根据最近发表的《放射学:人工智能》特别报告，如果放射科医生信任人工智能(AI)工具的设计，对其进行充分的培训并建立明确的临床问责准则，人工智能(AI)工具可以在医学成像中发挥关键作用。

　　北美放射学会(RSNA)和医学图像计算和计算机辅助干预(MICCAI)学会领导了一系列联合小组和研讨会，重点讨论人工智能在放射学中的当前影响和未来方向。这些对话收集了放射学、医学成像和机器学习等多学科专家对人工智能技术在放射学中的临床渗透的看法，以及它如何受到信任、可重复性、可解释性和问责制的影响。

　　从对话中收集到的集体观点定义了放射科医生和人工智能科学家共同工作的文化变化，并描述了人工智能技术要获得广泛认可所面临的挑战。

　　特别报告介绍了MICCAI和RSNA专家对在放射学中成功采用人工智能技术所必需的临床、文化、计算和监管方面的观点。文章还强调了协作对改善临床部署的重要性。它强调了整合临床和医学成像数据的必要性，并介绍了确保顺利和激励整合的策略。

　　“这份报告探讨了领先专家的观点，以了解如何最好地将人工智能工具部署到临床放射学实践中，”首席作者马吕斯·乔治·林古拉鲁博士说。他是康纳家族教授，也是国家儿童医院研究与创新的特约主席。

　　“人工智能工具可以在放射学中发挥关键作用，但放射科医生必须能够信任系统的设计并接受充分的培训。作为最熟悉这些工具的医生，放射科医生应该建立关于临床责任的明确指导方针。”

　　本文讨论了在放射学实践中部署人工智能的重要临床考虑因素，如数据共享、注释、偏差和模型性能。作者建议，用于集中分析或分布式学习的交换数据的工具将能够支持数据和/或模型的共享，但需要额外的制度基础设施和支持。

　　他们还认为，在未来的5到10年里，图像标注可能会成为一个不那么重要的障碍。最后，他们坚持认为，使用小数据集或内部数据构建的人工智能模型，如果应用于目标人群并进行仔细监控，可以应对与数据偏见和多样性相关的挑战。

　　该报告还探讨了文化因素，包括容量、结果预测、人机交互、信任和责任。

　　作者预测，培训放射科医生使用人工智能工具将成为常规。他们认为，放射科医生使用人工智能的动机是提高临床效率和执行复杂任务能力的关键。他们还强调，人工智能工具的设计应得到放射科医生的信任，并明确定义临床责任。

　　报告中提到的计算考虑因素包括硬件能力、人工智能性能、放射科医生和人工智能科学家之间的沟通以及持续评估。

　　该报告断言，云计算对于缺乏硬件和维护资源的放射科来说可能是最有效的。它还建议，放射学人工智能工具的设计、开发、部署和监测应由数据科学家和放射科医生共同完成，临床机构应优先考虑从采集设备到PACS和/或数据湖以及人工智能服务器的数据流。

　　报告还讨论了监管指导方针和审批问题。作者指出，放射学是fda批准的医疗人工智能设备的主要应用领域。他们补充说，视觉和语言模型可以对放射学领域产生积极影响，应该接受监管监督。作者强调，监管机构批准在人工智能应用于临床实践中的作用将需要持续考虑。

　　人工智能在放射学中的应用前景广阔。大型和通用的基础和生成人工智能模型，包括视觉和语言模型，可以影响人工智能工具的临床采用，并可能有助于减少放射学的倦怠。使用人工智能的财务激励将鼓励医院投资基于人工智能的软件，并增加临床医生使用新技术的动力。为了在临床护理和研究中推进放射学人工智能工具，多学科学会可以采用统一的议程、语言和一套期望。

　　Linguraru博士说:“通过跨社会和学科的合作，医学成像领域的人工智能可以充分发挥其潜力，为临床实践和研究提供价值。”

　　更多信息:Marius George Linguraru等人，在放射学中部署人工智能的临床、文化、计算和监管考虑:RSNA和MICCAI专家的观点，放射学:人工智能(2024)。DOI: 10.1148 / ryai.240225引文:专家概述在放射学中部署人工智能的考虑因素(2024年，7月24日)检索自2024年7月26日https://medicalxpress.com/news/2024-07-experts-outline-considerations-deploy-ai.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。