文献速递神经技术与安全CTMRPETDSA

人工智能在神经放射学中的前景:一项系统性技术志综述

Promises of artificial intelligence in neuroradiology: a systematic technographic review.
PubMed 文献 · Neuroradiology · 2020-04-22

该研究对2017-2019年市场上27家厂商的37个神经放射学人工智能应用进行了系统性技术志评估,共编码111项功能。多数功能(54%)为「支持」放射科医生,32%「扩展」其工作,仅14%试图「替代」部分任务。作者结论认为人工智能已可用于临床实践,但科学验证比监管批准更有限。

要点

  • 市场上多数神经放射学人工智能功能为支持放射科医生,尤其用于病灶检出和图像解读。
  • 仅少数功能可替代有限任务,如预写报告或分析卒中患者,无应用可替代整个放射科职业。
  • 人工智能产品的科学验证比监管批准更有限,仅约半数应用提供某种科学依据。

核心结论

  • 神经放射学中的人工智能不仅处于开发和测试阶段,也已可用于临床实践。
  • 多数功能支持放射科医生或扩展其任务,没有应用能替代整个放射科职业,但少数应用可替代有限的一组任务。
  • 人工智能产品的科学验证比监管批准更有限。

研究设计与样本

  • 本研究为混合方法研究,采用系统性技术志综述方法,与PRISMA系统综述有相似之处但取样并非来自文献数据库查询。
  • 数据来源于2017-2019年期间厂商网站及会议,共识别27家厂商的37个神经放射学人工智能应用,编码111项功能。
  • 由一位具有10年以上神经放射学经验的放射科医生使用预设编码手册进行编码,评估各功能对放射科工作流程的影响(支持、扩展、替代)。
  • 对未提供FDA批准信息的应用额外核查了FDA公开网站,CE批准未做额外核查。

诊断标准与关键数值

  • 共37个应用来自27家厂商,提供111项功能,多数功能(39项;54%)为「支持」放射科医生。
  • 23项功能(32%)为「扩展」放射科医生工作,提供定量信息;10项功能(14%)可「替代」某些任务。
  • 13个应用(35%)同时具有FDA和CE批准,25个应用(68%)至少有一种批准;亚洲10个(91%)、欧洲8个(73%)、北美7个(64%)的应用具有一种或以上批准。
  • 应用涉及模态:MRI 19个(51%)、CT 19个(51%)、MR灌注2个(5%)、CT灌注3个(8%)、CT血管成像5个(14%)、MR血管成像1个(3%)。
  • 常见病种:缺血性卒中13个(35%)、颅内出血10个(27%)、轻度认知障碍和痴呆7个(19%)、多发性硬化4个(11%)、肿瘤4个(11%)、创伤性脑损伤3个(8%)、帕金森病2个(5%)、颅内动脉瘤1个(3%)。

临床应用与阅片要点

  • 作者认为,人工智能应用可在检出和解读临床所见方面支持放射科医生,定量信息和生物标志物可增强放射科报告内容。
  • 作者指出,放射科医生需了解所用技术的优势与弱点,以及算法的训练数据和外部验证信息,以评估应用的可信度和适用性。
  • 作者认为,放射科医生与厂商密切合作可确保算法的真实临床效用。

局限性

  • 多数应用缺乏关于运行平台的信息,放射科部门在确定最适合需求的应用前需厂商提供更详细信息。
  • 关于算法训练数据和是否进行外部验证的信息有限。
  • 由于资金信息有限,无法得出确定结论。
  • 原文此处写作「There is wide variation in the quality and completeness of」,原文未写明该句后续内容。
全文中译25 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Neuroradiology. 2020 Apr 22;62(10):1265–78. doi: 10.1007/s00234-020-02424-w

引言

目前,人工智能(AI)是医疗保健中一项重要但新兴的技术创新。AI 代表涉及开发能够执行人类智能特征任务的技术 [1]。在 AI 应用的多样性和数量方面,神经放射学是放射学领域领先的亚专科之一 [2, 3]。示例包括卒中的自动识别 [4] 以及通过人工神经网络对多发性硬化病灶进行自动体积测量 [5]。在本文中,我们系统评估 AI 在神经放射学中的潜在影响,并概述市场上最先进的应用。

颠覆性创新对专业人员执行的任务产生影响 [6]。颠覆一词指的是传统工作方式的根本性变化。在我们的研究中,我们旨在评估 AI 对放射科医生工作的颠覆程度:放射科医生是否被 AI 取代,放射科医生的可能性是否被 AI 扩展,还是放射科医生得到 AI 的支持?

目前,AI,尤其是深度学习,作为医学尤其是放射学中的颠覆性创新而备受关注。基于文章数量,我们可能想知道这在多大程度上是又一次暂时性炒作,或者是否存在超越炒作的实质性临床应用 [7]。除了对 AI 影响知识工作的高期望 [8] 之外,对变革和失去工作的恐惧也很突出 [9]。

尽管放射学中的 AI 受到广泛关注,但出版物通常提供有关 AI 技术方面的信息,或关于其在特定领域应用的信息,以展示其对放射科医生工作潜在影响的示例 [2, 9, 10]。AI 能在多大程度上支持、扩展或取代放射科医生过去所做的工作尚未得到系统分析,尤其是通过对现有 AI 应用的全面概述。了解 AI 可能带来的影响类型对于更好地制定与 AI 协同工作的应对策略至关重要 [11]。

尽管具有重要意义,但对市场上提供的 AI 应用功能的系统评估很少 [10]。对现有 AI 应用及其在放射学工作流程中功能的彻底检查有助于我们了解 AI 是否以及如何影响神经放射科医生的日常实践。对技术使用和技术影响的评估是一种已知的科学方法,称为技术志 [12]。

关于 AI 的研究不仅应包括算法的开发,还应包括 AI 的更广泛影响,例如对放射科医生日常工作 [13] 的影响。新技术需要新的评估方法 [14],系统的技术志综述可以为关于 AI 在临床实践中价值的个人主观意见提供客观的平衡。

技术志遵循与系统文献综述相同的方法。它不审查出版物,而是审查某一领域中“技术发展”的实例。每条记录都以预定义的系统方式进行评估,以对技术发展的现状、其特征及其重点提供客观评估。技术志使我们能够描绘技术发展,从而识别差距并为未来发展提出机会。

放射科工作流程包含许多步骤,目前尚不清楚当前的人工智能应用是否对其产生影响。为评估人工智能对放射学专业的影响,我们需要审视人工智能应用的功能并将其映射到放射科工作流程中。对人工智能发展情况的清晰概览及其功能的详细分析,有助于放射科科室和放射科医生做出更明智的决策并为未来做好准备。这也有助于研究人员和应用开发者识别适合未来发展的领域。

目的

通过对现有人工智能应用进行客观、系统的评估,获得关于神经放射学人工智能功能的全面、系统概览。

分析这些应用对神经放射科医生工作的潜在影响。

方法

研究设计

在这项混合方法研究中,探讨了人工智能的前景与神经放射学工作流程的交汇点。关于人工智能公司和应用的事实信息与基于定性编码手册的工作流程评估及其影响相结合。我们的方法与PRISMA系统文献综述有一些相似之处,但也有一些差异。相似之处在于数据的系统性存储、使用预定义编码手册进行系统分析(含定义)以及清晰描述的可重复方法学。差异在于我们的抽样不是通过在文献数据库中进行查询来执行的,数据不是从科学出版物中提取的而是来自供应商网站,且研究问题并非完全预先确定,而是探索性的,这要求在研究过程中收集额外数据(关于平台的信息、资金信息、科学验证信息)。

数据收集与编码

数据收集、编码和分析按图1所示进行。用作来源的会议是根据其全面性或神经放射学和影像信息学亚专科来选择的。对公司所在地没有限制。我们未考虑同样提供解决方案的非商业应用,这些应用通常用于研究。

一位具有10年以上神经放射学经验的放射科医生(AO)通过使用编码手册对收集的数据进行编码,以检查某个应用针对的是哪些放射学任务[15, 16]以及它对这些任务可能产生何种影响(即“支持”、“扩展”、“替代”;表1)。这些任务的范围从向患者和转诊医生提供信息,到检查的判读以及在报告或多学科团队会议中传达结果[17]。

参照点是应用的技术描述和所呈现的用例。对于某些功能,当影响可能是多重的(例如取决于应用在实践中如何实施),则选择了不止一种影响(例如同时选择支持和替代)。人工智能特征基于分层分类[2]进行评分,其中深度学习是机器学习的子类别,机器学习是人工智能的子类别。如果供应商网站未提供具体说明(机器学习或深度学习),我们将该应用归类为“人工智能”这一宽泛类别。

没有FDA批准信息的应用还在FDA公共网站上进行了额外核查。对于CE认证,未进行额外核查,因为不存在集中化的公共数据库。

图1 研究流程图。RSNA = 北美放射学会。ECR = 欧洲放射大会。ESR AIX = 欧洲放射学会人工智能展览会。ASNR = 美国神经放射学会。SIIM = 医学影像信息学学会。神经放射学定义为与大脑或脊髓作为解剖区域相关的应用,或与大脑或脊髓特定疾病相关的应用。(*)公司网站、LinkedIn.com、Crunchbase.com和FDA网站 查看原图 ↗
表1 影响分类编码手册 查看原表 ↗

数据库架构

主要数据字段为“公司”、“平台”、“应用”及对这些应用的评估。设计了一个关系型数据库来存储和分类这些数据(附录图7和表7)。该数据结构允许一对多关系:一个公司可以有多个应用,一个应用可以有涉及各种放射学任务的多个功能。每个应用可以有多种类型的批准证书(如FDA、CE标志),可用于多种模态(如CT和MRI),并与不同的病理(如痴呆和卒中)相关。在应用的技术特征中,收集了关于PACS集成以及应用是在云端还是本地运行的信息。

在一个单独的列表中,我们评估了在搜索和分析AI应用过程中发现的“平台”的特征。此背景下的平台是指分发和访问AI应用所通过的应用程序(表2)。仅纳入用于神经放射学AI应用的平台。应用如何对接平台是一个显著特征,提供了关于应用可用性的信息。

表2 平台类别 查看原表 ↗

结果

公司和应用概述

我们识别出来自三大洲27家公司的37个应用。大多数活跃于提供AI解决方案的公司相对较小且年轻(图2)。对于半数公司,我们找到了关于其融资的信息,显示各大洲之间融资金额分布不均(图3)。大多数公司(74%)在该领域只有一个产品(表3)。

图2 27家公司的成立年份以及根据员工数量划分的公司规模类别分布 查看原图 ↗
图3 27家公司中13家所获融资的地理分布(求和及平均值)。本国货币金额已转换为欧元。平均融资额按每个大洲的所有公司计算 查看原图 ↗
表3 每家公司应用数量 查看原表 ↗

平台和应用的技术特征

平台

我们发现应用可在三种类型的平台上运行(表2)。一些平台旨在与特定的神经放射学应用配合使用。其他平台可用于开发应用。第三组平台(“市场”)为放射学内许多亚专科提供许多应用(表4)。用户可以通过使用该平台来访问这些应用。

表4 应用平台 查看原表 ↗

应用

我们将12个(32%)应用归入人工智能(AI)这一大类,因为这些应用未说明其使用的算法类型。8个(22%)应用提及机器学习(ML),17个(46%)应用提及深度学习(DL)或卷积神经网络。在应用网站的一般信息中,无法获得关于算法技术细节或训练与验证数据细节的具体信息。

在所有应用中,23个(62%)具有无缝PACS集成,17个(46%)使用基于云的计算(表5)。

表5 PACS集成与计算位置。 查看原表 ↗

应用监管批准

13个(35%)应用同时获得FDA和CE批准,25个(68%)应用获得至少一种批准(图5)。获得一种或多种批准的应用百分比存在地区差异:亚洲10个(91%);欧洲8个(73%);北美7个(64%)。在2014年之前成立的公司产品中,14个(88%)有一个或多个应用获得一种或多种批准,而2014年或之后成立的公司提供的应用中,这一比例为11个(52%)。

成像 modality 与病理类型

所有应用分析的图像涉及以下一种或多种成像 modality:MRI(19个;51%)、CT(19个;51%)、MR灌注(2个;5%)、CT灌注(3个;8%)、CT血管造影(5个;14%)和MR血管造影(1个;3%)。

大多数应用设计用于单一病理。常见病理如下:缺血性卒中(13个;35%)、颅内出血(10个;27%)和轻度认知障碍与痴呆,包括阿尔茨海默病等亚型(7个;19%)、多发性硬化(4个;11%)、肿瘤(4个;11%)、创伤性脑损伤(3个;8%)、帕金森病(2个;5%)和颅内动脉瘤(1个;3%)。

在全部三组监管批准(FDA、CE、其他)中,缺血性卒中、颅内出血和痴呆类别比其他类别更常见。

应用功能与放射学工作流程

表6概述了所有应用的功能,每项功能附有说明和示例。图6展示了功能在工作流程步骤上的分布。一个应用可映射到一个或多个工作流程步骤。

表6 功能及说明与示例 查看原表 ↗

对放射学工作的影响

大多数应用功能(39个;54%)旨在“支持”放射科医生执行其当前任务(图4)。另一些应用功能通过提供在这些应用引入之前不可能获得的定量信息来“扩展”放射科医生的工作(23个;32%)。只有少数应用功能(10个;14%)提供接管某些任务的功能。替代功能的常见示例是报告准备。在已批准和尚未批准的应用中,最常见的类别是“支持”,其次是“扩展”和“替代”。

为说明不同类别,我们在此提供几个示例。“支持”类别中的一个应用是e-Aspects(Brainomix)。该应用自动为缺血性卒中患者推导方面评分。

Icobrain dm(Icometrix)通过提供大脑体积信息并将该信息与规范数据库进行比较,扩展了放射科医生的可能性。

一个可以替代放射科医生完成某项任务的应用示例是 VIZ LVO(Viz.ai)。该应用在大血管闭塞时提醒值班卒中团队。

一个应用有时会提供与全部三个类别相关的功能。例如,AI 阅读器(Qmenta)支持放射科医生作出诊断,通过提供定量信息延伸放射学工作,并可在为转诊医生起草自动化报告方面替代放射科医生。

图 4 Sankey 流图。从左到右,各列项目分别代表公司、功能和影响。每个项目的大小对应该类别内的相对值。例如,最常见的功能可供性是“定量(病理)”,最常见的影响是“支持” 查看原图 ↗
图 5 应用的批准情况。每个圆圈代表若干由特定组织批准的应用。FDA 是美国食品药品监督管理局。CE 指 CE 标志。CE 标志是一种认证标志,表明在歐洲經濟區(EEA)内销售的应用符合健康、安全和环境保护标准。相交部分中的数字属于两个或更多类别。“其他”类别代表澳大利亚、加拿大、韩国、新加坡和越南的批准机构 查看原图 ↗
图 6 工作流程。每个应用的功能被映射到放射科医生工作流程的项目,如方法部分代码本中所述。检测并分割特定病理状况的应用归类为“检测”,不在“分割(病理)”下重复归类。例如在痴呆背景下测量脑体积的应用归类为“定量(病理)”,也不在“定量(解剖)”下归类 查看原图 ↗

科学验证

一半的应用提供某种形式的科学证据以表明其有效性。对于五个(14%)应用,网站提供了关于会议摘要或出版物的信息;对于 13 个(36%)应用,网站上既有信息,PubMed 上又有一篇或多篇同行评审出版物。对于 19 个(51%)应用,没有关于科学验证的信息。

讨论

本工作描述了对 AI 应用的功能和潜在影响以及供应商特征的系统性技术图谱综述。一些供应商有不止一个应用,每个用于特定任务,而另一些供应商有一个可执行多项任务的应用。我们的方法通过使用关系数据库 [18] 来解决这一问题,其中许多功能或工作流程项目可以分配给一个应用。这种灵活性使我们不仅能够在应用层面进行分析,还能够在功能层面进行分析。

公司和应用

相对较高的应用数量以及大多数公司较为年轻这一事实,证实了文献中近期对神经放射学中 AI 的关注。由于关于资助的信息有限,我们无法得出明确结论,但有趣的是,资助名单中领先的公司在中国。

技术特征

对于大多数应用,没有关于应用运行平台的信息;因此,放射科在确定最适合其需求的应用之前,将从供应商处获得更详细的信息中受益。

对于大多数应用(68%),提供了AI类型(机器学习或深度学习)。一些公司详细提供此信息,而其他公司则不提供或以肤浅的方式提供。对于放射科医生来说,了解其所用技术的优势和劣势对于提高质量、确保安全和理解伪影至关重要[19, 20]。此外,放射科医生需要了解有关应用的技术信息[21],以识别AI应用的优势和缺陷[22]。关于算法训练数据以及是否进行了外部验证的信息有助于放射科医生评估AI应用在其医院中的可信度和适用性[23]。这类数据有限。需要放射科医生和供应商之间的密切合作,以确保算法的真正临床效用[24]。

除了AI应用的算法细节外,应用整合到工作环境中的方式也对放射科医生的工作产生影响。可用性对于确保放射科医生在日常工作中使用该应用至关重要[25, 26]。许多被调查的AI应用的无缝PACS集成促进了放射科医生使用这些应用的努力。尽管我们的数据未显示关于PACS集成的更详细信息,但这一发现表明供应商意识到整合到日常工作流程中对于放射科医生采用这些应用至关重要。

监管批准

获批应用的比例相当高,这表明神经放射学中的AI不仅处于开发和测试阶段,而且已经可供放射科医生在日常实践中使用。批准可以成为评估AI应用对患者健康结局益处的起点,这需要比监管批准通常所需的更高水平的证据[27]。

成像方式和病理

神经放射学严重依赖MRI和CT,因此大多数应用被设计用于MRI或CT数据并不令人意外。我们数据库中的应用所能处理的病理类型反映了神经影像学中常见的疾病。然而,神经科医生和其他专科医生请求成像的其他主要疾病类别缺失,例如神经根病和癫痫。在定义此类临床挑战时,放射科医生可以为人工智能的转化研究做出贡献[28]。

功能和工作流程

最多的功能直接与放射科医生的核心业务相关:发现和解读异常并做出正确诊断。这一事实表明AI公司开发的产品与放射科医生真正相关。

归入“质量保证”类别的项目主要用于改善工作流程。未发现执行更直接质量保证任务的应用,例如评估报告的完整性或质量。

与工作流程早期阶段(例如预约、采集和预处理)和最终阶段(例如报告和沟通)相关的应用和功能存在短缺。这表明了公司和放射科医生在图像解读之外领域开发应用的机会[29, 30]。

对放射科医生工作的影响

科学期刊专门发表论文和社论来探讨人工智能的新兴发展,并思考“人工智能会取代放射科医生吗?”[31]。总体而言,人工智能将影响许多工作的部分内容,但这些相同工作中的其他任务不会改变[32]。我们的结果证实了这一点。目前,人工智能应用并未提供能够取代放射科医生的功能。少数有潜力取代放射科医生的应用仅能针对有限的任务集做到这一点,例如预起草报告和分析卒中患者。事实上,市场上可用的应用仍然是狭义人工智能应用,这意味着它们专注于一项小任务。该术语可应用于为单一任务支持或取代放射科医生的人工智能工具,而完成一系列其他任务仍需要放射科医生。这些应用不检查其他相关或不相关的发现;因此,放射科医生仍有任务要做。

这一事实并不意味着人工智能对放射科医生没有影响。许多应用可用,可以支持放射科医生,特别是在临床见解的“检测”和“解读”方面,这是放射科医生的两项主要职责。许多应用还扩展了放射科医生的工作。定量信息和生物标志物将增强选择使用这些应用的放射科医生放射学报告的内容[33]。

科学验证

公司在产品的科学验证和监管验证方面都面临困难,尽管我们看到对人工智能产品进行可靠科学验证的尝试比监管批准更为有限。仅少数应用有同行评审的发表文献。这表明监管批准不等同于临床验证,并证实了大多数当前应用尚未准备好接受临床部署的评论[34, 35]。几乎所有应用对患者结局的影响尚待评估。

回顾新发展并提供可用应用的概述是一种成熟的研究方法。例如,Landau等人在一篇综合综述中提供了细胞病理学中人工智能的概述,并描述了文献和商业格局[36],Chen等人描述了泌尿外科中人工智能的现状[37],Murray等人对神经放射学中的人工智能应用进行了系统文献综述[38]。我们未发现其他类似我们研究的系统性技术图谱综述。

可推广性

为卒中或痴呆等疾病设计的应用特定于神经放射学亚专业。这些工具不直接适用于其他亚专业。然而,我们调查的应用的基本概念可推广到神经放射学中的其他类型病理或放射学中的其他亚专业。这些基本概念如下:基于病理存在对PACS工作列表中的检查进行优先级排序

工作流程的优化

解剖结构的量化及与基于年龄的对照组比较和生物标志物的推导

病理的自动检测和分割

基于指南和特定标准的病理自动分类

这一列表表明,放射学在不久的将来将不再是现在的样子。对人工智能的大量投资将推动该领域的研究和开发[39]。

局限性

供应商网站信息的质量和完整性存在很大差异。我们的结果代表了我们所彻底评估的所有可用材料。未公开可用的人工智能应用的特征超出了我们的研究范围,包括研究机构中常用的应用。

我们仅纳入了提及“神经放射学”和“人工智能”(或相关词语)的应用。然而,一些应用提供的高级人工智能工具虽然用于放射学,但也适用于神经放射学。使用自动化处理但未明确使用人工智能的应用未被纳入。因此,我们的结果可能低估了对从事神经放射学工作的放射科医生的工作有影响的应用。

我们纳入了来自欧洲和北美几个大型放射学大会参展商的应用。尽管我们的数据库中也有一些来自亚洲的公司,但我们的结果可能存在偏向欧洲和北美的偏倚。特别是考虑到一些亚洲公司获得了大量资金,可以预期该大洲将对未来人工智能发展做出重要贡献。

另一个局限性是我们没有审查科学验证材料的内容。我们仅对该材料的存在与否进行了评分。

未来研究

如前所述,人工智能正以高速发展。随着时间推移重复我们的研究有助于我们跟踪这些发展,并更准确地概述其对放射学工作和放射学专业的潜在影响。这种随时间的变化也将提供有关该市场发展的宝贵信息。实施后的反馈对于确定应用在支持、扩展和替代方面的实际使用方式也非常重要。

结论

神经放射学中的人工智能不仅处于开发和测试阶段,也已可用于临床实践。活跃在该领域的许多公司年轻、有雄心,并已获得大量资金。所开发的应用与神经放射学高度相关,可支持放射科医生并扩展放射科医生为患者护理增加价值的可能性。支持放射科医生的主要功能是异常影像表现的检测和解读。扩展放射科医生可能性的主要功能是提供定量信息。在“替代”类别中,有一些应用可在特定领域生成放射学报告。人工智能产品的科学验证比监管批准更为有限。

引用

  1. Olthof AW, van Ooijen PMA, Rezazade Mehrizi MH, et al. Promises of artificial intelligence in neuroradiology: a systematic technographic review. Neuroradiology. 2020. PMID: 32318774. doi:10.1007/s00234-020-02424-w
  2. 全文:PMC7479016(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7479016/

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。