人工智能技术的分诊如何影响放射学放射科医生


小编发现不少朋友对于 人工智能技术的分诊如何影响放射学放射科医生 这方面的信息都比较感兴趣 , 小编就针对 人工智能技术的分诊如何影响放射学放射科医生 整理了一些相关方面的信息在这里分享给大家 。
根据《学术放射学》上发表的一项新分析 , 通过将紧急成像研究发送到他们的工作清单的顶部 , 人工智能可以为放射科医生提供重要的价值 。
费城宾夕法尼亚大学放射学系医学博士Saurabh Jha博士解释说 , 这是AI可以发挥作用的多种方式之一 。放射科医生甚至不必担心该技术会对他们的日常工作产生重大影响 。
Jha写道:“该算法无法完成放射科医生的工作 。” 放射科医生的职责以及视觉和认知工作量没有改变 。通过确定优先级 , 人工智能可以解决放射科医生所面临的特定不确定性 , 即放射医师在看到图像之前通常并不了解研究的重要性 。”
探索分流的真正价值
那么这些分类算法可以提供多少价值?这取决于具体情况 。例如 , 在世界上专家短缺的部分地区 , 该算法实际上是放射科的主治医生 。在这些情况下提供的价值是巨大的 。
贾哈写道:“在未开发的道路上可能要花费几个小时才能到达最近的创伤外科医师 。” “ CT扫描可能在本地可用 , 但可能没有放射科医生在场解释图像 。如果AI能够检测到威胁生命的异常并且只转移阳性病例 , 那么资源匮乏的区域医院也不会被不需要治疗的患者所淹没 。”
在这样的 , 其价值更加“递增” , 在这些 , 放射科医生随时可以根据需要解释研究 , 但AI在这些情况下仍具有明显的影响力 。
在他的分析中 , 贾(Jha)着重指出了使用AI对头部CT扫描进行分类的努力 。俗话说 , 时间就是大脑 , 而服务提供者在处理神经系统紧急情况时 , 每一秒都很重要 。然而 , 人工智能可以帮助确保放射线医师立即看到最重要的检查 。通过减少此类重要案例的周转时间 , 人工智能为所有相关方提供了可观的价值 。
【人工智能技术的分诊如何影响放射学放射科医生】分析还强调 , 分类算法不一定总是在寻找“临床上最严重的疾病” 。AI真正可以揭示的是哪些条件是“最可逆的” 。
Jha写道:“可逆性对时间越敏感 , 分类的价值就越大 。” “ 先天性预后不良的广泛性脑室内出血的 时间敏感性不如基底节中有细微的灰白色物质变薄的缺血性中风 , 可以通过迅速溶栓来逆转 。”
假阳性 , 假阴性结果的危险
当然 , 与任何其他算法一样 , 分类算法也不是完美的 。贾(Jha)写道 , 可能存在误报(FP)和误报(FN) , 将不太紧迫的研究放在需要尽快阅读的研究之前 。
这样做的一个副作用是 , 它实际上可能导致放射科医生对自己的解释进行第二次猜测 。
贾哈写道:“放射科医生在查看图像之前不会知道一项研究是阳性还是阴性 。” “但他们将知道AI会由于研究在队列中的位置而认为研究是正面还是负面 。在没有AI分诊的情况下 , 放射科医生可能将研究称为“正常” , 但他们的出现可能会鼓励放射科医生看到报告中不存在或对冲的异常情况 。”

    推荐阅读