在人工智能和機(jī)器學(xué)習(xí)方面，已經(jīng)做出了無(wú)數(shù)預(yù)測(cè)，從而改變了患者護(hù)理時(shí)的影像篩查和診斷，而臨床研究和經(jīng)驗(yàn)正在證明這一點(diǎn)。放射學(xué)家說(shuō)，這種影響對(duì)改善癌癥的診斷和護(hù)理質(zhì)量，閱讀者之間的一致性以及減少閱讀時(shí)間和不必要的活檢是真正的。一個(gè)光輝的例子針對(duì)乳房超聲成像的評(píng)估。
紐約市皇后區(qū)的Main Street Radiology已經(jīng)使用機(jī)器學(xué)習(xí)軟件分析乳房超聲圖像以進(jìn)行篩查和診斷了將近一年。Koios Medical的Koios DS乳房專用軟件可幫助放射科醫(yī)生快速而準(zhǔn)確地評(píng)估病變特征和BI-RADS評(píng)估。與硬件無(wú)關(guān)，該軟件與大多數(shù)PACS兼容。
“該軟件的優(yōu)點(diǎn)在于，它允許的病變不符合確切的形狀，例如帶有一個(gè)或兩個(gè)微葉的橢圓形，或者邊緣處有隆起，”該科副院長(zhǎng)賴宇博士解釋說(shuō)?；屎髤^(qū)40位醫(yī)師的Main Street Radiology乳房成像。“它使我們有信心就是否真的令人擔(dān)憂而進(jìn)行通話。”
放射科醫(yī)生在監(jiān)視器上查看圖像，然后將圖標(biāo)拖到目標(biāo)病變上。該算法(已在數(shù)十萬(wàn)個(gè)乳腺病變圖像上進(jìn)行了訓(xùn)練)提出了病變特征的建議以及初步的BI-RADS評(píng)估。于說(shuō)，該工具“非常簡(jiǎn)單”，他還是康奈爾大學(xué)威爾康奈爾醫(yī)學(xué)院放射學(xué)的臨床助理教授。“您看一下它，馬上就基本知道如何使用它。找到易于使用的東西是好的AI程序的關(guān)鍵。”
臨床研究證明ML算法可增強(qiáng)診斷?！稊?shù)字影像雜志》上的一項(xiàng)研究表明，即將發(fā)布的Koios DS版本可以提高所有經(jīng)驗(yàn)水平的所有放射線醫(yī)師在乳腺癌診斷中的乳腺癌準(zhǔn)確性，這是值得注意的，因?yàn)檠芯勘砻麽t(yī)師最多可以對(duì)同一病例進(jìn)行不同的解釋。每三個(gè)案例中 靈敏度從92%到97%增至97%到98%，特異性從38%到46%增至45%到52%。良性活檢率降低了25%至55%，而敏感性卻沒(méi)有降低。
2017年發(fā)表在《癌癥研究》上的一項(xiàng)類似研究發(fā)現(xiàn)，癌癥鑒別率為100%，良性活檢減少了69%。
Yu還與她的同事們仔細(xì)觀察了一下，檢查了100例病理學(xué)病例。她說(shuō)：“這令人震驚，但對(duì)我們來(lái)說(shuō)很明顯，機(jī)器智能可以幫助我們作為放射線醫(yī)生，因?yàn)槲覀円庾R(shí)到我們可以避免40次活檢。” “它可以幫助我們做得更好。”
趕上更多癌癥
對(duì)于乳腺放射科醫(yī)生來(lái)說(shuō)，變得更好意味著在減少假陽(yáng)性和不確定性診斷的同時(shí)捕捉更多真正的癌癥。后者可能給患者帶來(lái)壓力和不必要的風(fēng)險(xiǎn)，因?yàn)榻邮茉\斷為“暫定”的診斷通常意味著要進(jìn)行活檢，返回(或停留)以進(jìn)行更多影像檢查，或兩者兼而有之。
至于整個(gè)醫(yī)療領(lǐng)域的AI，放射學(xué)自然是AI的早期采用者。醫(yī)學(xué)圖像非常適合應(yīng)用國(guó)防部用來(lái)識(shí)別人臉的相同ML技術(shù)。
抗擊乳腺癌的前線是將ML直接應(yīng)用于患者護(hù)理的理想場(chǎng)所。據(jù)美國(guó)癌??癥協(xié)會(huì)稱，乳腺癌是僅次于肺癌的女性癌癥死亡的第二大主要原因。然而，很大程度上要?dú)w功于公眾意識(shí)的增強(qiáng)以及對(duì)篩查的早期發(fā)現(xiàn)，女性乳腺癌的死亡率從1989年到2015年下降了39%。
于說(shuō)，她在Main Street Radiology讀的病例中約有15%使用ML。她說(shuō)，這聽(tīng)起來(lái)可能很低，但是“非常有影響力，因?yàn)樵谀承┣闆r下，您會(huì)抓撓頭。對(duì)此類案件擁有第二意見(jiàn)會(huì)帶來(lái)很大的不同。”
關(guān)于患者
Yu還致力于改善患者體驗(yàn)，并在患者護(hù)理過(guò)程中提高價(jià)值。實(shí)際上，文獻(xiàn)已經(jīng)開(kāi)始證實(shí)這一點(diǎn)。
2018年12月，來(lái)自加利福尼亞大學(xué)戴維斯分校的兩名醫(yī)師在《美國(guó)放射學(xué)雜志》上發(fā)表了一篇分析報(bào)告，得出結(jié)論說(shuō)人工智能技術(shù)可以自相矛盾地幫助放射線醫(yī)生證明其在人類接觸領(lǐng)域的價(jià)值。
放射科醫(yī)生Shadi Aminololama-Shakeri，醫(yī)學(xué)博士和心臟科醫(yī)生，Javier E.López，醫(yī)學(xué)博士寫(xiě)道：“人工智能的希望是，它有可能使醫(yī)生擺脫自動(dòng)化可以更好地完成的任務(wù)。” “人工智能可以將我們的診斷準(zhǔn)確性提高到可以重新關(guān)注醫(yī)患關(guān)系的水平。”
于表示同意，這完全取決于患者。她說(shuō)：“直到您意識(shí)到建議減少活檢和對(duì)良性發(fā)現(xiàn)進(jìn)行短期隨訪后，這種檢查的結(jié)果可能并不明顯。” “這些東西本身代表著實(shí)踐的重大改進(jìn)。管理員必須意識(shí)到您的收益并不具體。但是，讓放射科醫(yī)生更加準(zhǔn)確，更好地做到這一點(diǎn)本身是值得的。”
