Yapay Zeka Radyolojiyi Nasıl Dönüştürebilir?

Akademik tıp araştırmacıları ve teknoloji şirketleri bu yeni araçları geliştirmek için çabalarını birleştiriyor. Radyologlar, ilk çözümlerin hasta bakımını iyileştirmek ve operasyonları kolaylaştırmak için olumlu sonuçlar gösterdiğini söylüyor.

IDC Health Insights'ın kıdemli araştırma direktörü Mutaz Shegewi, sağlık kuruluşlarının radyolojide yapay zekayı sorunsuz bir şekilde benimsemek için tıbbi görüntüleme depolama sistemleri de dahil olmak üzere mevcut teknoloji altyapılarından yararlanabileceğini, ancak işletmelerinin bazı kısımlarını yeniden düşünmeleri gerektiğini söylüyor.

Shegewi, "İş akışı entegrasyonuna ihtiyaçları var. Bilgi işlem gücüne ihtiyaçları var ve yönetişime ve güvenliğe ihtiyaçları olacak " diyor.

Daha Hızlı Taramalar ve Gelişmiş Acil Servis Bakımı

Reeder, UW radyoloji araştırmacılarının kendi alanlarında yapay zekanın benimsenmesini araştırırken, yalnızca ABD Gıda ve İlaç Dairesi tarafından onaylanan yapay zeka teknolojisinin sağlık sistemlerine girebileceğini akıllarında tutmaları gerektiğini söylüyor.

Örneğin, UW Health'in tarama makinelerine FDA onaylı gelişmiş görüntü yeniden yapılandırmasını dahil ettiğini, bunun daha keskin görüntüler, daha az görüntü gürültüsü ve eser miktarda görüntü ürettiğini ve tarama süresini %30 ila %50 oranında kısalttığını, bunun da hastanın radyasyona maruz kalmasını azaltabileceğini ekliyor.

"Hastalar bundan hoşlanıyor. Biz de bundan hoşlanıyoruz çünkü bu sayede daha kısa muayene aralıkları planlayabiliyoruz," diyor Reeder. "Verimi ve iş akışını iyileştiriyor. Oyunun kurallarını değiştiriyor."

UW Radyoloji Bölümü Görüntüleme Bilişim Direktörü John Garrett, UW Health'in radyolojideki yapay zeka araçlarını desteklemek için şirket içi sunuculara, buluta, genel amaçlı bilgisayarlara ve görüntüleme makinelerine güvendiğini söylüyor.

Örneğin, bazı yapay zeka modelleri standart bilgisayarlarda çalışırken, beyin taramalarını analiz eden ve beyindeki kan akışının renk kodlu görüntülerini üreten yapay zeka destekli BT ve MRI beyin perfüzyon yazılımları şirket içi bir sunucuda çalışıyor, diye ekliyor.

KEŞFEDİN: Tıbbi görüntüleme ve analiz için yüksek performanslı depolama ile veri akışının kilidini açın.

Garrett, daha fazla bilgi işlem gücüne ihtiyaç duyan sınavların buluttaki GPU'larda çalıştığını , örneğin 10 ila 12 AI triyaj aracı tarafından değerlendirilen BT taramalarının çalıştığını söylüyor. Belirli algoritmaya bağlı olarak, Amazon Web Services ve Microsoft Azure gerçek zamanlı veri işleme gerçekleştirirken, bazı araçlarGoogle Cloud Platform'u kullanır.

Acil servis triyaj durumlarında, veriler buluta gönderilir ve burada birden fazla AI algoritması tarafından işlenir. Sonuçlar UW Health'in resim arşivleme ve iletişim sistemine geri gönderilir. Garrett, radyologların PACS iş istasyonlarındaki bir masaüstü widget'ının onları yüksek öncelikli bulgular konusunda uyarabileceğini söylüyor.

UW Health radyologları ayrıca rapor yazmada yardımcı olması için Dell bilgisayarlarında yapay zeka destekli ses tanıma yazılımı Nuance PowerScribe'ı kullanıyor. Reeder, çözümün uzun süredir kullanıcısı ve sürekli olarak iyileştirildiğini belirtiyor.

"Raporları verimli, doğru ve standart bir şekilde üretmemizi sağlıyor," diyor. "Mükemmel olmasa da doğru. Süslü tıbbi kelimeler söyleyebilirsiniz ve doğru sonuca ulaşır."

Bugün Sınırlı Tanısal Faydalar, Önümüzde Umut Vaat Eden Bir Gelecek

Boston merkezli Massachusetts General Brigham, klinik uygulamalarında çeşitli radyoloji AI araçlarını benimsedi. Bunlar arasında, radyologların tıbbi görüntüleri okumasına yardımcı olabilen görüntü kalitesini iyileştirmek ve "görüntü kantifikasyonu" gerçekleştirmek için kullanılan görüntü işleme araçları da yer alıyor, diyor Mass General Brigham'ın AI işinin kıdemli yöneticisi Dr. Bernardo Bizzo.

Sağlık sistemi, radyologlara acil bulguları önceliklendirme ve bildirme konusunda yardımcı olan yapay zeka destekli, bilgisayar destekli triyaj araçları konuşlandırdı, diyor. Ayrıca, tıbbi görüntüleri analiz eden düzinelerce yapay zeka modelini test etti ve şimdiye kadar bunlardan yaklaşık bir düzine kadarını benimsedi, diyor Bizzo.

Mass General Brigham bu AI araçlarını şirket içi veri merkezlerinde ve bulutta çalıştırıyor. Örneğin, Microsoft'un Nuance Precision Imaging Network'ünde (Azure üzerine kurulu) bazı AI modellerini benimsedi ve BT taramalarında akciğer nodüllerini tespit eden ve karaciğer MRI taramalarını analiz eden modeller dağıttı.

İLGİLİ: MR'ları modern tarayıcılar ve sanal programlarla dönüştürün.

Bu AI araçları radyologların taramaları yorumlamasına yardımcı oluyor, ancak mevcut faydaları sınırlı çünkü her model genellikle bir veya birkaç bulguyu tespit etmek üzere tasarlanıyor. Radyologlar bütünsel bir bakış açısına sahip olmalı ve kapsamlı bir rapor için görüntüyü analiz etmelidir, diye ekliyor Bizzo.

"FDA tarafından onaylanan her AI aracı yalnızca birkaç görüntüleme bulgusunu tespit ediyor. Belirli kullanım durumlarında biraz yardımcı oluyor, ancak AI'nın hepimizin umduğu şekilde ibreyi hareket ettirmiyor, çünkü bir radyoloğun işi yalnızca bir avuç bulguyu tespit etmekten daha fazlasıdır," diyor.

Ancak radyologlar, yeni AI araçlarının olgunlaşabileceğinden emin olduklarını söylüyor. Örneğin, Mass General Brigham, ABD'de FDA onayı ve klinik kullanım arayışında olan şirketlerle birlikte, ortaya çıkan AI modellerini ve araçlarını test etmek için dünya çapında çalışıyor. Buna , jeneratif AI ve kapsamlı AI araçlarının test edilmesi de dahildir. Bizzo, bu yeni araçların daha derinlemesine teşhisler yapmak için birden fazla algoritmayı tek bir pakette birleştirebileceğini söylüyor.

"Bence, tespit ve teşhis için AI araçları radyologlara en çok yardımcı olabilir, özellikle yakın gelecekte rapor taslağı hazırlarken," diyor. "AI'nın teşhis doğruluğunu ve verimliliğini artırması için çok fazla vaat var."

Yapay Zeka Aracı Böbrek Hastalığı Tedavisinin Etkinliğini Ölçüyor

Yaklaşık bir yıl önce, Weill Cornell Tıp Fakültesi'nin radyoloji bölümü, araştırmacıların radyoloji için yapay zeka modelleri geliştirip eğitmelerine, ardından bunları klinik bir ortamda kullanmalarına ve test etmelerine olanak tanıyan, NVIDIA GPU'larında çalışan Dell sunucuları tarafından desteklenen gelişmiş bir yapay zeka kümesi oluşturdu.

Örneğin, New York-Presbyterian Hastanesi /Weill Cornell Tıp Merkezi'ndeki (tıp fakültesinin araştırma ve öğretim hastanesi) doktorlar, hastalığın ilerlemesini ve tedavi etkinliğini belirlemek için hastaların böbreklerinin hassas ölçümlerini yapan bir yapay zeka modelini test ediyorlar, diyor Weill Cornell Tıp Fakültesi Radyoloji Bölümü'nde Yapay Zeka ve Mühendislik Araştırmaları başkan yardımcısı ve Cornell Tech'te elektrik ve bilgisayar mühendisliği profesörü olan Dr. Mert Sabuncu.

Daha spesifik olarak, yapay zeka modeli, böbreklerde kistlerin oluşup büyüdüğü ve bunun böbrek hasarına ve yetmezliğine yol açabildiği genetik bir bozukluk olan polikistik böbrek hastalığına sahip hastaların klinik taramalarını analiz etmek üzere tasarlandı.

İleri PKD'li hastalar genellikle yılda bir kez MRI taramasından geçerler.

Sabuncu, "Standart radyoloji raporlarında çok sayıda izlenimci ifadeler var," diyor. "Radyologlar gördüklerini çok sayıda niceliksel ölçüm yapmadan tarif ediyorlar, bu da Tolvaptan gibi bir ilacın işe yarayıp yaramadığını anlamanın birkaç yıl alabileceği anlamına geliyor."

Birkaç yıl önce, Weill Cornell Medicine'deki bir araştırma ekibi, karın anatomisinin son derece hassas sayısal ölçümlerini üretebilen bir AI modeli geliştirdi. Bugün, bu araç klinik karar vermeyi bilgilendirmek ve bir ilacın hastalar için etkili olup olmadığını daha iyi değerlendirmek için kullanılıyor, diyor.

Yapay zeka hatalar yapabilir, bu nedenle iş akışının bir parçası olarak bir teknoloji uzmanı veya radyolog modelin sonuçlarını inceler, gerekli düzeltmeleri yapar ve ardından son inceleme için başka bir radyoloğa iletir. Ayrıca yapay zeka modelinin ölçümleri yanlışsa sonuçları reddedebilirler.

Sabuncu, "Doğru sonuçları garantilemek için döngüde bir insanımız var" diyor.

Weill Cornell Medicine, AI modeli için FDA onayı almayı umuyor, ancak şimdilik bunu akademik bir araştırma hastanesi olarak hastalar üzerinde kullanabilir. "Son teknoloji araştırma araçlarını kullanma lüksüne sahibiz" diyor.

Bu tür araçların radyolojiyi devrim niteliğinde değiştireceğine inanıyor. Sabuncu, "Önümüzdeki beş yıl içinde büyük bir dönüşüm geçirmenin eşiğindeyiz. Radyolojiyi geliştirecek ve tıbbı dönüştürecek çok sayıda yapay zeka aracı olacak" diyor.