Thursday, September 19, 2019

Apakah AI “App Store” Akan Berdampak untuk Radiologi?

Studi terbaru menunjukkan bahwa algoritma kecerdasan buatan dapat membantu ahli radiologi meningkatkan kecepatan dan ketepatan menafsirkan sinar-X, CT scan, dan jenis gambar diagnostik lainnya. Menempatkan teknologi dalam penggunaan klinis sehari-hari, bagaimanapun, adalah menantang karena kompleksitas pengembangan, pengujian, dan memperoleh persetujuan peraturan. Tetapi sebuah konsep yang diadaptasi dari dunia PC dan telepon pintar - toko aplikasi - menunjukkan janji sebagai alat untuk membawa radiologi AI dari percobaan ke dalam praktik sehari-hari.
Pasar AI radiologi secara konseptual mirip dengan toko aplikasi karena memungkinkan penemuan, distribusi, dan monetisasi "aplikasi" atau dalam hal ini model AI, dan menyediakan saluran umpan balik antara pengguna dan pengembang. Di mana pasar ini berbeda dari toko aplikasi konvensional adalah bagaimana mereka mendukung persyaratan siklus hidup untuk pengembangan, pelatihan, mendapatkan persetujuan pengaturan, penyebaran, dan memvalidasi model AI.

Perusahaan kami, Nuance, memperkenalkan pasar AI untuk pencitraan diagnostik pada tahun 2017; beberapa lainnya juga telah meluncurkan pasar AI termasuk Arterys dan GE Healthcare, dengan platform Edison.

O Menjadikan AI praktis untuk perawatan kesehatan
Algoritma radiologi fokus secara sempit pada satu temuan pada gambar dari modalitas pencitraan tunggal, misalnya nodul paru pada CT dada. Meskipun ini mungkin berguna dalam meningkatkan kecepatan dan akurasi diagnostik dalam kasus-kasus tertentu, intinya adalah sebuah algoritma hanya dapat menjawab satu pertanyaan pada satu waktu.

Karena ada banyak jenis gambar dan ribuan temuan dan diagnosa potensial, masing-masing akan memerlukan algoritma yang dibuat khusus. Sebaliknya, seorang ahli radiologi mempertimbangkan segudang pertanyaan dan temuan sekaligus untuk setiap ujian pencitraan serta temuan insidental yang tidak terkait dengan alasan asli ujian, yang sangat umum.

Karenanya, untuk sepenuhnya mendukung hanya bagian diagnostik dari pekerjaan ahli radiologi, pengembang perlu membuat, melatih, menguji, mencari izin FDA untuk, mendistribusikan, mendukung, dan memperbarui ribuan algoritma. Dan organisasi kesehatan dan dokter perlu menemukan, mengevaluasi, membeli, dan menggunakan berbagai algoritma dari banyak pengembang, kemudian menggabungkannya ke dalam alur kerja yang ada.

Yang menambah tantangan adalah permintaan yang dalam dari model pembelajaran dalam untuk data. Sebagian besar model telah dikembangkan dalam pengaturan terkontrol menggunakan set data yang tersedia, dan seringkali sempit - dan hasil algoritma hanya sekuat data yang digunakan untuk mengembangkannya. Model AI dapat rapuh, bekerja dengan baik dengan data dari lingkungan di mana mereka dikembangkan tetapi goyah ketika diterapkan pada data yang dihasilkan di lokasi lain dengan populasi pasien yang berbeda, mesin pencitraan dan teknik.

Sebagai contoh, dalam sebuah penelitian pada November, 2018 yang diterbitkan dalam PLOS Medicine, para peneliti di Sekolah Kedokteran Icahn dan lembaga-lembaga lain menunjukkan bahwa kinerja model pembelajaran mendalam yang digunakan untuk mendiagnosis pneumonia pada rontgen dada secara signifikan lebih rendah ketika digunakan untuk mengevaluasi X -Rays dari rumah sakit lain.

O Marketplace in action
Pasar AI dapat membantu mengatasi tantangan kompleks ini. Pertama, mereka memecahkan masalah "jarak terakhir" dengan memberi dokter dan sistem rumah sakit akses penuh ke berbagai model AI. Pengembang AI pada gilirannya mendapatkan akses etalase ke pasar yang terkonsolidasi dan model pendapatan yang dapat diskalakan.

Model marketplace juga mencakup saluran umpan balik bawaan antara pengembang dan pengguna untuk menjembatani kesenjangan antara fungsionalitas teknis algoritma dan bagaimana mereka digunakan dalam praktik sehari-hari. Ahli radiologi dapat berbagi hasil dengan pengembang aplikasi yang memungkinkan mereka untuk memperbaiki algoritme menggunakan data beranotasi, dunia nyata.

Mereka juga mendapatkan data validasi yang berharga untuk mendukung izin FDA. Sistem rumah sakit juga mendapat manfaat karena mereka dapat melacak metrik untuk penggunaan algoritma, biaya, dan kinerja dari berbagai lokasi.

Pasar AI telah menciptakan komunitas kolaboratif dari pengembang dan pengguna layanan kesehatan. Sebagai contoh, University of Rochester menggunakan aplikasi yang dibersihkan FDA yang dikembangkan oleh Aidoc yang menganalisis ujian CT untuk dugaan pendarahan intrakranial, kemudian memprioritaskan mereka pada daftar kerja ahli radiologi untuk perhatian segera ketika waktu perawatan sangat penting.

Untuk perawatan pasien jangka panjang, University of Pennsylvania menggunakan aplikasi yang dikembangkan oleh Aidence dan eUnity untuk membantu ahli radiologi dalam tugas yang memakan waktu untuk mendeteksi dan mengkarakterisasi nodul paru-paru untuk membuat perbandingan tindak lanjut dan pelaporan.

Umpan balik Marketplace lebih lanjut mendukung sejumlah kemitraan publik-swasta untuk mendorong dan meningkatkan pengembangan AI. Ini termasuk Program Prasyarat Perangkat Lunak FDA (SPP) yang berfungsi untuk pengembang AI seperti yang dilakukan Program Pra-cek TSA untuk pelancong terdaftar. SPP mengevaluasi kemampuan pengembang untuk merespons kinerja algoritma dunia nyata dan menyediakan cara yang lebih efisien untuk membawa model AI baru ke pasar.

Sistem Evaluasi Nasional untuk Teknologi Kesehatan (NEST) FDA bekerja sama dengan Institut Ilmu Data Radiologi Amerika (DSI) untuk menciptakan cara untuk memvalidasi algoritma dan memantau kinerja. Kolaborasi itu menggunakan program Paru-RADS DSI untuk memvalidasi dan memantau algoritma untuk mendeteksi dan mengklasifikasikan nodul paru-paru dalam program skrining kanker paru-paru. Tujuannya adalah untuk membangun registri nasional dari metrik kinerja algoritma yang mengukur segala sesuatu dari kemudahan integrasi ke dalam alur kerja hingga keakuratan diagnostik.

O Mengatasi kelelahan
Sementara pasar AI harus mendorong adopsi adopsi AI dalam radiologi, mereka juga memiliki potensi untuk membantu mengurangi kelelahan ahli radiologi dengan menambah dan membantu mereka dalam dua cara. Yang pertama, melalui proses pengembangan berulang, adalah dengan memfasilitasi desain algoritma yang mengintegrasikan secara mulus ke dalam alur kerja ahli radiologi dan menyederhanakannya, daripada memperkenalkan layar tambahan yang memberatkan dan langkah-langkah untuk mengklik.

Yang kedua adalah dengan meningkatkan kecepatan dan kualitas pelaporan radiologi. Algoritma ini dapat mengotomatiskan tugas yang berulang dan bertindak sebagai penghuni virtual, pra-pemrosesan gambar untuk menyoroti temuan penting yang potensial, melakukan pengukuran dan perbandingan, dan secara otomatis menambahkan data dan kecerdasan klinis ke dalam laporan untuk tinjauan ahli radiologi.

Algoritma juga dapat memberikan pemeriksaan kualitas, misalnya dengan mendeteksi kesalahan dalam lateralitas atau jenis kelamin pasien dan untuk memastikan akurasi laporan dan membantu dengan penagihan dan pengkodean, yang semuanya dapat mengurangi stres dokter.

O Meningkatkan hasil klinis
Dengan mengambil alih tugas rutin, menambahkan pemeriksaan kualitas, dan meningkatkan akurasi diagnostik, algoritma AI dapat diharapkan untuk meningkatkan hasil klinis. Misalnya, model yang dibersihkan FDA yang tersedia dari Densitas secara otomatis menilai kepadatan payudara pada mammogram digital, karena jaringan payudara yang padat telah dikaitkan dengan peningkatan risiko kanker payudara.

Dengan menangani dan menstandarisasi tugas rutin namun penting itu, algoritme membantu mengarahkan perhatian mereka kepada pasien dengan risiko tertinggi. Selain itu, dalam studi algoritma AI telah terbukti sama, dan dalam beberapa kasus lebih baik daripada, rata-rata ahli radiologi dalam mengidentifikasi kanker payudara pada skrining mammogram.

Seiring pertambahan usia, kebutuhan akan radiologi diagnostik pasti akan meningkat. Sementara itu, program residensi radiologi di AS baru-baru ini mulai membalikkan penurunan pendaftaran selama beberapa tahun, meningkatkan momok kekurangan ahli radiologi saat kebutuhan mereka bertambah. Munculnya pasar AI baru-baru ini dapat mempercepat pengadopsian algoritma AI, membantu mengelola beban kerja yang bertambah sambil menyediakan alat bagi dokter untuk meningkatkan diagnosa dan perawatan.

No comments:

Post a Comment