人工智能对放射学的影响:欧洲放射学会会员EuroAIM调查
该调查于2018年11-12月向约24000名欧洲放射学会会员发放问卷,675人(2.8%)完整作答。受访者最预期AI影响乳腺、肿瘤、胸部与神经影像,主要涉及乳腺X线、CT和MRI;对就业机会与报告工作量的影响预期增减兼有,多数认为患者不会接受仅由AI出具的报告,且认为放射科医生应主导AI开发与验证。
要点
- 受访者最预期AI影响乳腺(61.6%)、肿瘤(53.6%)、胸部(42.2%)和神经影像(32.7%)。
- 最可能被AI影响的检查方式为CT(79.7%)、MRI与乳腺X线(各56.0%)。
- 55.4%受访者认为患者不会接受无医生监督批准的仅AI报告。
局限性
- 受访者数量相对于ESR会员总数及邮件系统实际触达的会员数有限。
- 半数受访者在大学或教学医院工作,答案反映的是先进机构的意见与感受,而非放射科医生的普遍情况。
全文中译9 节 · 点击展开
要点
人工智能预计主要影响乳腺、肿瘤、胸部及神经影像学。
乳腺X线摄影、计算机断层扫描和磁共振被认为是最受影响的成像方式。
对人工智能影响放射科医生就业机会和工作量的预期包括增加和减少两种情况。
对于超过半数的受访者而言,仅由人工智能生成的报告将不被患者接受。
人工智能潜在节省的工作时间应用于加强与临床医生和患者的互动。
患者摘要
放射学产生了海量的数字数据,因为获取的图像被纳入患者的临床病史中,用于诊断、治疗计划、筛查、随访或预后。此外,计算机和数据的日益广泛使用已促成人工智能(AI)的成功应用,以执行多项任务,从而获得更准确和最新的结果。欧洲放射学会(ESR)开展了一项调查,旨在确定放射科医生对这些可能对其专业产生重大影响的新技术创新的立场。
在联系的24,000名ESR成员中,约2.8%完整回答了调查。据受访者称,乳腺、肿瘤、胸部及神经影像学最有可能受到AI和新技术创新的强烈影响,同时受影响的还有乳腺X线摄影、计算机断层扫描(CT)和磁共振成像(MRI)等成像形式。超过半数受访者预计患者不会接受仅基于AI的报告,而12%的受访者预计患者会接受这些报告,33%表示现在回答此问题为时过早。同时,AI系统结果的责任将由放射科医生独自承担,还是属于共同责任情景,目前仍不清楚。
放射科医生的就业机会和工作量预计将增加或减少。受访者认为,如果AI能够节省工作时间,节省的时间应用于提供更强的互动以及增加与其他临床医生(64.7%的受访者)和患者(47.7%的受访者)的沟通。在所有回答调查的放射科医生中,41%认为他们与患者之间的关系将变得更加互动,而21%声称将变得更加非人性化。其余受访者认为关系将保持不变。
ESR受访者一致认为,放射科医生必须在开发和验证医学影像AI应用方面发挥主导作用。这需要放射科医生的深度参与并利用其专业知识,以确保数据质量以及将开发解决方案研究有效转化为临床实践。其目的是改善患者的预后以及患者对新开发的信任。此外,围绕AI系统的问责和伦理问题将构成重大挑战,需要在欧盟和国际层面制定法规。调查还强调了放射科医生希望接受关于AI应用的优势和局限性、临床使用及技术方法的教育。
背景
在医学各亚专科中,放射学是数字数据最丰富的产生者之一。每个放射科日常都会产生大量且异质的数据。每天用不同模态获取的图像,如X线摄影、血管造影、超声(US)、CT、MRI或核医学成像,与患者临床病史整合,以提取信息,用于筛查、诊断、治疗计划和预后[1]。
在这一数字化环境中,人工智能找到了蓬勃发展的沃土。事实上,近期通过将机器学习应用于医学图像分析所取得的成果已经震动了放射学界[2, 3]。机器学习已证明其适用于不同成像模态和放射学亚专科。特别是,深度学习已成为处理医学成像数据的一种有前景的技术,被用于图像分类、分割、配准和异常检测等多项任务[4]。
这场数据驱动的革命具有对放射学产生重大影响的现实可能性。关于这种影响会有多突然的争论仍未定论且存在争议。事实上,已发表多篇观点性文章,报道专家对放射科医生在未来可能面临情景的预测。一方面,乐观主义者认为人工智能是增强放射科医生在医疗保健系统中作用的机会;另一方面,悲观主义者预测人工智能系统将相对快速地取代放射科医生[2, 5, 6]。
尽管其中一些情景可能被视为极端,但它们都有一个共同特征:放射科医生作为基于人工智能系统的指定用户之一参与其中。有争议的部分与其在这场医疗保健革命中是主动还是被动角色有关。预测放射科医生对这一技术创新的反应和态度并不容易,但我们可以调查他们目前对未来的感受。
在本文中,我们报告了一项在线调查的结果,该调查旨在研究ESR成员对人工智能对其执业影响的感受。
方法
我们开展了一项题为“您对放射学中人工智能的期望”的在线调查。该调查由两个部分组成。第一部分包括7个问题,涉及受访者年龄、性别、放射学亚专科、最常实践的技术和工作状态、机构类型和国家(表1)。未收集任何个人身份识别数据。
第二部分包括15个多项选择题,内容关于用户对人工智能应用在未来5–10年进入放射学实践的感受/预测。问题和可能答案的详细列表见表2。该调查由欧洲医学成像评估网络(EuroAIM)设计,该网络是欧洲生物医学成像研究所(EIBIR)的一项联合倡议,隶属于ESR董事会。
该在线调查使用SurveyMonkey平台(SurveyMonkey,San Mateo,CA,USA)设计,并通过一封包含非序列化URL链接的电子邮件分发。该电子邮件发送给所有ESR成员。调查于2018年11月6日开放。首封电子邮件之后,又于2018年11月20日和26日发送了两封提醒。调查于2018年12月8日关闭。
ESR成员对本调查的回复结果使用Excel(Microsoft,RedMond,WA,USA)和Matlab r2018b(MathWorks,Natick,MA,USA)自动记录和处理。由于所有问题均涉及分类变量,描述性统计以频数和百分比报告。此外,ESR成员与各国调查回复者之间的相关性使用Spearman相关系数估计。
结果
人口统计学
电子邮件送达约24,000名ESR成员;其中822名(3.4%)参与了调查。822名回复者中共有675名完成了整个调查(82.1%)。为使比较更易于解读,我们在此报告675名回复者的结果,他们占收到电子邮件的ESR成员的2.8%。我们发现各国调查回复者数量与各国ESR成员数量之间存在显著正相关(ρ = 0.821,p < 0.001)。
按年龄组划分的性别分布详细信息见图1。在总共675名回复者中,男性454名(67.3%),女性221名(32.7%)。
在调查回复者中,635名(94.1%)为放射科医师,26名(3.9%)为放射科住院医师,6名(0.9%)为物理学家,3名为工程师/计算机科学家(0.4%)。
就工作场所而言,341名回复者(50.5%)在大学/教学医院工作,214名(31.7%)在医院工作,78名(11.6%)为私人执业者,26名(3.9%)在私营公司工作,6名(0.9%)在私人研究中心工作。回复者的地理分布见图2,表3报告了各国回复者数量。
AI与医学影像
回复者按所从事放射学亚专业的分布及其关于哪些亚专业将最受AI系统引入影响的意见见图3。同样,图4显示了回复者按所实践成像模态的分布及其关于哪种成像模态将最常用于为AI系统提供输入数据的意见。表4显示了AI在放射学中的应用及回复者对应的比例。
AI对放射科医生日常工作的影响
675名受访者中的大多数(375名,55.6%)预见到AI在就业机会方面的影响,其中218名(58.1%)预期就业机会增加,其余157名(41.9%)预期减少。同样,在675名受访者中,504名(74.7%)预期总报告工作量会受到影响,其中256名(50.8%)预期报告工作量减少,248名(49.2%)预期相反情况。
675名受访者中超过一半(364名,53.9%)认为基于AI的应用将使放射科医生的形象更加临床化,而预期放射科医生形象变得更加技术化者为187名(27.7%)。最后,96名(14.2%)认为放射科医生的形象将保持不变。
当被问及AI系统是否有能力帮助报告非亚专业领域的检查时,283名(41.9%)认为放射科医生将更加专注于亚专业,121名(17.9%)预期放射科医生对亚专业的专注度将降低,271名(40.1%)声明对亚专业的投入比例将保持不变。
关于谁将承担AI系统结果的法定责任,图5总结了答案,41%的受访者认为放射科医生是唯一责任人,41%的受访者倾向于责任分担的情形。在675名受访者中,374名(55.4%)认为患者不会接受仅由AI应用生成、未经医生监督和批准的报告,而79名(11.7%)持相反意见;另一方面,222名(32.9%)认为现在估计患者的反应还为时过早。在675名受访者中,415名(61.5%)认为AI系统的使用将改变放射科医生与患者之间的关系。其中,275名(66.3%)认为将变得更加互动,140名(33.7%)声称将变得更加非人性化。其余259名(38.4%)回答放射科医生与患者之间的关系将保持不变。此外,受访者认为如果AI系统能够节省时间,应将其用于与以下对象互动:其他临床医生(437名,64.7%)、患者(322名,47.7%)、AI开发者(118名,17.5%)、其他放射科医生(97名,14.4%)、管理人员(11名,1.6%)或其他专业人员(47名,7.0%)。
放射科医生对AI系统开发的参与
在675名受访者中,100.0%认为放射科医生将在医学影像AI应用的开发和验证中发挥作用。关于放射科医生在这一过程中的角色,大多数人认为他们应监督应用于放射学的AI系统的所有开发阶段(434名,64.3%)。具体任务评分如下:协助任务定义(359名,53.2%)、提供标注图像(197名,29.2%)、开发基于AI的应用(188名,27.9%)。然而,675名受访者中有390名(57.8%)目前未参与AI应用开发的研究项目,158名(23.4%)计划参与,74名(11.0%)目前参与AI系统开发,61名(9.0%)参与其测试。
关于目前人工智能(AI)应用的使用情况,675名应答者中有321名(47.6%)未在其临床实践中使用这些应用,138名(20.4%)目前正在使用这些系统,205名(30.4%)目前未使用但计划使用。最后,675名应答者中有463名(68.6%)希望接受关于AI应用优势与局限性的教育,392名(58.1%)希望接受关于AI应用临床使用的教育,228名(33.8%)希望了解如何在AI使用中掌握主动权,119名(17.6%)希望了解技术方法,75名(11.1%)希望了解如何在AI革命中生存,6名(0.9%)希望了解如何避免使用AI应用。
讨论
在一个月内,675名欧洲放射学会(ESR)成员完成了所提出的调查,其中大多数为30至60岁的放射科医师,工作在学术性或非学术性医院。与ESR成员总数相比,应答者总数较少。然而,每个国家的应答者数量与每个国家的ESR成员数量相关。就职于学术性/教学医院的同行比例较高(超过50%),这应与这些中心对AI创新的敏感度较高有关。
回答调查的放射科医师从事不同的亚专科。在所有可能选项中,没有哪一个占主导地位。普通影像学和腹部影像学是应答者中最常从事的亚专科,两者各占应答者的29%(见图3)。尽管划分为不同的放射学领域,我们观察到他们之间就哪些亚专科将更多地受到AI应用影响存在相当大程度的一致意见。事实上,超过一半的应答者表示乳腺影像学(61.6%)和肿瘤影像学(53.6%)将最受AI革命影响,其次是胸部影像学(42.2%)、神经放射学(32.7%)和核医学影像学(21.6%)。这是合理的,因为自AI时代在医疗保健领域开启以来,成熟的筛查项目提供了大量数字数据。这种情况使乳腺影像学成为应用机器学习算法的首选[5]。评分最高的影像亚专科是那些经常涉及肿瘤检测和表征的亚专科,这并不令人意外。事实上,该任务代表一个分类问题,易于使用机器学习算法解决[7]。值得注意的是,影像组学是表征实体癌最有前景的方法,实体癌在空间和时间上具有异质性[8, 9]。机器学习算法利用用于癌症患者诊断和治疗的影像数据的异质性。传统上用于癌症患者管理的影像方案包括形态学成像和功能成像,这些均可使用机器学习算法成功处理。这些算法利用其中包含的信息量和异质性,从原始数据中检测特定模式。
大多数受访者从事CT和MRI工作,分别占受访者的93.6%和84.9%。其他 frequently practiced 的检查方式为超声(US)(72.0%)和X线摄影(69.9%)。正如预期,当被要求预测哪些影像检查方式将成为人工智能(AI)系统的目标应用领域时,受访者提出CT(79.7%),其次是MRI和乳腺X线摄影(各占56.0%)。我们应注意,CT和MRI只是相对标准化的检查方式,而乳腺X线摄影(至少在筛查环境中)是高度标准化的。相反,超声(US)在每个领域仍标准化程度较低,为机器学习应当建模的数据增加了混杂变异性(自动化乳腺超声除外,其仍处于研究阶段)。事实上,超声(US)未被选为未来5–10年AI可能应用的领域:只有3.7%的受访者预测AI系统将在超声(US)实践中实施。
许多受访者提出,无症状受试者中的疾病检测(60.1%)、肿瘤学中的分期/再分期(46.5%)、定量影像生物标志物(37.9%)和图像后处理(35.9%)应被视为AI系统的目标应用,这并不令人意外。为支持这一主张,应注意机器学习算法在若干任务中显示出作为传统图像处理方法的有价值替代方案,例如图像分割、配准、分类和增强,使其成为计算机视觉和医学图像处理中最有前景的方法[4, 10]。
放射科医师预见到AI系统对其工作机会(55.6%的受访者)和报告工作量(74.7%)的影响。然而,这种影响被认为是增加还是减少尚不清楚:受访者以相似的概率预测两种情景(工作机会增加/减少为58.1%对41.9%,报告工作量增加/减少为50.8%对49.2%)。这一事实指出放射科医师在AI情景下对其职业未来的不确定性。目前,由于AI系统在日常临床实践中的应用有限,关于AI将如何影响劳动力市场或放射科工作量的看法尚无一致意见。事实上,只有20.4%的调查受访者目前在其实践中使用基于AI的应用。Curtis P. Langlotz [11]最近记录到,由于许多原因,包括疾病分布的“长尾”(涵盖罕见病),关于放射科医师将迅速从医疗系统中消失的预测(“工作 displaced 的海市蜃楼”)目前以及可预测的未来都离真实临床实践非常遥远。考虑到人类飞行员的自动驾驶仪的例子,他重复了一个简单真实的断言:使用AI的放射科医师将取代不使用AI的放射科医师。
认为人工智能将使其职责更偏向临床(53.9%)或保持不变(14.2%)的应答者比例,高于预见到更偏技术性职业特征的比例(27.7%)。此外,认为人工智能将使放射科医生更专注于亚专科(41.9%)或与现在没有差异(40.1%)的应答者比例,高于预见到亚专科关注度降低的比例(17.9%)。因此,人工智能主要被视为一种有利于放射科医生提升临床职业形象和亚专科投入度的创新,而这些是让同事和患者看得见的关键因素,例如在多学科肿瘤委员会中发挥关键作用。事实上,相反的人工智能驱动情景将是放射学报告沦为低价值商品。
作为应答者对人工智能持积极看法的进一步证明,他们认为其他临床医生(64.7%的应答者)和/或患者(47.7%的应答者)是利用人工智能可能节省的时间的主要对象,从而增加与他们的临床沟通的数量和质量。事实上,40.7%的应答者认为人工智能将使放射科医生与患者的关系更具互动性,只有20.7%认为人工智能将使放射科医生与患者的关系更加缺乏人情味(38.4%未预见到任何变化)。总体而言,普遍倾向于认为人工智能是使放射科医生的角色更偏临床、更以患者为导向的因素。
关于谁将承担人工智能结果责任的争论存在争议[12]。值得注意的是,这是一个核心问题,因为它可能 drastic 影响放射学和放射科医生在医疗保健系统中的作用。调查结果在某种程度上出乎意料。一方面,55.4%的应答者认为患者不会接受仅由人工智能应用生成的报告(未经医生监督和批准),只有11.7%持相反意见(32.9%认为现在估计患者反应还为时过早)。然而,只有41.1%的应答者认为放射科医生是唯一将承担人工智能结果责任的专业人员,41.1%赞成“共同责任”,少数应答者提出人工智能开发者(10.2%)或保险公司(3.6%)。我们将这一数据解读为一种谨慎的信号。我们正处于这场革命的开端。承担人工智能结果的责任意味着许多迄今尚未明确界定的事情,首先是根据具体患者调节人工智能结果的潜力,以纠正或声明不同意见,与其他临床医生讨论某一给定结果(想想在抗癌治疗期间基于影像的疾病进展声明)。这些结果表明,人工智能系统输出的问责制仍然是一个未解决的挑战,需要在欧洲层面和各国之间制定法规。
本次调查的一个重要结果是,100%的应答者认为放射科医生必须参与AI系统的开发和验证。放射科医生渴望成为这场革命的主角,并管理从AI系统开发到应用的所有步骤。为实现这一目标,他们建议应采用培训项目,向受训者和临床放射科医生教授基于AI的系统的优势、局限性和临床用途。遗憾的是,只有30%的人认为有必要在标注数据集的创建中发挥关键作用。事实上,数据驱动的AI系统的准确性严格取决于数据质量[13]。如果没有放射学专业知识,期望获得准确的结果并因此成功地将AI系统从研究环境转化为临床实践,只能是一厢情愿的想法。放射科医生在这场技术革命中的作用至关重要。数据驱动的方法需要有人确保数据质量,尤其是在机器学习模型训练过程中需要监督时。此外,放射科医生在诊断、治疗计划和预后及相关问题方面的专业知识,是将所开发的解决方案从研究成功转化为临床实践的任何工作的基石。放射科医生应与工程师、计算机科学家以及参与决策支持系统开发的其他人员并肩合作,重点关注任务定义和高质量图像标注。
本报告有两个主要局限性,已在讨论部分开头提及。首先,与欧洲放射学会(ESR)成员数量以及通过电子邮件系统触达的成员数量相比,应答者数量有限。其次,半数应答者在大学医院或教学医院工作,因此答案反映的是先进机构的观点和感受,而非放射科医生总体的情况。然而,所分析的答案让我们了解了放射学领域中具有引领作用的那部分人的想法,他们还负责向放射学的未来——住院医师教授放射学。
总之,本次调查的应答者对采用AI系统平均表现出积极态度。可以预见,在AI环境中,放射学专业角色将更加临床化、更加以患者为中心,呈现积极前景。然而,放射科医生仍不清楚机器学习系统在放射学中的实施会有多快、多具颠覆性。这解释了为何在放射科医生对AI结果的责任以及AI系统开发中的作用等问题上存在一些谨慎的回答,考虑到与这些系统使用相关的许多伦理和法律问题仍未解决。未来将取决于我们现在正在做什么以及不久的将来我们将做什么,即取决于我们利用AI将为放射学和放射科医生提供的诸多机会的能力[14]。正如Alan Key所说:预测未来的最好方式就是创造未来[15]。
引用
- Impact of artificial intelligence on radiology: a EuroAIM survey among members of the European Society of Radiology. Insights Imaging. 2019. PMID: 31673823. doi:10.1186/s13244-019-0798-3
- 全文:PMC6823335(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6823335/
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。