Внедрение ИИ в рентгенологическую клинику
Любой график количества исследовательских работ, стартапов или продуктов в области ИИ для медицинской визуализации за последние несколько лет следует экспоненциальной кривой. Огромные человеческие усилия и капитал были направлены на применение современных вычислений и алгоритмов, чтобы позволить рентгенологам* и поставщикам услуг визуализации обеспечивать лучший уход за пациентами.
В то же время большинство рентгенологов к настоящему времени услышали достаточно шумихи, чтобы знать, что «ИИ происходит» в радиологии. Теоретически они могут знать, что это может улучшить их качество и производительность. Но рентгенологи - практичная группа. И более 95%**, вероятно, понятия не имеют, что на самом деле означает «ИИ» для их практики. Кроме того, они, вероятно, слишком заняты уходом за пациентами или дальнейшими исследованиями в своей области, чтобы попытаться выяснить, какие технологии на самом деле готовы для клиники или лаборатории.
Некоторые из нас осознали этот пробел на SIIM 2018 и с помощью рабочей группы CAR AI Tech and Apps попытались заполнить его (до RSNA 2018).
На этой неделе был запущен CAR Global Imaging AI Inventory (www.car-ai.ca). Цель состоит в том, чтобы предоставить рентгенологам и поставщикам медицинских услуг единое место для просмотра текущих продуктов и платформ ИИ. Рентгенологи могут просматривать список продуктов, понимать варианты использования, просматривать подтверждающие доказательства и оценивать статус одобрения регулирующих органов.
На сегодняшний день в списке 20 продуктов. Их предоставили компании, откликнувшиеся на нашу просьбу о проведении детального опроса (результаты которого в дальнейшем будут опубликованы в CARJ)***. Мы ожидаем, что количество участников будет расти.
Темпы развития продуктов искусственного интеллекта в медицинской визуализации означают, что изменения грядут быстро. Мы надеемся, что этот Global Imaging AI Inventory поможет поставщикам изображений не отставать от быстрых изменений и ускорить внедрение технологий для улучшения нашего ухода за пациентами.
Рабочая группа CAR AI Tech and Apps
* мы пропустим дебаты, поскольку мы знаем, что радиологи + ИИ побеждают ИИ в одиночку… в обозримом будущем. https://towardsdatascience.com/why-ai-will-not-replace-radiologist-c7736f2c7d80
** составлено исходя из опыта.
***Общие данные пытаются найти баланс между предоставлением практической, основанной на фактических данных информации для рентгенологов и соблюдением коммерческой тайны (участие и большинство вопросов не являются обязательными).
Особая благодарность:
Макадамиан для веб-разработки
Кейси Харрелл и команда CAR
Респонденты раннего опроса
Студенты-медики, ординаторы и рентгенологи рабочей группы CAR AI Tech and Apps:
Бен Файн, MD, SM 1 Александр Кадрин-Шенвер, MD, B.Ing 2 Бо Гонг 4 Ке Чен 5 Усман Тарике, MD 6 Наньси Чжа, MD 7 Мохамед Абдолелл 10 Джозеф Ян 11 Ан Тан, MD, MSc 8,9
1. Trillium Health Partners, Миссиссога, Онтарио, Канада
2. Кафедра медицинской визуализации, CISSS Lanaudière, Université Laval, Joliette, Квебек, Канада.
3. Мемориальный университет, Сент-Джонс, Ньюфаундленд, Канада
4. Отделение радиологии, Ванкуверская больница общего профиля, Университет Британской Колумбии, Ванкувер, Британская Колумбия, Канада.
5. Научно-исследовательский центр госпитального центра Университета Монреаля (CRCHUM), Монреаль, Квебек, Канада.
6. Департамент медицинской визуализации, Университет Торонто, Торонто, Онтарио, Канада.
7. Кафедра радиологии, Университет Макмастера, Гамильтон, Онтарио, Канада.
8. Кафедра радиологии, Университет Монреаля, Монреаль, Квебек, Канада.
9. Научно-исследовательский центр госпитального центра Университета Монреаля (CRCHUM), Монреаль, Квебек, Канада.
10. Кафедра радиологии, Университет Далхаузи, Галифакс, Новая Каролина, Канада.
11. Кафедра радиологии, Королевский университет, Кингстон, Онтарио, Канада
