全面成像关爱：以患者为中心的放射学模型

点左边，打开新世界

RSNA主席Vijay M.Rao教授说，AI（人工智能）和ML（机器学习）等技术的崛起永远不会取代放射科医生，而相反将会提供机会来加强和转化放射学实践以造福于患者和医学。

RSNA主席Vijay M. Rao教授

“无论我走到哪里，都能看到人工智能和机器学习等技术的快速崛起所带来的炒作、希望和恐惧，”Rao教授在周日（11月25日）RSNA开幕式上说，“我比以往任何时候都坚信AI有潜力提高我们的专业水平、转化全球放射学实践。它将助力放射科医生把更多的时间花费在对病人和医生都有利的项目上。”

在大会主席致辞中，Rao教授展望未来，设想数字成像的发展和现有医学数据的全面爆发，将解决目前放射学面临的一些挑战。

她呼吁将阅览室重新命名为数字诊断数据中心(digital diagnostic data hub)，临床团队在数字诊断数据中心聚集，甚至虚拟参与，作为整体共同做出患者管理决策。

“诊断数据中心可能是放射科医生依靠AI将当前的成像结果与那些其他模态的图像、实验室结果、活检结果以及患者病史和体检关键信息汇总在一起的地方。”Rao教授说：“创建这种类型的数据中心会造成如果单独考虑当前影像学检查则可能漏诊的诊断。”

此外，未来的放射科医生将在Rao教授所称的“全面成像关爱”(total imaging care)中接管患者的全面成像关护。

“我们需要表现得像临床医生，而不仅仅是图像阅读者。这就是我所说的‘全面成像关爱’”她说，“好消息是，人工智能和相关技术为我们提供了实现这一愿景所需的工具。”

为了说明数字诊断数据中心和全面成像关爱这两项举措将如何发挥作用，Rao教授让与会者把时间快进25年，想象她的孙女Priya是一名早期的职业放射科医生。

而未来的放射科医生将以熟悉的方式开始一天的工作，通过在他们在阅读站点击案例列表，人工智能算法将取代旧的决策支持模式，优化他们的工作流程。在某些情况下，人工智能还会根据患者之前的检查自动测量病变，并根据类似的发现和已证实的诊断提出诊断建议。

Rao教授指出，未来的影像学报告将包括基于影像学的反应，这些反应结合了每个患者的分子、治疗和生理参数。她推测，在未来，放射科医生的电子邮件和手机号码将出现在每一份报告的底部，提醒患者放射科医生是他们可以接近的医生。

“我相信人工智能对放射学最重要的影响将是使我们能够更高效、有效地工作，” Rao教授说，“这反过来又意味着，我们将有更多的时间从事所谓的非解释性活动——这类活动将增强我们在患者关护领域的价值和可见性。”

Rao教授说，在关护中心的实践——为患者和其他医生提供价值——仍然是放射科的长期目标，并且应该为放射科医生今天做正确的事情来实现这一愿景提供灵感。

“我们需要拥抱AI，而不是害怕它，”她说，“我们需要重新建立以患者为中心的放射学模型。我们需要制定必要的伦理和医疗法律标准来保护数据以及机器学习算法。”

“重要的是，我们需要与其他专业的同事建立新的跨部门合作关系，” Rao教授总结道，“我们可以到达那里，但任重而道远。”

（好医生医械世界编译自：The RSNA 2018 Daily Bulletin is the official publication of the 104th Scientific Assembly and Annual Meeting of the Radiological Society of North America. Published Sunday, November 25 — Friday, November 30.）