May, 2024

医疗保健中负责任的人工智能设计与工作流集成的挑战：放射科自动喂饲管资格的案例研究

PDF
TL;DR鼻胃管插管是通过鼻子插入胃部，用于输送营养或药物的插管。最近的人工智能发展展示了通过胸部 X 射线图像可可靠地检测鼻胃管的放置，以减少次优地或临界地放置的鼻胃管被遗漏或延迟检测的风险，但在临床实践整合方面仍存在差距。通过本研究，我们提出了一种以人为中心的方法来解决这个问题，并描述了在与 15 名临床利益相关者进行情境调查和深入访谈后所得到的洞察。访谈帮助我们了解现有工作流程中的挑战，以及如何在技术能力与用户需求和期望之间达到最佳对齐。我们发现在为不同的人工智能提案选择适当的工作流程阶段、目标用户和设计配置时需要考虑的权衡和复杂性。我们探讨了如何在更广泛的组织和医疗法律约束条件下平衡医疗人员和患者的人工智能益处和风险。我们还发现与边缘情况和数据偏差相关的数据问题影响了模型训练和评估；数据文档实践如何影响数据准备和标注；以及如何可靠地衡量未来评估中的相关人工智能成果。我们讨论了我们的工作如何为临床上有用、符合伦理和可接受的人工智能应用的设计和开发提供指导。
发现论文，激发创造
  • RAISE -- 放射学人工智能安全，端到端的生命周期方法

    通过认真评估和验证以确保 AI 模型达到最高的安全、有效性和功效标准，上线前以及生产使用中实施输入和输出保护措施、持续监测并追踪人群水平性能、公正性和结果传递、定期审查上线后的模型性能、教育放射科医生关于新的算法驱动发现对于 AI 在临床实践中的有效应用至关重要，强调在多个层面上合作的质量保证是重要的，从立法、临床、技术和伦理等方面，通过透明地展示 AI 遵守与其他已建立的医疗技术相同的严格的安全、有效性和功效标准，树立开发者、提供者和患者等的信心，使 AI 可靠扩展并实现其潜在的益处的愿景，本论文提出的路线图旨在加快 AI 在放射学中可部署、可靠和安全的实现。

    Nov, 2023

  • 生成型 AI 系统能够满足患者的信息需求吗？

    通过主题分析，我们研究了具有生成性视觉问答系统的患者面向的生成式人工智能系统，以满足癌症患者在放射学成像数据中对医学术语、疾病进展、诊断步骤和治疗方案等方面信息的需求，结果表明模型的响应质量在不同主题上有所变化，强调患者面向的生成式人工智能系统需要满足患者的多样化实际需求。

    Jan, 2024

  • 智能路由规则与工作流管理的 AI 算法部署整合与实施策略

    通过评估医疗行业中人工智能解决方案的普及挑战，本文侧重于医学成像中的计算机视觉应用及其如何通过互操作性和企业级可扩展性来解决这些挑战。

    Nov, 2023

  • 自动化放射学报告生成：近期进展综述

    医疗影像科室面临日益增长的需求对放射科医生准时准确提交报告的压力。最近人工智能技术的进步已展示出自动生成放射学报告（ARRG）的巨大潜力，引发了大量研究。该调查论文通过方法学评审对当代 ARRG 方法进行了回顾，包括：评估基于特征（如可用性、大小和采用率）的数据集，研究深度学习训练方法（如对比学习和强化学习），探索先进的模型架构（包括 CNN 和 Transformer 模型的变种），通过多模态输入和知识图谱集成临床知识的技术，以及审查常用的 NLP 评估指标和定性临床审查的当前模型评估技术。此外，还分析了审查模型的定量结果，检查了表现最佳的模型以寻求进一步的见解。最后，强调了潜在的新方向，预测将采用其他放射学模态的附加数据集和改进的评估方法作为未来发展的重要领域。

    May, 2024

  • 大规模人工智能模型在放射学应用中的机遇与挑战

    受 ChatGPT 的影响，人工智能（AI）大型模型在全球范围内迎来了大规模的研究和开发。本文首先介绍了大型模型的发展历史、技术细节、工作流程以及多模态大型模型和视频生成大型模型的工作原理。其次，我们总结了 AI 大型模型在放射学教育、放射学报告生成、单模态和多模态放射学应用方面的最新研究进展。最后，本文还总结了放射学领域中大型 AI 模型面临的一些挑战，旨在更好地推动该领域的快速革命。

    Mar, 2024

  • 医学图像分析中先进云服务和生成性人工智能系统的实际应用

    医学领域中的人工智能技术发挥着越来越重要的作用，特别是在医学成像领域，通过生成式人工智能可以增强图像质量并提高医学诊断和患者护理水平。

    Mar, 2024

  • 医疗系统临床 AI 模型开发生命周期概述及案例研究

    本文介绍了临床人工智能模型的开发生命周期，并给出了一个基于深度学习的系统的开发过程案例。作者希望这些见解能帮助其他医疗机构和临床从业者，以增加在医疗领域成功部署和集成人工智能模型的可能性。

    Mar, 2020

  • X 光成像、MRI 和核成像案例研究

    本文综述了医学成像技术中使用人工智能特别是深度学习方法如卷积神经网络来协助医生快速而准确地诊断疾病。

    Jun, 2023

  • 智能临床文书：利用生成式人工智能进行以患者为中心的临床笔记生成

    综合临床记录，生成式人工智能（AI），自然语言处理（NLP），自动语音识别（ASR）和医疗保健环境是本研究的关键词。研究发现生成式 AI 有潜力改变临床记录实践，减轻行政负担，使医疗保健专业人士更专注于直接病人护理。

    May, 2024

  • 变形金刚在医疗保健中的调查

    本质量分析了 Transformer 神经网络架构在医疗保健中的应用，以及在医学图像、电子健康记录和生理信号等多种形式的数据分析方面所发挥的积极作用，并概述了一些使用该架构的优点和局限性，包括计算成本、模型可解释性、公平性、与人类价值观的一致性、伦理和环境影响。

    Jun, 2023