人工智能技術(shù)的分診如何影響放射學(xué)放射科醫(yī)生

小編發(fā)現(xiàn)不少朋友對(duì)于 人工智能技術(shù)的分診如何影響放射學(xué)放射科醫(yī)生 這方面的信息都比較感興趣，小編就針對(duì) 人工智能技術(shù)的分診如何影響放射學(xué)放射科醫(yī)生 整理了一些相關(guān)方面的信息在這里分享給大家。

根據(jù)《學(xué)術(shù)放射學(xué)》上發(fā)表的一項(xiàng)新分析，通過(guò)將緊急成像研究發(fā)送到他們的工作清單的頂部，人工智能可以為放射科醫(yī)生提供重要的價(jià)值。

費(fèi)城賓夕法尼亞大學(xué)放射學(xué)系醫(yī)學(xué)博士Saurabh Jha博士解釋說(shuō)，這是AI可以發(fā)揮作用的多種方式之一。放射科醫(yī)生甚至不必?fù)?dān)心該技術(shù)會(huì)對(duì)他們的日常工作產(chǎn)生重大影響。

Jha寫道：“該算法無(wú)法完成放射科醫(yī)生的工作。” 放射科醫(yī)生的職責(zé)以及視覺(jué)和認(rèn)知工作量沒(méi)有改變。通過(guò)確定優(yōu)先級(jí)，人工智能可以解決放射科醫(yī)生所面臨的特定不確定性，即放射醫(yī)師在看到圖像之前通常并不了解研究的重要性。”

探索分流的真正價(jià)值

那么這些分類算法可以提供多少價(jià)值?這取決于具體情況。例如，在世界上專家短缺的部分地區(qū)，該算法實(shí)際上是放射科的主治醫(yī)生。在這些情況下提供的價(jià)值是巨大的。

賈哈寫道：“在未開(kāi)發(fā)的道路上可能要花費(fèi)幾個(gè)小時(shí)才能到達(dá)最近的創(chuàng)傷外科醫(yī)師。” “ CT掃描可能在本地可用，但可能沒(méi)有放射科醫(yī)生在場(chǎng)解釋圖像。如果AI能夠檢測(cè)到威脅生命的異常并且只轉(zhuǎn)移陽(yáng)性病例，那么資源匱乏的區(qū)域醫(yī)院也不會(huì)被不需要治療的患者所淹沒(méi)。”

在這樣的，其價(jià)值更加“遞增”，在這些，放射科醫(yī)生隨時(shí)可以根據(jù)需要解釋研究，但AI在這些情況下仍具有明顯的影響力。

在他的分析中，賈(Jha)著重指出了使用AI對(duì)頭部CT掃描進(jìn)行分類的努力。俗話說(shuō)，時(shí)間就是大腦，而服務(wù)提供者在處理神經(jīng)系統(tǒng)緊急情況時(shí)，每一秒都很重要。然而，人工智能可以幫助確保放射線醫(yī)師立即看到最重要的檢查。通過(guò)減少此類重要案例的周轉(zhuǎn)時(shí)間，人工智能為所有相關(guān)方提供了可觀的價(jià)值。

分析還強(qiáng)調(diào)，分類算法不一定總是在尋找“臨床上最嚴(yán)重的疾病”。AI真正可以揭示的是哪些條件是“最可逆的”。

Jha寫道：“可逆性對(duì)時(shí)間越敏感，分類的價(jià)值就越大。” “ 先天性預(yù)后不良的廣泛性腦室內(nèi)出血的 時(shí)間敏感性不如基底節(jié)中有細(xì)微的灰白色物質(zhì)變薄的缺血性中風(fēng)，可以通過(guò)迅速溶栓來(lái)逆轉(zhuǎn)。”

假陽(yáng)性，假陰性結(jié)果的危險(xiǎn)

當(dāng)然，與任何其他算法一樣，分類算法也不是完美的。賈(Jha)寫道，可能存在誤報(bào)(FP)和誤報(bào)(FN)，將不太緊迫的研究放在需要盡快閱讀的研究之前。

這樣做的一個(gè)副作用是，它實(shí)際上可能導(dǎo)致放射科醫(yī)生對(duì)自己的解釋進(jìn)行第二次猜測(cè)。

賈哈寫道：“放射科醫(yī)生在查看圖像之前不會(huì)知道一項(xiàng)研究是陽(yáng)性還是陰性。” “但他們將知道AI會(huì)由于研究在隊(duì)列中的位置而認(rèn)為研究是正面還是負(fù)面。在沒(méi)有AI分診的情況下，放射科醫(yī)生可能將研究稱為“正常”，但他們的出現(xiàn)可能會(huì)鼓勵(lì)放射科醫(yī)生看到報(bào)告中不存在或?qū)_的異常情況。”