医疗系统积极采用AI影像工具

Roundup: Health systems embracing AI imaging tools

采用人工智能（AI）工具的医疗系统不仅可以提高放射科的操作和质量，还能改善患者的随访，从而提高员工效率、患者完成率以及更好的患者访问和结果。东阿拉巴马医疗中心（East Alabama Medical Center）、Inflo Health和美国放射学院学习网络（American College of Radiology Learning Network）的合作开始使用机器语言模型和高级自然语言处理技术从放射报告中提取数据，以改进肺部患者的随访工作。与此同时，康涅狄格州斯坦福健康（Stamford Health）通过自动化手段扩展了所有心血管患者的额外放射学措施。

本周值得注意的是，癌症诊断和治疗供应商Lunit宣布，最近两项评估其AI驱动的乳腺癌筛查技术的研究发现，该技术还可以估计乳腺癌在确诊前六年的发生概率。“如果用于即时癌症检测的商业AI算法也能估计未来的癌症风险，那么更准确可靠的短期风险评估可以导致个性化的预防措施，可能实现更早的乳腺癌检测和更温和的治疗。”欧洲研究人员在周三的一份声明中表示。

EAMC改善患者随访

阿拉巴马州的医疗组织周四宣布，通过与AI合作跟踪放射随访——并让初级保健医生参与急性护理沟通——其建议随访率提高了74%。EAMC与Inflo Health合作，后者利用放射特定的语言模型和高级NLP技术，以及美国放射学院，提高了患者参与度和临床医生的生产力。AI驱动的软件按照美国放射学院ImPower计划规定的指标执行，帮助EAMC放射科医生识别额外的影像建议和可操作的发现，同时自动化部门工作流程。

合作的目标是改善扫描后意外发现的肺结节的后续推荐一致性，并增加及时随访的检查比例。EAMC还实施了AI软件的适当性措施，自动识别符合纳入标准的意外肺结节。这一努力显著简化了EAMC的流程，减少了手动工作，提高了员工效率，EAMC放射科主任Melinda Johnson表示：“这还使我们能够将护理导航角色扩展到其他临床领域。这种合作展示了如何将先进技术与战略协作相结合，树立新的放射实践和运营卓越标准。”

这一合作的结果是每周手动任务从五小时减少到仅15分钟，效率提高了95%。为了提高患者完成率和传达推荐的影像随访，EAMC解决了急性护理和初级护理之间沟通不一致等运营障碍。此外，这些努力每月还带来了约9,000美元的额外收入。“利用技术标准化和优化临床工作流程需要组织和其软件供应商共同努力，以便解决方案是基于对问题的理解而构建的。”美国放射学院质量管理项目副总裁Judy Burleson补充道，“ImPower计划提供的质量改进教育和支持，加上EAMC改善患者结果的决心，以及Inflo Health对其产品的适应性，使得这些进展成为可能。”

斯坦福健康增强访问

康涅狄格州费尔菲尔德县的非营利组织斯坦福健康本月早些时候宣布了一种新的自动化心血管筛查工具，能够为有风险的患者提供更及时和个性化的随访护理。斯坦福健康心脏与血管研究所表示，AI驱动的心血管筛查工具显著提高了其患者群体中心血管疾病的早期检测和管理。

该研究所使用Bunkerhill Health的高级算法，通过计算总冠状动脉钙或Agatston评分来识别冠状钙化，这是未来冠状动脉疾病风险的指标。通常情况下，CAC筛查需要医生的特别命令，但现在该自动化算法在所有非门控胸部CT扫描的后台运行，例如用于肺癌筛查的扫描。“我们致力于为患者提供最尖端、最先进的护理。”斯坦福健康放射科主任Ronald Lee博士表示。当检测到高CAC时，患者的初级保健医生或心脏病专家会收到他们的评分和风险通知。“这个工具增强了我们早期发现心血管疾病迹象的能力，确保患者获得所需的随访护理，以防止严重的健康后果。”心脏与血管研究所共同主任David Hsi博士补充道。

测试AI预测性乳腺摄影

乳腺摄影筛查的准确性长期以来一直是放射学协议的一个挑战，通常需要双次扫描读取。AI算法可以标记关注区域，并提供乳房水平和检查水平的恶性肿瘤评分，以辅助放射科医生进行图像解读。Lunit在周三表示，挪威癌症登记处和丹麦奥登塞大学医院的研究人员已经使用其INSIGHT MMG工具，展示了改善其国家乳腺癌筛查计划预测价值的潜力，最终实现女性的早期诊断和治疗。

挪威的回顾性研究《用于亚临床乳腺癌检测的人工智能算法》于8月完成，并于本月早些时候在《JAMA Network》上发表，分析了116,495名50至69岁无乳腺癌史女性的图像数据。挪威癌症登记处与Lunit签订了AI软件研究使用的合同，每两年提供一次数字乳腺摄影筛查。研究队列中的患者在2004年9月13日至2018年12月21日期间，在该国九个乳腺筛查中心接受了至少三次连续的双年度筛查检查。研究人员将队列分为三组：第三轮筛查中发现乳腺癌的女性、第三轮筛查后诊断为间期癌的女性和三次连续检查后六年内未诊断为乳腺癌的女性，共发现1,265例筛查检测出的癌症和342例间期癌。

对于被诊断为乳腺癌（定义为导管原位癌或浸润性乳腺癌）的女性，AI得分在最终检测前四到六年内平均绝对值更高。对于筛查检测出癌症的女性，AI得分也更高且增长更快。研究人员表示：“这些发现表明，用于乳腺癌检测的商业AI算法可能识别出未来患乳腺癌的高风险女性，为个性化筛查方法提供途径，从而实现更早的癌症诊断。”

(全文结束)