摘要：萨米尔·阿布德：“对于我和我的同事来说，毫不夸张地说，它使我们的效率翻了一番。”（图片由 José M Osorio/Northwestern Medicine 提供）
萨米尔·阿布德：“对于我和我的同事来说，毫不夸张地说，它使我们的效率翻了一番。”（图片由 José M Osorio/Northwestern Medicine 提供）
人工智能 （AI） 在一系列数据密集型医疗保健任务中具有巨大潜力：在诊断图像中检测癌症、分割图像以进行自适应放射治疗，甚至可能有一天甚至完全自动化放射治疗工作流程。
现在，伊利诺伊州西北医学学院的一个团队首次将生成式 AI 工具集成到实时临床工作流程中，以在 X 射线图像上起草放射学报告。在日常使用中，AI 模型将文档效率平均提高了 15.5%，同时保持了诊断的准确性。
X 射线扫描等医学影像在疾病诊断和分期中起着核心作用。为了解释 X 射线，患者的成像数据通常会输入到医院的 PACS（图片存档和通信系统）中，并发送到放射学报告软件。然后，放射科医生审查和解释影像学和临床数据，并创建报告以帮助指导治疗决策。
为了加快这一过程，Mozziyar Etemadi 及其同事提议，生成式 AI 可以创建一份报告草案，然后放射科医生可以检查和编辑，从而使他们不必从头开始。为了实现这一点，研究人员根据来自 12 家医院的西北医学网络的历史数据，专门为西北大学的放射学构建了一个生成式 AI 模型。
然后，他们将这个 AI 模型集成到现有的放射学临床工作流程中，使其能够从 PACS 接收数据并生成 AI 报告草案。在图像采集后的几秒钟内，该报告即可在报告软件中使用，使放射科医生能够从 AI 生成的草稿中创建最终报告。
“放射学非常适合 [生成式 AI]，因为放射学的实践本质上是生成性的——放射科医生会非常仔细地查看图像，然后生成文本来总结图像中的内容，”Etemadi 告诉 Physics World。“这与今天像 ChatGPT 这样的生成模型类似，如果不是完全相同的话。我们的 [AI 模型] 是独一无二的，因为它比 ChatGPT 更准确，是几年前开发的，成本要低数千倍。
研究人员在五个月内在西北医院获得的 X 光片上测试了他们的 AI 模型，并在 JAMA Network Open 上报告了他们的发现。他们首先检查了 AI 模型对 23 960 张 X 光片记录效率的影响。与以前仅使用胸部 X 光的 AI 调查不同，这项工作涵盖了所有解剖结构，其中 18.3% 的 X 光片来自非胸部部位（包括腹部、骨盆、脊柱和上下肢）。
使用 AI 模型将报告完成效率平均提高了 15.5%，将平均记录时间从 189.2 秒缩短到 159.8 秒，一些放射科医生的工作量提高了 40%。研究人员指出，这相当于在五个月的时间里节省了超过 63 小时，这意味着放射科医生的轮班时间从大约 79 个减少到 67 个。
为了评估基于 AI 的文档的质量，他们调查了最终报告的附录（用于纠正报告错误）的比率。17 份模型辅助报告和 16 份非模型报告需要附录，表明 AI 的使用不会影响 X 光片解释的质量。
为了进一步验证这一点，该团队还在 400 项胸部和非胸部研究中进行了一项同行评审分析——其中第二位放射科医生根据他们对报告结果和文本质量的同意程度对报告进行评分——在 AI 辅助和非辅助报告之间平均分配。同行评审显示，AI 辅助和非辅助解释之间的临床准确性或文本质量没有差异，增强了放射科医生使用 AI 创建高质量文档的能力。
最后，研究人员使用监控 AI 生成的报告的自动优先级系统，应用该模型来标记意外的危及生命的病理，例如气胸（肺塌陷）。该系统检测意外气胸的灵敏度为 72.7%，特异性为 99.9%。重要的是，这些优先标志是在研究完成后 21 到 45 秒之间生成的，而放射科医生通知的中位数为 24.5 分钟。
Etemadi 指出，以前的 AI 系统旨在检测特定发现并为每种疾病类型输出 “是 ”或 “否”。另一方面，该团队的新模型会创建一个包含详细注释的全文草稿。
“然后可以搜索这种精确的语言，以发出更精确和可作的警报，”他解释说。“例如，如果我们已经知道患者患有气胸并且情况正在好转，我们就不需要知道他们是否患有气胸。现有的系统无法做到这一点，因为现有的系统只能提供简单的是/否的回答。
该团队现在正在努力提高 AI 工具的准确性，以实现更微妙和罕见的发现，并扩展到 X 射线图像之外。“我们目前正在使用 CT，并希望扩展到 MRI、超声、乳房 X 光检查、PET 等，以及放射学以外的模式，如眼科和皮肤科，”Etemadi 说。
研究人员得出结论，他们的生成式 AI 工具可以帮助缓解放射科医生的短缺，放射科医生和 AI 合作改善临床护理服务。不过，他们强调，这项技术不会取代人类。“你仍然需要放射科医生作为黄金标准，”合著者 Samir Abboud 在一份新闻声明中说。“我们的角色变成了确保每一种解释都适合患者。”
来源：人工智能学家
