在医学成像中导航人工智能景观:对技术,实施和影响的批判性分析

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 医疗成像体积的增加使放射科医生的能力受到压力,影响诊断的及时性.
• 超过770个由FDA批准的AI放射学设备,主要是基于深度学习的设备,突出显示了AI日益增长的作用.
• 显著的挑战阻碍了人工智能的开发,验证和放射学中的临床整合.

研究的目的:

• 审查将人工智能 (AI) 整合到放射学中的挑战和机会.
• 探索负责任的人工智能进步的途径和利益相关者的观点.
• 确定对人工智能的要求,以有效支持放射科医生并提高诊断准确性.

主要方法:

• 对医学成像和放射学中人工智能的当前文献的综述.
• 对人工智能实施的监管环境和技术障碍的分析.
• 讨论新兴的人工智能技术,如少量学习和自我监督模型.
• 考虑临床整合,数据基础设施和工作流程调整.

主要成果:

• 人工智能开发面临的局限性是由于注释数据稀少,监管障碍和技术障碍 (可解释性,概括性) 造成的.
• 临床采用和放射科医生社区的适应正在滞后.
• 短暂学习,自我监督模型和集中平台的进步为人工智能生态系统提供了潜力.
• 在数据基础设施,负责任的临床翻译和工作流集成方面仍有大量的工作.

结论:

• 需要全面的AI解决方案来克服放射学数据,监管和整合方面的挑战.
• 确保人工智能安全和有效增强放射科医生的能力,必须采取多学科的努力.
• 应对这些挑战将通过提高诊断准确性和效率来加强医疗保健系统.