医疗机构如何与商业初创公司共同创造人工智能解决方案
该文基于荷兰一家学术医学中心与三家AI初创公司的三个共创项目多案例研究,提出一个关系框架,帮助合作双方监测、评估和引导AI解决方案的共创过程,并识别出不同结局的共创路径。
要点
- 共创过程需要医学机构与初创公司持续互动,双方应接受其不可预测性。
- 仅分配资源而缺乏明确策略、适应与重构会阻碍进展。
- 设立医学机构创新负责人与初创公司协作负责人有助于保持协调与项目势头。
核心结论
- 共创结果差异很大,所提出的框架可帮助医学机构与技术公司评估挑战并做出调整,引导合作朝向预期目标。
研究设计与样本
- 研究为荷兰一家学术医学中心(Medica)参与三个AI初创公司共创项目的纵向嵌入式案例研究。
- 三个项目分别为BoneAI(肌肉骨骼X线深度学习模型)、ScreenAI(胸部X线AI解决方案)和ChestAI(胸部CT模型)。
- 数据收集包括半结构化访谈、参与式观察、档案数据(技术规格、用户手册)及邮件记录等。
关键影像表现/征象
- BoneAI项目开发了定量椎体形态测量(QVM)深度学习模型,alpha原型在150例上测试显示潜力但存在准确性问题。
- ScreenAI项目初始模型用于胸部X线分诊和自动报告,验证100例后发现漏诊骨折等准确性问题,后改为提供「正常/异常」分类。
- ChestAI项目初始为图像搜索工具,后转向胸部CT的检测、定量和随访分析,并在COVID-19疫情期间用于胸部CT报告。
临床应用与阅片要点
- 作者提出关系框架帮助合作双方监测、评估和引导AI共创合作。
- 作者认为早期和持续临床医生参与可确保与临床工作流对齐并促进AI解决方案的逐步接受。
- 作者认为迭代原型有助于转变思维,使利益相关者逐步适应新技术发展。
- 作者认为医学机构创新负责人与初创公司协作负责人对保持结构化协调和项目势头至关重要。
- 作者指出伙伴选择基于文化契合、未来计划和工作方式,Medica采用逐案战略对齐方法。
局限性
- 原文未报告局限性。
全文中译17 节 · 点击展开
引言
放射科对采用人工智能(AI)解决方案的兴趣日益增加[1],以期减少工作量并提升医疗质量[2, 3]。尽管研究和试点结果令人鼓舞,但许多AI解决方案在临床实践中未能带来显著的附加价值,也未能在日常运营中广泛实施[4]。
尽管可用的商业AI应用种类繁多,医疗机构在临床实践中实施AI仍面临重大投资方面的困难[5]。特别是,临床需求与AI能力之间的不匹配限制了AI在运营环境中的附加价值,降低了医疗机构投资实施的积极性。这种不匹配的产生是因为AI应用通常由计算机科学家和工程师开发,他们尽管具备技术专长,但对临床实践和放射学工作流程的复杂性可能了解有限[6]。
此外,各医院之间工作流程和信息技术(IT)系统的差异加剧了这种不匹配,阻碍了AI在临床实践中的无缝整合。因此,商业AI应用的实施可能效果不佳,甚至可能妨碍临床实践。
为弥合AI开发与实际临床需求之间的差距,鼓励医疗机构和大学自行开发AI应用,也称为内部开发。内部AI开发可以对开发周期、所用训练数据以及设想的工作流程整合进行控制。虽然这种方法利用了所需的医学专业知识,但机构往往缺乏开发复杂临床软件应用、获得法律批准并将其无缝整合到现有工作流程系统中的经验。
共同创造已被提出作为一种可行的方法,通过该方法医疗机构与产业合作伙伴合作,结合双方的专业知识[6, 7]。然而,共同创造的动态模式差异很大,对双方都构成风险,应加以谨慎管理。本文旨在审视不同类型的共同创造过程,提供一个用于监测、评估和指导共同创造过程的实用框架,并强调合作伙伴关系如何能够有效开发契合临床需求的AI应用。
方法
现有知识
共同创造对于开发临床解决方案是有效的[8, 9]。通过在开发周期早期整合医学专业人员的意见,AI解决方案更有可能具有临床实用性并被接受[10]。此外,这种方法确保AI解决方案对医学专业人员而言得到充分理解并具有透明度[11]。然而,共同创造是复杂的,涉及文化差异以及医学与商业双方之间既协同又分歧的利益。成功取决于对齐以及对各预期和项目的谨慎管理[12]。
人工智能应用的共同创造通常涉及快速敏捷的初创企业,但其资源往往有限,且其优先事项会随市场和投资者的需求而变化[13]。尽管这些差异可以通过鼓励创新和敏捷性来加速开发,但它们也增加了初创企业因市场动态变化(如出现新的颠覆性技术或对资本投资者的强烈依赖)而突然改变优先事项的风险。另一方面,医疗机构可能因人员变动、可用资源限制、临床医生参与程度不一或医疗科室内部战略目标的演变,而在关键开发阶段难以提供必要的数据或专业知识。
成功的共同创造需要在开发、实施和实施后阶段进行相互的理念构思、实验和验证。临床医生发挥积极作用,从定义用例到验证新创建的应用程序[7]。这一过程涉及多轮验证和重新设计,使共同创造成为一个由技术与医学双方持续互动所塑造的演进过程。共同创造关系的复杂性,尤其是考虑到公司类型和人工智能应用种类的多样性,意味着不存在单一的协作模板。关于利益相关方参与、沟通管理、角色定义和集体决策的决定必须协作制定,根据每个案例进行调整,并在过程中不断修订。
人工智能解决方案的新颖性增加了不确定性,因为医疗机构往往缺乏该技术临床实施的经验。与其他更传统的技术创新相比,这可能导致更频繁的摩擦和方向改变。在探索新方向与遵循先前期望和协议之间取得平衡,在人工智能共同创造中至关重要。
作为医学与技术双方之间的协作过程,共同创造涉及在开发广泛有用的产品与为特定用例定制解决方案之间的权衡。医疗机构还必须在其当前工作流程和技术配置与适应新人工智能解决方案的需求之间取得平衡。取决于这些权衡的管理方式,共同创造的范围可以从最低限度的参与到紧密协作,在紧密协作中双方重新思考假设并重构工作流程和技术。
理由:人工智能共同创造过程的关系框架
为了理解共同创造过程,我们借鉴战略管理文献并识别出三种参与模式[9, 14]:资源调配:将可用的技术、人力、智力、财务和物质资源分配给共同创造项目,
适应:修改、补充或扩展当前战略、决策和资源
重构:改变社会和技术因素的现有假设、方向和配置,
背景
我们开展了一项纵向嵌入式案例研究[15],对象是Medica——荷兰一家成熟的学术医院,该医院参与了三个与人工智能初创企业共同创造的项目:(1)BoneAI:一家中型欧洲公司,专注于开发用于分析肌肉骨骼X射线片的深度学习(DL)模型;(2)ScreenAI:一家小型欧洲初创企业,提供用于分析胸部X射线片的人工智能解决方案;(3)ChestAI:一家小型欧洲公司,提供用于检测、分类和量化肺部病变的胸部CT模型。Medica成立于19世纪下半叶,拥有近8000名员工,自2018年以来一直与这些初创企业共同创造人工智能解决方案。共同创造过程主要涉及放射科组建一个内部团队,成员包括(1)提供医学背景见解并评估解决方案可用性的医学专家(放射科医生和转诊医生),(2)来自放射科和中央信息技术部门的技术专家,(3)来自安全、隐私和法律团队的监管专家,以及(4)工作流程专家和科室管理层。此外,Medica偶尔还会将其PACS供应商纳入团队,尤其是在将人工智能解决方案整合到放射科PACS查看器时。该团队与初创企业的技术团队、其首席执行官(CEO)、首席技术官(CTO)、产品负责人和工程师合作。
通过考察这些案例,我们分析了每个共同创造过程是如何开始和演变的。Medica在所有案例中的一致参与使得能够比较共同创造过程和结果。
数据收集
我们通过对参与共同创造的利益相关者进行半结构化访谈来收集数据。访谈对象包括Medica的核心团队以及各初创企业的CTO、CEO、销售专家、数据工程师和设计师,并进行了文件分析。此外,还采用了参与式观察,因为其中一位作者是Medica放射科管理团队的成员,从头参与了共同创造过程。他在管理与人工智能公司的关系和协调技术整合方面的角色,为深入了解Medica的内部步骤及与这些公司的互动提供了丰富的见解。通过个人笔记和会议日志收集的这些数据提供了深入内部人视角的洞察[16]。为补充这一内部人视角,独立研究人员对Medica和初创企业的各类信息提供者进行了半结构化访谈。并以档案数据作为补充,包括技术规格和用户手册。通过这种方式,我们捕捉了整个共同创造过程,追踪了多年来技术的发展、Medica和初创企业所采取的决策和行动,以及对各参与方的影响。
测量与分析
我们使用验证性主题分析,采用战略管理文献中的编码手册[17]对参与水平进行编码。通过将其与事件和行动序列并列对照,我们将每个共同创造过程映射到我们的概念框架上。分析包括四个步骤:数据汇编:汇编每个共同创造过程的数据,使用“时间映射”策略[18]映射行动、决策和事件。
时间 bracketing:按照“时间 bracketing”方法[18],基于人工智能解决方案开发和实施中的关键决策或变化来识别阶段。
框架映射:将各阶段映射到共创框架(图1),以理解每个共创历程。
跨案例比较:比较各案例,以识别参与权衡及其后果中的模式(表2)。
伦理考量
已获得Medica及参与初创公司的知情同意,以分析与共创过程相关的数据。外部研究人员仅被授予访问假名化数据的权限,确保未共享有关专利或其他不可披露内容的敏感信息。初创公司在提交前审阅了最终稿件,以确保准确性并保护其利益。未以可能损害相关初创公司或Medica的方式披露与个人或技术有关的敏感数据。本研究未分析任何医疗数据、患者信息或与医疗程序相关的数据。严格遵守所有伦理准则和标准,以保护所有相关方的隐私和机密性。
结果
案例1:定量椎体形态测量
第一个案例涉及与一家专注于肌肉骨骼病例的AI初创公司共同创建用于在X光片上进行定量椎体形态测量(QVM)的深度学习(DL)模型(表3和附录A1)。收集的数据包括与Medica交换的856封电子邮件(发送408封,接收448封,2018年11月至2024年2月)、一份法律协议(主研究协议)、双周会议记录(议程、纪要、更新)、项目计划、数据处理日志、训练日志、现场访问报告、共享文档(例如资助提案、协作笔记、摘要)、访谈转录稿(CTO、CEO、销售代表和工程师,以及评估报告,还有两篇摘要和三份手稿草稿)。Medica的创新负责人于2018年在一个AI健康活动上会见了BoneAI的CEO和CTO,当时包括BoneAI在内的几家高潜力AI初创公司展示了用于髋关节和膝关节分析的AI模型。在该活动上,创新负责人的职责是就使AI初创公司的临床产品与临床实践相一致提供建议。BoneAI被邀请参加Medica的一场AI研讨会,会上一位专攻椎体形态测量的Medica放射技师建议启动一个研究项目,旨在开发相关产品。初次接触后,Medica和BoneAI双方达成一致,促成了研究主协议的起草,该协议建立了共创框架:Medica提供数据和医学专业知识,而BoneAI负责软件开发和法律认证,这标志着Medica首次经历MDR认证。Medica的伦理与法律委员会确保适当的数据和服务管理。Medica共享了2500个病例供BoneAI训练QVM模型。
BoneAI开发了一个alpha原型,并在150个病例上进行了测试,结果显示尽管存在准确性问题,但仍有潜力,需要新的训练数据并将合理性检查整合到软件中。然而,由于资源限制,BoneAI将重点转向了其他产品,而COVID-19疫情使Medica当时的参与变得复杂。
尽管存在这些挑战,Medica 仍开始实施其他 BoneAI 产品,并寻求研究经费和内部资源以推动 QVM 模型的开发。最终,BoneAI 正式将共创项目降级为低优先级。合作关系框架通过其他研究项目得以保持完整。因此,共创进程被推迟,尽管结果令人期待,但 AI 解决方案仅得到了有限的开发。然而,它为 Medica 在建立知识产权法律框架方面、以及为 BoneAI 在认识到长期产品战略对共创合作的重要性方面,提供了重要的学习要点(图 2a)。
案例 2:共创胸部 X 射线解决方案
第二个案例涉及修改一个市售 AI 模型,用于检测胸部 X 射线上的多种病变(表 3 和附录 A2)。最初,该模型旨在用于分诊和自动化报告。本案例收集的数据包括与 Medica 交换的 1111 封电子邮件(发送 360 封,接收 751 封,2018 年 11 月至 2024 年 2 月)、一份法律协议、双周会议记录(议程、纪要、更新)、项目计划、数据处理日志、训练日志、共享文档(如资助申请、协作笔记、摘要)、访谈记录(首席技术官、首席执行官、工程师)以及评估报告。2018 年 10 月,ScreenAI 通过西班牙医疗科技网络与 Medica 建立联系,以测试其产品并探索其临床价值。放射科将该项目的任务分配给 Medica 的创新负责人。Medica 渴望整合 AI 应用,与 ScreenAI 合作起草了合作协议。
初始部署后,一项以验证 100 个病例为重点的研究试点显示出准确性问题,例如漏诊骨折。经过进一步探索以及来自 Medica 和其他中心的反馈,ScreenAI 改变了其产品的价值主张,改为提供胸部 X 射线的“正常/异常”分类。修订后的解决方案在 Medica 实施、测试并验证。
为在减少工作量方面最大化临床价值,重点转向将 AI 生成的结果无缝集成到 PACS 查看器中。PACS 供应商、ScreenAI 和 Medica 之间的这一合作使产品能够完全集成到 PACS 工作列表和报告系统中。随着 ScreenAI 开发自动化监测方法,Medica 利用其内部数据平台从电子病历(EMR)中检索放射学报告,供 ScreenAI 的自然语言处理(NLP)模型分析,以创建实时监测仪表板。
Medica与ScreenAI携手解决初始缺陷、整合新功能并优化其数据平台。质量监测系统标记出人工智能与人工观察之间的差异,在放射科医生与人工智能之间形成反馈闭环。后续阶段涉及重新定义人工智能解决方案以实现实时反馈和自动报告,将其转变为主动代理。这引发了新的伦理和法律考量以及人工智能在临床工作流程中的作用问题,目前正在Medica进行研究(图2b)。
案例3:共同创建胸部CT分析解决方案
第三个历程涉及共同创建一款人工智能解决方案,该方案最初设计为面向放射科医生的基于图像的搜索工具(表3和附录A3)。通过与Medica等机构的合作,它演变为一个用于胸部CT图像检测、量化和随访分析的平台。在本案例中,收集的数据包括与Medica交换的1601封电子邮件(发送497封,接收1104封;2018年12月至2024年2月)、一份法律协议、关于数据处理、隐私和安全的文档、月度会议记录(议程、会议纪要和更新)、项目计划、培训日志、共享文档(例如拨款申请、临床医生反馈、协作笔记和摘要)、访谈记录(首席技术官、首席执行官、工程师)。2018年,ChestAI和Medica在一次医疗技术活动上结识后开始了研究合作,重点是根据Medica的反馈评估搜索功能。Medica的创新负责人召集关键利益相关者,审查初始实施的法律、隐私和数据处理文档。
实施该人工智能应用需要Medica重新设计其面向云应用的IT系统,克服IT部门最初的疑虑并完成必要的安全检查。Medica将该解决方案作为Web应用程序集成,通过基于URL的回调功能连接到其PACS查看器,并配有图像检索和处理的自动转发规则。
初步发现显示该方案对Medica的用途(例如减少工作量或检查时间)价值有限,促使其将重点转向肺部模式的检测和量化。这在COVID-19大流行期间对胸部CT报告变得尤为重要。Medica提供了持续反馈,从而实现了与PACS更深入且干扰更小的集成,以实现无缝操作和更好的数据传输。基于整合ScreenAI(案例2)的经验,Medica、ChestAI与PACS供应商合作开展了类似的PACS集成。
进一步的讨论促成了人工智能解决方案的调优以及人工智能结果在放射学报告中的无缝集成。来自Medica和其他机构的反馈强调了对多病例进行时间顺序分析和肺结节风险分类的需求。对此,Medica专注于数据组织、自动转发,并让放射技师参与使用人工智能准备和分析病例,确保时间线评估的顺利实施(图2c)。
讨论
正如我们在这些案例中所看到的,人工智能解决方案的共创需要初创企业与医疗机构之间的持续互动。所描述的各种场景凸显了共创过程不可预测性,双方都必须接受这一点。成功不仅取决于最终产品,还取决于过程、利益相关者的参与以及对遗留系统、工作流程和用例的调整[19]。仅仅分配资源而没有明确的策略、适应和重新配置,会阻碍进展。共创不仅涉及增加新知识,还涉及重新思考既有的观念。这种学习与忘却的双重过程至关重要,因为许多设计选择和实施策略必须通过协作来确定,因为许多想法和用例并不总是能够事先预见[20, 21]。
共创本身并不新鲜,许多医疗机构正在或曾经以不同程度与产业合作伙伴合作开发新技术。然而,典型的共创关系是与规模较大的成熟企业建立的,这些企业为共创项目带来了一定程度的稳定性。与初创企业的共创则更具动态性,会随着不同的投入、资源和参与模式而随时间变化。这一过程受到文化差异、共同利益以及初创企业和医疗机构双方能力的影响[22]。
共创管理与合作伙伴选择
管理者可以根据不同的参与场景评估其共创过程,并确定适当的措施。这些措施取决于项目阶段、资源可用性以及合作伙伴之间不断变化的动态关系。为了保持势头和一致性,一个结构化的项目团队至关重要,由医疗机构的一位创新负责人协调合作,由初创企业的一位合作负责人(通常是产品经理或首席技术官)促进参与。他们共同指导一个由临床医生、IT专家和工程师组成的团队,确保共创工作保持专注和高效。
不同的参与策略支持共创的不同阶段:在早期阶段,频繁的接触点如实地考察、研讨会和放射学会议专场有助于建立合作。随着项目成熟,定期的战略会议加强一致性和适应性。这些互动也为识别潜在的新合作伙伴创造了机会,扩大了机构未来共创计划的网络。
战略合作伙伴的选择对于可持续合作至关重要。根据放射学亚专科或成像模态选择合作伙伴,可确保与机构专业知识和需求相匹配。这有利于建立长期关系,能够在保持高效合作结构的同时,深入共同开发多种应用。尽管合作伙伴选择并未明确纳入所提出的框架中,但确定合适的共创伙伴取决于文化契合度、未来计划和工作方式。在Medica,合作伙伴选择遵循逐案战略匹配的方法,考虑不同放射学亚专科的具体需求,而非采用固定框架。虽然没有严格的项目优先级排序,但开放的合作态度以及与机构目标的一致性在选择公司时发挥了关键作用。试点项目作为有价值的初步测试,用于在扩大合作之前评估兼容性。
共创场景
共创案例揭示了若干优化人工智能在临床实践中整合的关键经验。临床医生的早期和持续参与确保了与临床工作流程的一致性,并促进了对人工智能解决方案的逐步接受。迭代式原型设计有助于转变思维模式,使利益相关者能够接触不断演进的技术并逐步适应新发展。此外,由医疗机构设立创新负责人、由初创企业设立合作负责人,对于维持结构化协调和项目推进力至关重要。长期优化并关注细节的重要性显而易见,因为这些改进对于确保人工智能应用满足临床需求至关重要。
对于未来的共创举措,若干改进可提升效率和影响力。更清晰的监管路线图和早期合规规划将有助于减少临床实施中的延误。结构化的资金和资源分配可确保试点阶段之后的可持续性。关于知识产权和商业化的早期讨论将统一预期并最大限度减少潜在摩擦。最后,将共创步骤更强地整合到机构工作流程中,可简化流程并改善长期采纳。
重要的是要认识到,在所提出的关系框架中,每种参与模式都有其目的,并不要求追求特定模式。例如,虽然重构可以带来巨大收益,但过度重构可能具有风险且造成 disruption。反之,停滞于资源投入阶段会限制对新技术和成果的探索。因此,平衡资源投入、适配和重构的方法对于可持续的共创关系至关重要。
此外,该框架与其他项目管理策略相辅相成,以产生理想结果。尽管本工作遵循了三个共创案例,但根据医疗机构和初创企业的相对参与程度,存在一系列可能的情景(图3)。
一种战略工具
所提出的框架提供了一种战略工具,通过追踪相互参与来映射、监测和评估共同创造场景。它有助于选择适当的主动措施,通过这些措施可以对共同创造进行战略管理,例如设定新的里程碑或调整协作方法以确保一致性和项目进展。被动措施可能涉及调整资源分配、重新调整项目目标或重新审视合作协议以应对不可预见的挑战。在发生意外事件导致共同创造中断的情况下,该框架提供了一种工具来重新评估相互协作并使共同创造重回正轨。医疗机构和初创公司可以使用该框架来评估和制定其跨多个项目的参与策略。例如,医疗机构可能重构其工作流程以整合与多家初创公司共同开发的应用,而初创公司则根据可用资源和客户需求调整其参与方式。
局限性与未来研究机会
由于本研究的定性性质,我们的发现仅限于所考察的特定案例。进一步研究应探索其他形式的共同创造,特别是与资源更丰富但可能敏捷性较低的大型成熟公司的合作。未来研究可以考察不同参与水平如何影响流程、学习、创新和绩效。此外,理解医疗机构如何管理其共同创造组合至关重要,因为一个项目的参与可能影响其他项目。例如,机构在资源有限时可能优先考虑战略合作,而技术公司必须根据过去的共同创造经验完善学习策略。本研究聚焦于公共资助的医疗服务,其中共同创造与所提供医疗服务的财务激励不直接挂钩。在财务因素发挥更强作用的医疗系统中,可能出现不同的共同创造场景,为进一步的实证研究提供机会。
结论
随着放射科将人工智能解决方案整合到其临床工作流程中,它们不可避免地要与这些技术的开发者进行共同创造过程。至关重要的是,这种共同创造应通过各方之间平衡且稳健的参与来实现,并根据新想法和新出现的挑战不断进行评估和调整。我们的研究是为评估、监测和指导这一不确定过程提供战略框架的基础性一步。因此,我们提出,重点不应仅放在人工智能产品的开发上,还应放在共同创造过程本身、相关各方所积累的学习,以及对临床工作流程和技术所做的改进上。
补充信息
电子补充材料
引用
- Grootjans W, Krainska U, Rezazade Mehrizi MH, et al. How do medical institutions co-create artificial intelligence solutions with commercial startups? Eur Radiol. 2025. PMID: 40459737. doi:10.1007/s00330-025-11672-4
- 全文:PMC12634776(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12634776/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。