Как ИИ может помочь преобразовать рентгенологию?
В UW Health в Висконсине рентгенологи начали использовать искусственный интеллект в своих рабочих процессах .
Члены команды внедрили алгоритмы реконструкции изображений на базе ИИ для аппаратов МРТ, КТ и ПЭТ, что обеспечивает более быструю съемку и более высокое качество изображений.
Алгоритмы ИИ также используются для анализа медицинских изображений и помощи в диагностике пациентов. Например, в рамках процесса сортировки пациентов в отделении неотложной помощи компьютерные инструменты обнаружения могут отмечать потенциальные отклонения в сканах, а затем расставлять их по приоритетам для проверки, говорит доктор Скотт Ридер, заведующий кафедрой радиологии в Школе медицины и общественного здравоохранения Вашингтонского университета .
«Мы видим случаи, когда рентгеновский снимок делается, и через минуту или две он помечается и высвечивается на рабочей станции», — говорит Ридер, который также является рентгенологом в UW Health, академическом медицинском центре, связанном с университетом. «Итак, я читаю этот случай следующим, и, конечно же, если есть отклонения, я звоню врачу скорой помощи и говорю: «У этого пациента есть срочные результаты», и они могут немедленно оказать пациенту помощь».
Здравоохранение сталкивается с нехваткой рабочей силы и выгоранием врачей во многих областях, включая радиологию. Поскольку возможности ИИ и машинного обучения продолжают совершенствоваться, поставщики услуг надеются, что инструменты радиологии с поддержкой ИИ помогут экспертам лучше анализировать изображения для более точного принятия клинических решений и облегчения административной нагрузки.
Нажмите на баннер ниже , чтобы прочитать новый отчет CDW об исследовании искусственного интеллекта.
Академические медицинские исследователи и технологические компании объединяют свои усилия для разработки этих новых инструментов. Первые решения показывают положительные результаты в плане улучшения ухода за пациентами и оптимизации операций, говорят рентгенологи.
По словам Мутаза Шегеви, старшего директора по исследованиям в IDC Health Insights, для беспрепятственного внедрения ИИ в радиологии организации здравоохранения могут воспользоваться существующей технологической инфраструктурой, включая системы хранения медицинских изображений, но им необходимо переосмыслить некоторые аспекты своей деятельности.
«Им нужна интеграция рабочих процессов. Им нужна вычислительная мощность, и им понадобится управление и безопасность», — говорит Шегеви.
Более быстрое сканирование и улучшение оказания неотложной помощиПо словам Ридера, исследователи-рентгенологи Вашингтонского университета, изучающие возможности внедрения ИИ в своей области, должны помнить, что в их системе здравоохранения может быть использована только технология ИИ, одобренная Управлением по контролю за продуктами и лекарствами США.
Например, UW Health внедрила в свои сканирующие машины одобренную FDA усовершенствованную технологию реконструкции изображений, которая позволяет получать более четкие изображения с меньшим количеством шумов и артефактов, а также сокращает время сканирования на 30–50 %, что может снизить воздействие радиации на пациента, добавляет он.
«Пациентам это нравится. Нам это тоже нравится, потому что это означает, что мы можем планировать более короткие интервалы для обследований», — говорит Ридер. «Это улучшает пропускную способность и рабочий процесс. Это меняет правила игры».
По словам Джона Гарретта, директора по информатике визуализации в отделении радиологии UW Health, для работы инструментов искусственного интеллекта в радиологии используются внутренние серверы, облако, компьютеры общего назначения и сами диагностические машины — и это лишь некоторые из них.
Например, в то время как некоторые модели ИИ работают на стандартных компьютерах, программное обеспечение для КТ и МРТ-перфузии мозга на базе ИИ, которое анализирует сканы мозга и создает цветные изображения кровотока в мозге, работает на локальном сервере, добавляет он.
Гарретт говорит, что обследования, требующие большей вычислительной мощности , выполняются на графических процессорах в облаке , например, КТ, которые оцениваются 10–12 инструментами сортировки ИИ. В зависимости от конкретного алгоритма Amazon Web Services и Microsoft Azure выполняют обработку данных в реальном времени, в то время как некоторые инструменты используютGoogle Cloud Platform .
В ситуациях сортировки в отделении неотложной помощи данные отправляются в облако, где обрабатываются несколькими алгоритмами ИИ. Результаты отправляются обратно в систему архивации и передачи изображений UW Health. Виджет рабочего стола на рабочих станциях PACS рентгенологов может оповещать их о высокоприоритетных результатах, говорит Гарретт.
Радиологи UW Health также используют программное обеспечение распознавания голоса на базе ИИ Nuance PowerScribe на своих компьютерах Dell для помощи в написании отчетов. Ридер давно пользуется этим решением, которое, как он отмечает, постоянно совершенствуется.
«Это позволяет нам эффективно, точно и стандартизированно формировать отчеты», — говорит он. «Хотя это не идеально, это точно. Вы можете говорить сложные медицинские термины, и это будет правильно».
Базирующаяся в Бостоне больница Massachusetts General Brigham внедрила в свою клиническую практику различные инструменты радиологического ИИ. К ним относятся инструменты обработки изображений, используемые для улучшения качества изображений и выполнения «квантификации изображений», которые могут помочь рентгенологам в чтении медицинских изображений, говорит доктор Бернардо Биццо, старший директор подразделения ИИ в Mass General Brigham.
Система здравоохранения внедрила компьютерные инструменты сортировки на основе ИИ, которые помогают расставлять приоритеты и уведомлять рентгенологов о срочных результатах, говорит он. Она также протестировала десятки моделей ИИ, которые анализируют медицинские изображения, и на данный момент приняла около дюжины из них, говорит Биззо.
Mass General Brigham использует эти инструменты ИИ в локальных центрах обработки данных и в облаке . Например, он внедрил некоторые модели ИИ в Microsoft Nuance Precision Imaging Network (построенной на Azure) и развернул модели, которые обнаруживают легочные узелки при КТ-сканировании и анализируют МРТ-сканирование печени.
СВЯЗАННЫЕ: Преобразите МРТ с помощью современных сканеров и виртуальных программ.
Эти инструменты ИИ помогают рентгенологам интерпретировать сканы, но текущие преимущества ограничены, поскольку каждая модель, как правило, предназначена для обнаружения одного или нескольких результатов. Рентгенологи должны иметь целостный взгляд и анализировать изображение для всестороннего отчета, добавляет Биззо.
«Каждый одобренный FDA инструмент ИИ обнаруживает лишь несколько результатов визуализации. Это немного помогает в определенных случаях использования, но это не двигает дело так, как мы все надеемся, что ИИ будет, потому что работа рентгенолога выходит за рамки простого обнаружения нескольких результатов», — говорит он.
Однако рентгенологи говорят, что они уверены, что зарождающиеся инструменты ИИ могут стать более зрелыми. Например, Mass General Brigham работает с компаниями по всему миру, чтобы тестировать их новые модели и инструменты ИИ, поскольку они стремятся получить одобрение FDA и клиническое использование в США. Это включает тестирование генеративного ИИ и комплексных инструментов ИИ . Эти новые инструменты могут объединять несколько алгоритмов в один пакет для выполнения более глубокой диагностики, говорит Биззо.
«По моему мнению, инструменты ИИ для обнаружения и диагностики могут больше всего помочь рентгенологам, особенно при составлении отчетов в ближайшем будущем», — говорит он. «У ИИ есть многообещающие перспективы для повышения точности и эффективности диагностики».
Инструмент ИИ измеряет эффективность лечения заболеваний почекОколо года назад отделение радиологии больницы Weill Cornell Medicine создало передовой кластер искусственного интеллекта на базе серверов Dell, работающих на графических процессорах NVIDIA , который позволяет исследователям разрабатывать и обучать модели искусственного интеллекта для радиологии, а затем использовать и тестировать их в клинических условиях.
Например, врачи Нью-Йоркской пресвитерианской больницы /Медицинского центра Вейлла Корнелла (исследовательская и учебная больница медицинской школы) в настоящее время тестируют модель ИИ для проведения точных измерений почек пациентов с целью определения прогрессирования заболевания и эффективности лечения, говорит доктор Мерт Сабунку, заместитель председателя отдела исследований ИИ и инженерии на кафедре радиологии медицинского центра Вейлла Корнелла и профессор электротехники и вычислительной техники в Технологическом институте Корнелла.
В частности, модель ИИ была разработана для анализа клинических сканов пациентов с поликистозной болезнью почек — генетическим заболеванием, при котором в почках образуются и увеличиваются кисты, что может привести к повреждению почек и почечной недостаточности.
Доктор Скотт Ридер Заведующий кафедрой радиологии, Медицинская школа и общественное здравоохранение Вашингтонского университета
Пациентам с прогрессирующим поликистозом почек обычно проводят МРТ один раз в год.
«Стандартные отчеты по радиологии содержат много импрессионистских утверждений», — говорит Сабунку. «Рентгенологи описывают то, что видят, без большого количества количественных измерений, а это значит, что может потребоваться несколько лет, чтобы выяснить, работает ли такой препарат, как Толваптан».
Несколько лет назад исследовательская группа в Weill Cornell Medicine разработала модель ИИ, которая может производить высокоточные числовые измерения анатомии брюшной полости. Сегодня этот инструмент используется для информирования о принятии клинических решений и для лучшей оценки эффективности препарата для пациентов, говорит он.
ИИ может совершать ошибки, поэтому в рамках рабочего процесса технолог или рентгенолог просматривает результаты модели, вносит необходимые исправления, а затем пересылает их другому рентгенологу для окончательного просмотра. Они также могут отклонить результаты, если измерения модели ИИ неверны.
«У нас есть человек, который следит за точностью результатов», — говорит Сабунку.
Weill Cornell Medicine надеется получить одобрение FDA на модель ИИ, но пока она может использовать ее на пациентах как академическая исследовательская больница. «У нас есть роскошь использовать передовые исследовательские инструменты», — говорит он.
Он считает, что такие инструменты готовы произвести революцию в радиологии. «Мы находимся на пороге большой трансформации в течение следующих пяти лет. Будет огромный приток инструментов ИИ, которые улучшат радиологию и преобразуют медицину», — говорит Сабунку.
healthtechmagazine
