¿Los médicos especialistas en imágenes forman un grupo para aprender IA de Andrew Ng? La Sociedad de Radiología de América del Norte realiza su primer curso de doctorado en IA.
El 2 de junio, la Sociedad de Radiología de América del Norte (RSNA) celebró del 31 de mayo al 1 de junio el primer “Curso AI Focus: AI Era” para radiólogos. A través de un curso de dos días, este artículo intenta presentar los orígenes técnicos de las imágenes médicas de IA, las aplicaciones existentes y cómo comprender el progreso académico de las imágenes médicas de IA, con la esperanza de ayudar a los médicos a adaptarse a la nueva era de estrecha cooperación con tecnologías emergentes. .
Después de todo, la atención médica tiene una gran cantidad de datos y necesidades tecnológicas. Es el primer campo en recibir el impacto de la tecnología de inteligencia artificial a gran escala y también es una de las industrias con la aplicación más rápida. de tecnología.
Esta "Conferencia sobre IA" incluye una breve introducción a la tecnología de IA en el campo de las imágenes médicas, una discusión sobre su impacto en la protección de la salud humana y cómo integrar los sistemas de IA en su propia práctica médica, cada uno de ellos. parte invita a personas destacadas de la industria de la IA a debatir o dar discursos. Extrajimos algunos puntos clave:
En este curso, el punto más claro es que la IA ya es la tecnología más importante en el campo de la medicina radiológica. Los métodos de imágenes médicas, como la tomografía computarizada, la resonancia magnética y la tomografía por emisión de positrones, son datos importantes para que los médicos realicen diagnósticos. Las poderosas capacidades de procesamiento de datos de la IA pueden ayudar a los médicos en muchos niveles.
El experto en inteligencia artificial de renombre mundial y profesor de la Universidad de Stanford, Andrew Ng, presentó el desarrollo de la inteligencia artificial y los algoritmos de aprendizaje profundo, así como los nuevos avances en la tecnología de imágenes de inteligencia artificial. En cooperación con el Hospital de Stanford, su laboratorio completó trabajos como ChestXnet y Xray4all. Utilizar el aprendizaje profundo para comprender imágenes. Estas tecnologías de aprendizaje profundo pueden comprender once manifestaciones patológicas diferentes en radiografías de tórax, detectar anomalías en resonancias magnéticas de rodilla, detectar manifestaciones patológicas que apuntan a aneurismas en películas de TC de cabeza y más.
“El aprendizaje profundo ya puede completar todas las tareas básicas que los humanos necesitan completar en un segundo. Por supuesto, todavía queda un largo camino por recorrer antes de que la IA pueda reemplazar completamente a los médicos en el juicio diagnóstico, y hay muchos. Se deben lograr avances ", dijo Ng Enda.
Uno de los organizadores de este curso, el profesor Curtis Langlotz, subdirector del Departamento de Radiología de la Facultad de Medicina de la Universidad de Stanford, mencionó que no le preocupa tanto que la crisis de la IA reemplace por completo el trabajo de Los radiólogos clínicos son pesimistas. Enfatizó que los médicos especialistas en imágenes necesitan cambiar constantemente y aprender más conocimientos y habilidades de inteligencia artificial de vanguardia, pero la inteligencia artificial es solo otra nueva tecnología y desarrollo valioso después de las nuevas tecnologías como la tomografía computarizada, la resonancia magnética y el ultrasonido que se encuentran en la medicina clínica. Los médicos deben aplicar nuevas tecnologías de inteligencia artificial al trabajo clínico. "Algunos médicos piensan que las tareas son triviales, como medir el tamaño de las lesiones y rastrear los cambios en el tamaño de las lesiones en diferentes ciclos de la enfermedad. Estas son tareas en las que la IA es buena, pero a la gente no le gustan y en las que es buena. Entonces, desde Desde una perspectiva, la IA puede permitir a los médicos "trabajar mejor". Dijo: "Con la ayuda de la IA, los médicos pueden realizar algunas tareas más interesantes y cognitivamente desafiantes".
Es innegable que los médicos todavía enfrentan algunas dificultades. nuevas tareas. Frente a que la IA cambia constantemente el estado actual del campo médico, ¿cómo puede un médico que está en estrecho contacto con los pacientes y brinda servicios médicos diarios adaptarse a esta era?
En primer lugar, los médicos necesitan saber más sobre la nueva tecnología y cómo se puede utilizar en el diagnóstico clínico, el pronóstico quirúrgico, la detección temprana y otros campos. Durante el curso, numerosos investigadores en inteligencia artificial en imágenes médicas compartieron sus nuevas investigaciones en estos campos.
“La IA no reemplazará a los médicos, pero los médicos que pueden usar la IA reemplazarán a los médicos que no pueden usar la IA. El profesor Curtis Langlotz estaba discutiendo la aplicación de la IA en las clínicas médicas. En este momento, hay frecuentes frases de oro”. .
Ng Enda también dijo: "En el mundo de la tecnología, cada cinco años, nuestros trabajos cambiarán drásticamente. Hoy en día, la tecnología también permite que todas las demás industrias cambien más rápido que antes. En el pasado, la radiología mucho Muchas cosas que hacen los médicos se automatizarán, pero si estos médicos están dispuestos a pensar en lo que es realmente importante, ampliar sus horizontes y centrarse en tareas diferentes a las que pueden automatizarse, no tienen nada de qué preocuparse”. p>
En segundo lugar, la nueva tecnología en sí misma puede mejorar aún más el nivel profesional de los médicos.
El Dr. Hugh Harvey, radiólogo de Kheiron Medical en el Reino Unido, señaló que los radiólogos necesitan saber más sobre ciencia y tecnología de datos. Los radiólogos deben comprender los conceptos básicos de la ciencia de datos, el aprendizaje automático y, especialmente, la organización de los datos. Mencionó que las tecnologías de inteligencia artificial, como el aprendizaje profundo, requieren una gran cantidad de datos, pero la gente a menudo solo se centra en la cantidad e ignora la calidad cuando habla de ella. Los datos obtenidos directamente de los sistemas clínicos están lejos de utilizarse verdaderamente en la investigación y las aplicaciones clínicas de IA.
La clasificación general de datos requiere al menos cuatro niveles de operaciones.
La primera capa son los datos obtenidos directamente del sistema clínico (PACS, sistema de historia clínica electrónica). Estos datos a menudo contienen información confidencial, son grandes en cantidad pero complejos y realmente no pueden usarse para investigaciones.
El segundo nivel son los datos que han sido revisados por un comité de ética y eliminados de la información confidencial del paciente. Los médicos e investigadores tienen acceso limitado a ellos, pero estos datos generalmente no están estructurados y se utilizan directamente para la investigación.
La tercera capa consiste en realizar una limpieza estructural adicional y una inspección visual de estos datos para garantizar la calidad de los datos de la imagen.
La cuarta capa consiste en hacer coincidir finalmente estos datos con la información clínica correspondiente y etiquetar los datos de forma manual o automática para la investigación y el análisis de la IA. Pero al final de esta capa, es necesario confirmar si el valor estadístico de los datos es suficiente y si existe un estándar real para el etiquetado. Por ejemplo, el juicio sobre la enfermedad de un paciente debe compararse con los resultados de la lectura de gráficos de muchos médicos, y la enfermedad se puede diagnosticar a través de los resultados del inicio o seguimiento posterior.
Para los médicos, estar abiertos a la tecnología y estar expuestos y dominar las tecnologías emergentes a través de cursos, actividades e intercambios de proyectos probablemente hará que los futuros servicios médicos "duplican el resultado con la mitad del esfuerzo".
El profesor Greg Zaharchuk, doctorado en neuroimagen de la Universidad de Stanford y director del Laboratorio de Imágenes Neurofuncionales Frontier que asistió a la reunión, dijo que dichos cursos pueden explicar bien la teoría, la aplicación, el desarrollo y las limitaciones de la IA a los médicos. . Le complace comprobar que cada vez más médicos especialistas en imágenes se entusiasman con la inteligencia artificial y espera adquirir más conocimientos en este ámbito.
Por otro lado, también enfatizó que todavía existe una gran brecha entre la investigación clínica de IA y el despliegue de productos reales de IA clínica. Cómo garantizar el algoritmo bajo diferentes circunstancias, equipos, parámetros de escaneo, etc. , son todos problemas actuales que deberán resolverse gradualmente en el futuro.
“Fue muy eficiente ver a tantos médicos y profesionales de imágenes participar en este evento. Este es el primer curso enfocado en inteligencia artificial organizado por RSNA, y esperamos mantener la investigación científica, la práctica clínica y la industria ". Además, es bueno para las empresas de imágenes de IA, como Shentou Medical, analizar rigurosamente el rendimiento del producto y el valor clínico durante la comercialización", afirmó el profesor Matthew Lungren de la Universidad.
Los radiólogos enfrentan más oportunidades y desafíos en la era de la IA. Para el público en general, la tecnología puede brindar más seguridad y estándares médicos más altos.
En este evento, Pranav Rajpurkar, estudiante de doctorado del laboratorio de Andrew Ng, demostró la plataforma Xray4All in situ: cargue las fotografías de imágenes de rayos X capturadas por el usuario y, después de uno o dos segundos de transmisión, Los resultados se pueden obtener en línea, detectar anomalías y resaltar las partes anormales.
“Los escenarios de aplicación de esta tecnología son particularmente adecuados para resolver la escasez de recursos médicos en los países en desarrollo y los escenarios de salud global”.
Arterys, otra empresa estadounidense de imágenes de IA que ha recaudado más de 45 millones de dólares, también celebró un almuerzo y presentó su visión de futuro: promover aún más su análisis de imágenes y productos de IA, y expandir gradualmente la plataforma. A través de datos del mundo real, podemos fundamentar las decisiones médicas de personas de todo el mundo, automatizar tareas médicas de rutina, promover aún más la igualdad y la democratización médica y proporcionar análisis preventivos. Arterys enfatizó particularmente que sus productos de análisis de imágenes y de inteligencia artificial se basan en el procesamiento de computación en la nube, y enfatizó que la computación en la nube es en realidad más rápida, más segura y más confiable que los cálculos en el sistema informático interno del hospital.
Como uno de los países con la mayor inversión médica anual en gastos gubernamentales totales, Estados Unidos está a la vanguardia mundial en la promoción de la tecnología médica de IA. Como país con una gran población, China carece de recursos médicos promedio y tiene una enorme demanda de atención médica de IA.
Este curso invita a enseñar a Changxiang Technology de China, a Nuance de Estados Unidos y a la micromedicina médica de penetración profunda, que han popularizado rápidamente el procesamiento de imágenes de IA en China y Estados Unidos, con el tema "Realizar la IA". : La última milla". Analice los pasos críticos finales en la industrialización del despliegue clínico de sistemas de IA.
Imagine Medical dijo que muchos de sus productos han estado expuestos a millones de registros médicos en China y han sido probados en cuatro hospitales/centros de imágenes en los Estados Unidos. Nuance, que tiene una gran participación de mercado en herramientas de reconocimiento de voz y herramientas de lectura y etiquetado de imágenes para imágenes clínicas en los Estados Unidos, también está promocionando su tienda de aplicaciones de IA de imágenes médicas "Nuance AI market".
Shentou Medical es el único entre los tres que tiene un producto de IA aprobado por la FDA para su comercialización. El Dr. Gong Enhao, director ejecutivo de Shentou Medical Co., Ltd., presentó cómo implementar clínicamente sus productos SubtlePET aprobados por la FDA y realizar ensayos clínicos en productos como SubtleMR en aplicaciones.
El producto SubtlePET de Sentou Medical es la primera aplicación de mejora de imágenes médicas aprobada y la primera aplicación de IA en el campo de la medicina nuclear. El valor de su producto se centra en el uso de IA para acelerar la adquisición de imágenes aproximadamente 4 veces y también proporciona soluciones para reducir la cantidad de radiación y medios de contraste. Esta solución de software permite a los pacientes obtener exámenes de imágenes clínicas más convenientes, de mayor calidad, más seguros e inteligentes. Después de la aprobación de la FDA, se llevó a cabo la implementación comercial y la cooperación clínica en 20 de los principales hospitales y centros de imágenes de los Estados Unidos y de todo el mundo.
En Estados Unidos, el umbral para que los hospitales realmente apliquen la IA y estén dispuestos a pagar por ella es muy alto. Es necesario integrar profundamente el sistema de información del hospital, confirmar el efecto del sistema con los médicos y demostrar el retorno que la compra del sistema de IA puede aportar al hospital.
“En los Estados Unidos, el despliegue real de hospitales requiere comunicación con los médicos, los líderes de sistemas de información y el personal de operaciones y administración del hospital como ejemplo, los líderes clínicos y de ventas de la empresa deben serlo. Realice pruebas rápidas y efectivas con datos reales con hospitales, lo que les permitirá utilizar sus propios datos para realizar pruebas clínicas en tiempo real sin afectar las operaciones existentes del hospital tanto como sea posible. A través de pruebas reales y una aceleración de exámenes de imágenes real e impresionante, los hospitales pueden objetivamente. "Aporta nuevo valor clínico y valor económico al hospital, avanzando así hacia la adquisición y el despliegue", dijo Gong Enhao, director ejecutivo de Shentou Medical.
El director ejecutivo de TeraRecon, una empresa de posprocesamiento de imágenes médicas, también es el director ejecutivo de Envoy, una plataforma de inteligencia artificial de imágenes médicas. Jeff Soreson y el profesor Eliot Siegal, un famoso médico especialista en imágenes y promotor de la IA en imágenes, también discutieron cómo optimizar el flujo de trabajo, el proceso de implementación y la verificación continua de la IA en imágenes en forma de entrevistas mutuas.
“La verificación clínica en profundidad de los algoritmos de IA es un paso clave en la promoción de la IA médica, y estamos en constante desarrollo hacia este objetivo”, enfatizó el profesor Elliot Seager.
Aunque las imágenes médicas ya son uno de los campos más adecuados y de más rápido despliegue en el campo de la IA, todavía nos enfrentamos a varios desafíos.
En primer lugar, la tecnología de IA representada por el aprendizaje profundo sigue siendo una "caja negra". Esto significa que la tecnología puede lograr una alta precisión en la detección de imágenes médicas, pero aún es difícil para la IA comprender la verdadera relación entre los datos y cómo clasificarlos.
“En Stanford, queremos crear un mejor mapa de atención para la percepción de imágenes médicas para evitar el efecto de caja negra”, afirmó el Dr. Safwan Halabi, profesor de la Facultad de Medicina de Stanford. Recientemente, muchos estudios e informes han analizado cómo los algoritmos avanzados de ataque en serie basados en datos pueden desactivar la IA que reconoce las señales de tráfico. En la IA médica, cómo garantizar que la IA no sea engañada es una parte muy importante, pero actualmente no hay suficiente investigación en esta área.
El Dr. Matthew Lungren, director del proyecto de investigación de imágenes médicas de inteligencia artificial AIMI en la Universidad de Stanford y uno de los líderes del curso de pregrado, también analizó la cuestión del sesgo de la IA clínica, "el sesgo y las implicaciones para la IA de imágenes médicas". . Es probable que la IA introduzca sesgos en los datos en el uso clínico real. Por ejemplo, es probable que un clasificador utilizado para el reconocimiento de imágenes médicas reconozca otros marcadores en la imagen en lugar de las lesiones mismas en la imagen. Pero las herramientas actuales aún no comprenden bien las desviaciones entre datos y algoritmos. La aplicación clínica real de la IA debe hacer que las personas comprendan la credibilidad de los resultados utilizados.
Tener en cuenta la interacción persona-computadora y el análisis de confianza proporcionado por los algoritmos de IA en el diseño de sistemas puede ayudar enormemente a las personas a reducir posibles problemas de sesgo.
El profesor Jayashree Kalpathy, uno de los líderes del Laboratorio de Aprendizaje Automático del Hospital General de Massachusetts, analizó cómo construir modelos más robustos y cómo compartir modelos bien entrenados en proyectos colaborativos multihospitalarios a través de algoritmos como Transferir aprendizaje y aprendizaje federado. Modelos de IA de aprendizaje profundo sin compartir datos confidenciales para una colaboración profunda.
En la era de la inteligencia artificial, la tecnología está penetrando y transformando constantemente todos los ámbitos de la vida. La medicina es un campo estrechamente relacionado con la vida humana. En un campo tan enorme e importante, a la vanguardia de las aplicaciones de inteligencia artificial, vemos cada vez más esfuerzos para ayudar a que la tecnología se integre mejor con la práctica médica.
Por ejemplo, el primer curso de IA en el campo de imágenes médicas proporcionado por RSNA atrajo a más de 200 médicos de los mejores hospitales de los Estados Unidos. El personal técnico de la industria está dispuesto a brindar más información para ayudar a los médicos. comprender mejor la IA. Además, empresas emergentes como Shentou están intentando utilizar el diseño de productos para permitir a los médicos conectar "sin problemas" la tecnología con sus flujos de trabajo anteriores, sin requerir un esfuerzo adicional para adaptarse al producto. Los médicos son más conocedores de la tecnología y los empresarios están desarrollando mejores productos para médicos y pacientes.
En el futuro, la salud humana tendrá más apoyo técnico, pero lo más importante es que las personas de la industria trabajarán juntas para lograr un sistema de atención médica más eficiente y eficaz.