者体验的障碍中看到了机会。同时，根据世界卫生组织的估计，全球40多亿人无法获得医学成像专业知识的服务。人工智能可以通过提供远程阅读来解决全球临床医生的数量短缺和无法到达某些地区进行诊断的问题。
在图像采集、重建、检测定位和质量控制等方面，医学成像的服务链上存在着一些障碍。人工智能可以消除放射科医生每天重复性的低价值任务，节省时间，并提高准确性。它可以更准确地识别疾病，降低治疗变异性，改善护理，提高患者体验。还可以发现人类医生难以看到的病变，并减少假阴性的解析。
人工智能工具还可以增强图像重建，更有效地利用数据改善失真或损坏的图像。更好的工作列表优先级允许病情最严重的患者更快地接受诊断和治疗，即使在放射科医生无法立即获得结果的环境中也是如此。其提供的放射学报告可以获得一致性。
机器智能还有助于探索和公开关键的电子健康记录（ HER）数据，以提供患者的整体视图。减轻医务人员阅读文档疲劳，创建更直观的界面。
Geisinger的Fornwalt表示，除了个别的人工智能应用程序之外，图像和医疗保健的区别在于要查看大型纵向数据集。他说，“可以从中获取一些横截面的数据并进行分析，并从中做出预测。这就是机器擅长的东西。作为医生，我们不能这样做……因此我们将利用这种预测能力来发挥作用。”
Bruce说，“人工智能带来的好处是对数据进行更深入的研究，认识到我们有机会利用我们所获得的和我们能解锁的东西做更多的工作。”
事实上，医生常常在这方面浪费了大量时间。
职业倦怠是放射学医生面临的一个大问题，根据Medscape最近的统计数据，这与去年的调查一致，大约45％的放射科医生报告表示，他们已经精疲力竭。芝加哥大学企业成像医学主管放射科医生Paul Chang博士在RSNA 2018的一次演讲中说：“我们正在讨论数据驱动、证据驱动的工具，我们需要帮助，因为许多人几乎很难坚持下去。”
建设IT基础设施
医学成像领导者如今可以采取合理的步骤来帮助他们的设备采用人工智能，这就需要他们的IT基础设施做好准备。Paul Chang表示，IT部门在将人工智能集成到现有工作流程中时面临着重大挑战，但如果希望在技术准备好实施后真正看到好处，那么这是必要的一步。
“人工智能是一个关键的工具，但企业不会为其解决方案而构建的工具构建架构。”Paul Chang说。
灵活、强大且基于标准的平台对于使组织能够捕获、增强、保护和共享关键数据和数字分析资产至关重要。
Paul Chang建议医院各部门不要只关注技术，还要关注他们想要的最终结果。例如，提高效率以及人工智能如何帮助实现这一目标。高层管理人员关心提高效率，因为可以节省时间，最终节省成本。因此需要构建一个将人工智能集成到标准工作流程中的策略，并用这些术语谈论人工智能是确保组织获得所需投资的方法。
他说，放射科医生需要参与人工智能的应用，但对期望和时机要切合实际。他说，“组织的目标不是大肆宣传该技术的能力，而是需要改进基础设施，同时提高效率和质量。”
Wendt指出，这就是大量数据和计算能力相结合的地方。他说，“组织需要确保拥有良好的数据处理或自动数据管道，并在后端插入这些平台，自动路由数据。数据必须实时路由，实时处理，并在签署报告之前实时返回给放射科医生。然后再返回到电子病历（EMR）中。”
与众不同
人工智能为当今的放射科医生提供更大价值的途径之一是通过改进日常工作流程并使其更加高效。花在重复任务上的时间越少，就意味着花在阅读研究和帮助患者上的时间越多。自然语言处理（NLP）可以帮助完成日常任务，因为自动图像分割有助于标记、测量和比较新的研究结果与先前的研究结果。
随着时间的推移，人工智能所带来的真正不同之处在于对个体患者和人群的护理。分析纵向数据，提高洞察和决策能力，并随着证据基础的发展回溯到数据，最佳实践变化和指导方针的推进，以提供更有效的诊断，预防和治疗方法。
Bruce说，“我认为，随着未来五年的技术发展，这不仅仅是算法的问题，这将向最终应用的人们证明什么是真正的价值。”
放射学也为机器智能辅助的护理技术提供了巨大的价值。日本放射学会的两位研究人员在公共科学图书馆医学特刊发表的一篇名为“健康与生物医学机器学习”的论文中写道：“人工智能有望通过帮助放射科医生更好地进行临床实践、更高的可靠性、改进的工作流程来获得更及时的建议，从而逐步改变临床实践。放射科医师在标记训练数据集和从图像数据中开发新知识方面具有重要意义。在临床应用上，即使目前的深度学习方法在图像解释方面具有广泛优势，放射科医生仍将在诊断罕见疾病和检测发现方面发挥核心作用。”
对于医生来说，现在是需要考虑采用人工智能并确定采用更多咨询性医学策略的时候了。
