这里有一系列丰富的人工智能驱动的医疗技术。俄亥俄州东北部的医院正越来越多地与科技公司合作，通过定制化的人工智能工作流程来满足其特定需求并改善患者护理。尽管AI最广泛地应用于放射学，但医院正将其用于从总结报告到在急诊室更快识别卒中患者的诸多方面。
在实施AI方面，医疗科技公司Aidoc的首席商务和营销官Tom Valent表示，不能一刀切。“我们在医疗领域学到的是，至少在美国，每家医院——有时甚至医院内部——都是其独特的实体。”他说，每项技术的医生工作流程可根据具体医院环境完全配置。“AI是智能，但真正的影响在于实际的工作流程解决方案，即融入医生正常行医方式，并使之更好。”
俄亥俄州东北部医院如何使用AI
近年来，构建用于医疗环境的AI算法已成为一个快得多的过程。过去开发一个单一算法需要数年，而现在公司和研究人员可以在几个月内创建一个。AI算法“是智能系统的基础，使机器能够从数据中学习、决策并解决问题”，根据美国人工智能委员会的说法。截至2026年2月，美国食品药品监督管理局已批准超过1300个AI驱动的医疗设备和程序。
在Summa Health，呼吸科主任兼肺部和重症监护医生Brian Bauman医生表示，医院使用以下AI程序：
- Nuance：一种自然语言软件，可识别扫描报告中的关键词，防止需要随访的患者被忽视。
- Aidoc：包含超过35个算法的套件，包括用于诊断放射学、急症护理协调和患者导航的功能。
在大学医院，创新部副主席Leonardo Kayat Bittencourt医生表示，他们使用Aidoc以及以下五个程序：
- Riverain Technologies：医院使用该公司的算法ClearRead CT，用于自动检测和表征CT扫描上的肺结节。
- Qure.ai：一套应用程序，包括基于影像识别特定疾病风险患者的工具。
- Heartflow：创建心脏3D模型进行分析和测量。
- NeuroQuant：由Cortechs.ai开发，用于在MRI上测量不同类型的脑部问题。
- RapidAI：对任何因症状进入急诊室的患者进行卒中的自动检测和通报。
在克利夫兰诊所，诊断研究所人工智能副主席Po-Hao Chen医生表示，他们使用直接决策支持、间接临床支持和图像生成程序。除了Riverain Technologies，诊所还使用以下AI程序：
- Viz.ai：用于分诊，从可能数百个病例列表中识别卒中风险最高的患者。
- RadAI：用于放射学，帮助自动化报告并生成简洁的结论。
- iCAD：DeepHealth的一部分，可标出可疑肿块的位置。
- 图像生成程序：可加速MRI图像的图像重建。
克利夫兰诊所区域医院系统包括Akron General、Mercy和Medina医院。
Aidoc——医疗AI的一站式商店
Valent表示，Aidoc已成为支持多种算法的一站式平台，通过一个AI操作系统运行。它本质上连接医院现有IT系统和算法。操作系统可识别患者和要读取的扫描类型，并自行激活正确的算法。然后，它会触发为该医院和医生定制的特定工作流程。Aidoc有三个不同的产品线：
- 诊断放射学：帮助放射科医生查看扫描结果，标记最紧急的患者，提高效率。
- 急症护理协调：简化护理流程，在需要时提醒医生，缩短治疗时间，确保需要随访的患者不被遗漏。
- 患者导航解决方案：识别异常患者并提醒医生。
Bittencourt医生也从事腹部影像工作，他说大学医院使用了Aidoc的十多种算法。“Aidoc就像一种警报，当我们查看某个病例或覆盖某个列表时弹出，提醒放射科医生最终对检查做出自己的判断和评估。”Valent表示，超过1600家医院在使用Aidoc，覆盖俄亥俄州近50%的患者。
ClearRead CT用于读取放射扫描
医院使用AI读取放射扫描正变得越来越普遍。研究表明，AI在基于图像的诊断中可以达到或超过人类专家的表现，涉及多个医学专业。Riverain Technologies的CEO Steve Worrell表示，他们创建的ClearRead CT算法可在约4分钟内读取患者扫描结果，并识别可能癌变的肺结节。“由于放射科医生被越来越多的数据所累，疏忽的可能性更大。所以我们希望提高他们的准确性，同时提高他们的阅读效率。”当患者进行扫描并使用ClearRead CT时，数据会同时路由到影像归档和通信系统以及算法。ClearRead分析CT扫描的所有独立切片，其结果被推送到归档系统。当放射科医生打开患者文件时，原始扫描和ClearRead的内容都可供使用。“我们在放射科医生甚至考虑打开患者文件之前就完成了处理。”放射科医生可以同时阅读扫描并查看ClearRead的结果，双重检查算法标记的区域。Worrell表示，全美约有250家站点使用ClearRead CT。
AI的实施与培训
Chen医生（也是诊断放射科医生）表示，当克利夫兰诊所实施新型AI时，对医生进行其预期用途和预期用户的培训很重要。“你需要知道AI不能为你做什么——那仍然是你的责任。”每个人还需要被培训成为开发工作流程的一部分。医疗不会只由一位医生完成——需要整个团队。Worrell表示，Riverain有自己的虚拟培训，帮助医生了解ClearRead的局限性和假阳性来源。“你不能相信‘无’标志，即AI的阴性结果。”Chen说。
构建和验证AI工具
Bittencourt医生表示，大学医院是Bunkerhill Health创建的联盟成员，该联盟使算法进入临床实践更容易。Bunkerhill的CEO兼联合创始人Nishith Khandwala表示，公司的目标是将更多AI引入医疗系统，帮助医院提高效率并为患者提供更好的护理。“我们希望将每一个可能帮助患者、帮助医疗系统、帮助更广泛医疗生态系统的想法尽快带到临床。”他说，算法构建后很难进入临床实践，因为它们通常使用一家医院的数据创建，在其他医院起效的可能性较低，因为每个患者群体看起来都不同——而且可能需要数年才能从其他医院获取数据。Bunkerhill的联盟涉及27个学术医疗中心，创建了一个“法律气泡”，使一家医疗系统的研究人员可以与其他医疗系统的研究人员共享数据和算法。“否则可能失去动力的项目，或者需要两三年才能完成的项目，可以压缩到几个月内。你可以从想法出发，经过多次来自多家医院的数据测试。”在内部，克利夫兰诊所有一个人工智能总体工作组，负责在AI算法进入临床实践前对其进行审批。大学医院有一个“核心团队”，由放射科不同亚专业的AI专家组成，共同分析新AI工具。Bittencourt表示，没有任何AI算法是自主运行的，或者以取代医生判断的方式。“算法和AI只是一部分，”Valent说，“其他部分同样重要。”
Lauren Cohen是Akron Beacon Journal和Signal Akron的社区报道实习生。该职位由Knight Foundation资助。
本文最初发表于Akron Beacon Journal：俄亥俄州东北部医院与科技公司合作实施人工智能
【全文结束】