智能高效，医疗数字化 | 如何在影像工作流中实施人工智能

目录

• 导言 📚
• 亚洲优势周简介 🌟
• G医疗保健的数字生态系统 💡
• 如何在影像工作流中实施人工智能 🔍
• 革新的AI平台方法：无缝集成 👩‍💻
• AI在放射学中的爆发性增长 💥
• AI在影像工作流中的临床优势 🏥
• AI的挑战与机遇 🤔
• G医疗保健AI平台的非线性增长 📈
• 引入AI的影像工作流程的最佳实践 🚀
• 总结与展望 👓

简介 📚

大家早上好，下午好，欢迎参加我们的2021年亚洲效率周，很高兴今天在这里与大家分享这个特别的讲座。我是詹妮斯皮格，也是G医疗保健的市场经理。今天我荣幸地担任这一个小时的主持人。在2020年这个特殊的一年中，G医疗保健一直通过虚拟平台与大家互动，为大家提供很多教育和临床知识，通过直播演示和线上培训的方式。在2020年的RSNA大会上，G医疗保健继续利用数字平台，将多达10款新产品在线发布到市场上，以有效地向东南亚的受众展示这些新产品的亮点。 近期的亮点是从2月2日到2月10日的亚洲效率周，每天我们的模态将为您带来一个重点新产品的亮点，并与观众分享其益处和临床价值。网络研讨会将在此时间安排进行，因此希望我们的时间对您更合适一点。请随意携带午餐一起收听网络研讨会。但是，如果您错过了中午的研讨会，不要担心，我们的回放会话仍然会在每天的新加坡时间晚上7点到8点期间提供。

G医疗保健的数字生态系统 💡

我想在今天的讲座中向大家介绍一个关于医疗数字生态系统的话题，希望能为您带来一些新的思考。我很荣幸地引入今天的演讲嘉宾彼得·埃德尔斯顿先生，他是G医疗保健的产品营销总监，拥有25年的创新和基于人工智能的产品为医疗保健市场带来的经验。他负责市场战略，以及公司放射学平台系统，可视化和人工智能解决方案的环境。他还发表了40多篇与影像和人工智能相关的文章。

如何在影像工作流中实施人工智能 🔍

🌟 引言

在1965年，戈登·摩尔看到了一种趋势，即计算机的速度和功能每两年翻一番，同时成本降低。他向我们介绍了指数技术曲线的概念。这引发了几十年来计算能力的指数增长，由更快的芯片驱动着。机器学习的崛起就是这一趋势的结果。如今，机器更聪明、更快速、更负担得起，这导致了人工智能的崛起。这也影响着我们对技术未来的看法。20年前，雷·库兹韦尔指出，人们对未来时期的看法自然而然地认为当前的进展速度将在未来继续下去。换句话说，我们的直觉告诉我们，技术的演进速度将按照过去的线性速度继续发展，特别是关于人工智能和放射学方面的发展。这反映了我们所了解的陷阱，我们要理解和规划未来需要考虑的是，以斯坦福大学最近发布的一份报告为基础，计算能力的发展要比处理器芯片的开发快得多。因此，我们看到人工智能算法的性能实际上远远超过了摩尔定律。从2012年开始，计算能力的速度每三个半月就会翻一番。这对机器学习产生了令人震惊的影响。在短短18个月内，训练图像识别神经网络所需的时间从3个小时减少到88秒，而且准确率并没有降低。因此，要正确地理解未来，以及人工智能对放射学领域的快速影响，我们需要以比现在更快的速度来设想事物的发展。您需要根据技术变革的速度准确地了解自己的观点。

👩‍💻 革新的AI平台方法：无缝集成

G医疗保健的爱迪生团队创建了开放的AI协调器，利用独特的可视化编排引擎为组织快速部署、自动化和管理非AI和基于AI的算法，将其纳入到临床影像工作流中。它提供了一种灵活统一的解决方案，允许组织快速部署、自动化和管理现有的和新的临床应用程序。它提供了可视化的方法来仪器化和优化影像工作流程，规则管理使用AI应用程序的功能，并能够筛选和优先处理检查以提供及时的决策支持。 现在让我们看看它是如何工作的。首先，来自影像扫描仪的检查被发送到PACS中。Edison AI协调器（作为Centricity PACS的可选组件）会监视检查的到来，并根据DICOM标头信息（如患者年龄、模态、身体部位，甚至是影像来自的位置，如急诊室）运行规则。然后，它执行一个或多个决策和规则工作流映射，这些映射是使用可视化编辑器设计的。它匹配适当的检查和合适的AI应用程序，并将这些检查路由到相应的AI应用程序，无论它们是位于本地还是云端。例如，如果一张胸部X光片从急诊室收到，病人年龄在18岁以上，则将其路由到气胸检测算法，并高优先级处理。然后，它会获取气胸结果，如气胸概率分数和任何位置参考，如热图或图像叠加，并将其传递回PACS。然后，这些结果会在诊断平台的工作列表和查看器中适时提供给放射科医生。我展示的是我们的Centricity Workflow Manager（作为我们诊断放射学PACS查看器的一部分），这在亚洲地区目前还不可用，我正在给大家演示的内容将与我们的辐射学信息解决方案中对AI结果集成的方式非常相似。AI结果将呈现给适当的工作列表位置，以便在放射学家的影像工作流程中使用，无论是在他们的工作列表中，还是在诊断中心的查看器中。在影像工作站中，放射科医生打开病例时，AI结果可以自动整合到挂片协议中，这允许将AI结果显示在与当前DICOM研究一起显示的二级DICOM捕捉图像或通过使用DICOM结构报告标准CAD SR显示。例如，我们正在展示概率得分为气胸检测的结果，以及热图覆盖显示其被检测出的肺部区域。医生在阅读检查时将有相同的体验，这些检查既可以通过我们的移动X射线设备运行的G医疗保健重症护理套件所产生，也可以通过算法协调器所产生。我马上就会详细介绍。

🔍 AI在放射学中的爆发性增长

在我们所提供的AI市场中，AI应用程序的数量不断增加，涵盖了多个模态。根据已发表的关于放射学和影像诊断中使用AI的文献和论文的图表趋势，可以清楚地看到AI在放射学中的爆发性增长。从10年前的每年150个到今天的超过800个。这导致了医疗成像行业启动了大量投资，而医疗AI的投资在所有行业中占据了主导地位。所有这些发展活动都导致了大量基于AI的影像应用程序进入市场，这些应用程序很快将涌入市场中。这引发了一个问题，即如何将所有这些AI应用程序纳入您的影像工作流程中，以一种快速、简便和可扩展的方式。您可能会想，如果今天就有一种基于AI的肺结节检测算法可供您使用，您将如何快速将其纳入您的影像工作流程中？而更重要的是，您能够多快地实现呢？答案可能会取决于您当前的路径是否具有快速且容易承载新的临床应用程序的平台，并且根据您当前的工作流程的要求进行更改。

AI在影像工作流中的临床优势 🏥

AI在放射学领域的应用，以及它在影像工作流中的集成，将为医疗保健提供以下三个方面的临床优势：

1. 优先筛查和诊断：AI可以通过自动识别和提示具有关注特征的图像区域，在遇到大量影像时帮助放射科医生进行筛查和诊断。它可以快速检测潜在的危急病例，如肺气胸，从而使放射科医生能够更快速地处理和诊断这些病例。

2. 辅助诊断：AI可以提供量化和定性的信息，来帮助放射科医生更准确地诊断疾病。它可以帮助在影像中识别病变、计量病变大小，以及跟踪疾病的变化。这使得放射科医生能够在诊断中更加自信和准确。

3. 工作流优化：AI可以帮助优化影像工作流程，提高放射科医生的工作效率。AI可以辅助放射科医生在阅读影像时快速判断和标注病灶，以及提供结构化报告和影像示例，以便放射科医生更快速地完成报告。

综上所述，通过将AI引入影像工作流程，放射科医生可以更快速、更准确地进行诊断，提高工作效率，以及提供更好的尽职调查和临床护理。

AI的挑战与机遇 🤔

引入AI不仅仅是为了替代放射科医生的工作。实际上，它是为了帮助放射科医生提高效率，并让他们更好地与关键的护理团队和患者进行交流。然而，使用AI也面临一些挑战。

• 数据质量：AI的成功与数据质量直接相关。如果数据质量不好，AI的准确性和性能就会下降。因此，确保影像数据的质量和标准非常重要。

• 模型训练：AI算法需要大量的数据进行训练，并且需要经过专业人员的精心标注。这需要一个良好的训练流程和标准化的标注方法。

• 算法解释和可解释性：AI算法的输出往往是一个黑盒子，难以解释。因此，需要开发方法来解释算法的决策过程，并确保其可靠性和可解释性。

然而，随着技术的发展和数据的积累，AI在放射学领域的机遇也越来越多。AI可以成为一个有利的工具，帮助放射科医生提高效率、减少错误和提供更好的患者护理。

G医疗保健AI平台的非线性增长 📈

G医疗保健作为一个全球领先的医疗保健解决方案提供商，积极推动放射学中的人工智能应用。我们的AI平台，即Edison开放AI协调器，采用了先进的可视化编排引擎，提供了灵活统一的解决方案，可以快速部署、自动化和管理非AI和AI基于算法，将它们纳入临床影像工作流中。我们的AI平台采用了一个开放的系统，用户可以轻松配置工作列表，包括与其他医院系统（如呼叫或通知系统）进行交互的代码。这使得我们的平台不仅适用于G医疗保健设备，也适用于其他设备和PACS。我们致力于与合作伙伴合作，通过开放的AI平台加速临床创新和研究成果。为了进一步推动临床AI应用的发展，我们还创建了一个软件市场，让客户能够浏览我们的软件，查看与他们正在使用的设备兼容的软件，并可直接下载、安装和更新软件。这使得客户能够更轻松地找到适合他们的临床应用程序，并加速其临床创新和研究成果的实现。

通过上述提到的AI平台的优势和功能，我们相信G医疗保健的AI平台将在放射学领域带来巨大潜力和机遇。我们鼓励各位医疗保健提供商利用我们的AI平台，快速与您的设备整合，实现无缝的AI应用，并为您的医疗工作流程带来革新和提升。

引入AI的影像工作流程的最佳实践 🚀

在引入AI的影像工作流程中，以下是一些最佳实践和注意事项：

1. 明确目标和需求：在引入AI之前，确保明确您的目标和需求。了解您希望通过AI实现的目标，并确定使用AI的具体场景和应用程序。

2. 评估算法和供应商：在选择AI算法和供应商时，进行充分的评估，并确保其与您的工作流程和设备兼容。考虑算法的准确性、性能和支持服务，以及供应商的可靠性和可扩展性。

3. 充分测试和验证：在实际部署之前，对AI算法进行充分的测试和验证。确保算法在实践中的性能和准确性与预期一致，并根据需要进行优化和调整。

4. 培训和支持：为使用AI的放射科医生和技术人员提供充分的培训和支持。确保他们对AI的使用方法和最佳实践有清楚的理解，并能够充分利用AI的优势。

5. 监测和改进：定期监测和评估AI的性能和效果，并根据需要进行调整和改进。与供应商和用户进行定期的反馈和沟通，以确保系统的持续优化和改进。

通过遵循这些最佳实践，您可以更好地引入AI，并将其无缝集成到您的影像工作流程中。这将使您能够提高工作效率、改进诊断结果，并提供更好的患者护理。

总结与展望 👓

在本次讲座中，我们讨论了G医疗保健的数字生态系统以及如何在影像工作流程中实施人工智能。通过无缝集成和部署AI算法，我们相信AI将为放射学和医疗保健领域带来巨大的改进和机遇。AI可以帮助放射科医生在诊断中更准确、更快速，并提高工作效率。我们也讨论了AI的挑战和机遇，以及在引入AI时需要注意的最佳实践。我们希望通过这次讲座能够激发您对AI的兴趣，并为您提供应用AI的指导和建议。

在未来，我们相信AI将继续在放射学和医疗保健领域发挥重要作用。我们鼓励各位医疗保健提供商积极探索和应用AI技术，以提高工作效率、优化诊断结果，并实现更好的患者护理。

非常感谢大家的聆听，如果您有任何问题，我将非常愿意回答。谢谢！

Highlights:

• G医疗保健开放AI协调器提供一个灵活、统一的解决方案，可以快速部署、自动化和管理非AI和AI应用
• AI在影像工作流中的临床优势包括优先筛查和诊断、辅助诊断以及工作流优化
• 引入AI的流程包括明确目标和需求、评估算法和供应商、充分测试和验证、培训和支持、监测和改进
• AI将继续在放射学和医疗保健领域发挥重要作用，提高工作效率、优化诊断结果，并改善患者护理的质量

FAQ

Q: AI算法是否可以与其他品牌的设备集成？ A: 是的，G医疗保健的AI平台是完全不受设备品牌限制的，可以与其他设备和PACS集成。

Q: AI对放射科医生的角色有何影响？ A: 引入AI不是为了替代放射科医生的工作，而是为了帮助他们提高效率，并让他们更好地与护理团队和患者进行交流。

Q: 如何评估和选择适合自己的AI算法和供应商？ A: 在选择AI算法和供应商时，需要评估其准确性、性能和支持服务，并确保其与您的工作流程和设备兼容。

Q: AI平台是否支持乳腺X射线摄影？ A: 是的，我们的AI平台支持多种影像学应用，包括乳腺X射线摄影。

Q: AI算法的输出如何解释和解释性？ A: AI算法的输出通常是一个黑盒子，难以解释。目前还需要进一步研究和开发方法来解释和验证AI算法的决策过程。

Resources:

• G Healthcare 官方网站
• G Healthcare AI Marketplace