放射学中使用人工智能来协助图像解释任务的方法正在发展

根据星期日的报道，正在放射学中使用人工智能（AI）来协助图像解释任务的方法正在发展，但是计算机辅助检测（CAD）时代的许多旧因素和概念仍然存在。在医学影像机器智能会议（C-MIMI）上的演讲。

随着AI新时代的到来，发生了许多变化，包括更快的计算机，更大的图像数据集和更高级的算法-包括深度学习。芝加哥大学的Maryellen Giger博士认为，另一件事发生了变化，那就是实现了将AI纳入临床实践的其他原因和方法。她说，更重要的是，人工智能也正在针对更广泛的临床问题，更多的成像方式和更多的疾病而开发。

同时，许多问题与CAD时代面临的问题相同。她说，检测，诊断和反应评估具有相同的临床任务，也存在着“垃圾进，垃圾出”的担忧。而且，标签外使用该软件的潜力相同，并且统计评估的方法相同。

她说，同样需要足够数量的训练案例来代表AI算法可能遇到的疾病，同样需要将成像领域的专家与计算机领域的专家组成团队。

吉格（​​Giger）在C-MIMI 2020开幕主题演讲中讨论了AI在医学影像解释中的变化作用，该会议由医学影像信息学会（SIIM）举办。

改变动机

但是，在CAD时代与当今新兴的AI时代之间存在着明显的转变。例如，在将AI用于乳腺癌筛查时，过去的重点是利用该技术作为第二读者。吉格认为，但这已变为并发读取方法。

使用这些技术的动机也发生了变化。

她说：“起初，这是为了提高放射线医师的表现，并让他们减少对（例如）乳腺癌的检出率。”“现在的动机是提高效率，尤其是当我们进入3D成像时。我们有更多的数据可供放射线医生处理。。.。而且我们是否可以拥有这样的数据，以使放射线医生能够像以前一样完成工作，但是要减少一半的时间。”

她说，例如，正在为全乳腺超声开发各种方法，以加快3D数据集中发现病变的速度。将AI应用于乳腺癌筛查，诊断和评估的其他值得注意的领域包括计算机辅助分类，计算机辅助诊断的发展，例如评估肿瘤内异质性和放射基因组学。