在放射学中建立一个多社会生成AI工作组.
Sabrina K Hsiao1, Rachel M Treat1, Ramin Javan1
1Department of Radiology, George Washington University School of Medicine and Health Sciences, Washington, USA.
Cureus
|August 14, 2024
概括
生成型人工智能 (GenAI) 在放射学中提供了新的功能,但需要仔细整合. 建议成立一个多学科工作组,指导在临床放射学,政策和教育中安全采用GenAI.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 传统的人工智能 (AI) 在放射学中用于检测和决策.
- 机器学习子集生成性AI (GenAI) 基于数据概率创建内容,呈现机遇和不确定性.
- 将GenAI安全整合到医学中需要多学科的合作.
研究的目的:
- 建议成立一个由主要放射学学会组成的生成人工智能 (GenAI) 工作组.
- 概述该工作组在指导GenAI融入临床放射学,卫生政策和教育方面的作用.
- 探索放射科医生和学员适应不断发展的人工智能技术的策略.
主要方法:
- 建议成立一个涉及关键放射学学会 (ACR,SIIM,RSNA,ESR,AUR,ARRS) 的GenAI工作组.
- 探索指导任务小组如何促进GenAI在放射学实践中的整合.
- 讨论为放射科医生和实习生制定战略的必要性.
主要成果:
- 建立一个协作工作组对于管理GenAI的影响至关重要.
- 特别工作组的指导方针将有助于负责实施GenAI.
- 放射科医生和实习生将从AI整合的结构化策略中受益.
结论:
- 多学科合作对于利用GenAI在放射学方面的潜力至关重要.
- 建议成立一个专门的GenAI工作组,以确保安全有效地融入临床实践,政策和教育.
- 对于放射科医生和实习生来说,制定明确的策略至关重要,以导航医学中AI不断发展的景观.


