文献速递技术与安全

对医学影像中人工智能相关网络信息的评估

An evaluation of information online on artificial intelligence in medical imaging.
PubMed 文献 · Insights Imaging · 2022-04-25

该研究通过谷歌搜索34个关键词的前两页结果及3周RSS订阅,评估了248个网页和177条帖子对人工智能影响放射学的观点。结果显示多数观点为正面(网页43.2%、帖子65%),持负面观点者极少,放射科医生是最常见的作者群体之一。

要点

  • 网络上关于AI对放射学影响的观点以正面为主,负面观点仅占网页3.2%、帖子1%。
  • 商业网页正面观点比例最高(66%),教育网页中性观点比例最高(43%)。
  • 放射科医生是网页最常见的作者群体(38.7%),其撰写网页中46%持正面观点。

核心结论

  • 网络上关于AI对放射学影响的总体观点是正面的,且在不同来源和作者群体间具有一致性。
  • 放射科医生是这一在线讨论的重要贡献者,其结果可能影响未来招募。

研究设计与样本

  • 研究采用两种网络搜索方法:谷歌搜索引擎检索34个关键词的前两页结果(2021年1月25日至2月7日),以及RSS订阅追踪3周内(2021年3月7日至3月28日)新发布的网络内容。
  • 谷歌搜索共识别680个网页,其中248个相关且可访问并纳入评估;RSS订阅识别177条相关且可访问的帖子。
  • 网页观点由两位学术顾问放射科医生共同评估并共识分类为正面、负面、平衡或中性。

诊断标准与关键数值

  • 正面观点定义为AI带来就业增加、服务扩展、效率提升、判读保真度提高、患者护理改善、质量保证更好和工作满意度更高等主题。
  • 负面观点为与正面观点相反的主题;平衡观点列出相当数量的正反面要点但不给出总体倾向;中性观点客观呈现信息但不讨论对放射学领域的影响。
  • 谷歌搜索网页中正面43.2%(n=106)、平衡38.3%(n=95)、中性15.3%(n=38)、负面3.2%(n=8)。
  • RSS帖子中正面65%(n=115)、平衡11%(n=20)、中性23%(n=40)、负面1%(n=2)。

临床应用与阅片要点

  • 原文未据此给出临床推荐。

局限性

  • 原文未报告局限性。
全文中译14 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:Insights Imaging. 2022 Apr 25;13:79. doi: 10.1186/s13244-022-01209-4

关键点

共识?

网上对人工智能在放射学未来的发展总体上持积极看法。

放射科医生?

相当高比例的放射科医生认为将产生积极影响。

背景

人工智能(AI)涉及使用计算机算法来执行通常与人类智能相关的任务[1]。在过去10–15年间,AI在医学影像中的作用已进展到不同的开发、应用和完善阶段。因此,关于AI在医学影像中的出版物从2007–2008年每年约100–150篇呈指数级增长至2016–2017年每年700–800篇[2]。若干涉及皮肤病学、病理学和眼科学的研究已显示AI算法的潜力和临床效用。例如,皮肤癌作为全球诊断最多的恶性肿瘤,主要依靠视觉诊断。深度神经网络(DNN)已证明与顾问皮肤科医生的诊断能力相当[3]。因此,AI的早期演变倾向于视觉科学,其在放射学中的应用是这一趋势的延伸。

医学影像解读要求准确、精确和保真。其本质是一门视觉科学,解读者在其中将单幅或系列图像转化为简明的报告,以回答临床问题并指导循证管理。研究报告称,平均而言,放射科医生在8小时工作日内必须每3–4秒解读一幅图像才能满足工作量需求[4],而诊断影像的复合年增长率(CAGR)预计到2027年为5.4%[5],预计工作量将增加。职业倦怠在所有医学专科中普遍存在(约25–60%)[6, 7],而提出和实施的解决方案有限;因此,将AI纳入放射学实践可能带来许多关键优势。AI在放射学中的应用可大致分为诊断性和后勤性两类。计算机辅助诊断(CAD)可能有助于更早发现异常、改善患者结局、减少医疗法律风险并减轻放射科医生的工作量。后勤方面的改进将包括优化工作流程、及时沟通关键发现以及更高效的审核和分诊系统。

历史上,由于人工智能的发展,医学和放射学领域对人才招募一直存在担忧。针对放射学中人工智能相关各利益相关群体的集中评估显示了广泛的意见 spectrum。北美、欧洲和英国对医学生观点的研究传达了对人工智能对放射学潜在影响的不同意见,可能存在地域差异[8–10]。早期研究中一个反复出现的主题是医学院在人工智能的能力、效用和局限性方面存在巨大的教育差距。在法国进行的一项针对放射科培训医生和顾问医生的欧洲多中心研究[11]显示了总体积极的看法;然而,大多数人表达了对人工智能及其潜在影响信息不足的担忧。十年前,放射学作为职业的终结被大肆宣扬。因此,由于对放射学作为职业未来的担忧,放射学住院医师申请减少[12]。十年前,这种看法可能反映了在缺乏经验情况下的局部担忧。已有研究表明,接触过人工智能和放射学的医学生表达了更积极的意见[9]。从关于人工智能潜力的讨论向其整合和使用的过渡,应该已经基于实践和经验修正了意见。

因此,本文旨在量化互联网上呈现的关于人工智能对放射学影响的正面的、负面的、平衡的和中立的观点的比例。其目的是确定全球和区域对放射学中人工智能的认知,从而推断放射学的未来可能所在。

方法

数据收集

使用两种搜索方法来评估互联网上与医学影像中人工智能相关的信息。第一种搜索方法在搜索时筛选放射学中人工智能的现有数据。第二种方法识别与人工智能相关的文章在网络上发布时的实时流。搜索由两名研究者独立进行。

建立了三十四个关键搜索短语(附加文件1:附录1)。短语的生成参考了医学生、医疗保健专业人员、非顾问医院医生和未来放射学培训人员的意见。这些短语随后由两名顾问放射科医生(M.M.M.,O.J.O'C)验证。选择这些短语是为了反映广泛的搜索词,涵盖对人工智能对放射学服务影响的多学科意见。

数据识别

现有数据

该检索在谷歌搜索引擎的“全部”内容中执行,检索时间为2021年1月25日至2021年2月7日。谷歌搜索引擎拥有超过90%的市场份额,因此被认为在全球范围内具有合理的代表性[13]。谷歌检索以完全相同的方式针对34个关键短语执行。结果限于英语语言及开放获取学术资源,或无需财务费用即可访问文章的情形。我们审查了这些检索的谷歌结果前两页,因为大量关于用户行为的研究表明,95%的用户选择结果第一页列出的网站,仅5%的用户会查看后续任何页面的结果[14–18]。虽然发表日期不是选择标准,但谷歌检索纳入的所有文章均发表于过去5年内。

直播

采用丰富站点摘要(RSS)订阅源检索策略,对3周期间(07/03/21–28/03/21)的书面事件信息进行评估,作为新闻媒体和社交媒体上发布内容的替代指标。将相同的34个关键短语输入Google Alerts。这提供了对随后出现的新相关在线内容的持续检索。随后对这些内容进行分析并适当整理。

数据来源

确定每篇相关帖子的来源。随后根据“关于我们”部分为来源网站分配子类型。来源子类型被分为期刊、媒体、商业、教育或其他(若不属于这些类别)。对于已发表的学术内容,记录其是否来自同行评审和/或索引期刊(PUBMED)。若存在可识别的作者,将其子类型分为放射科医生、记者、非放射科医生、放射技师和其他。在可获得的情况下,还记录了地理来源和发布日期。

数据分类

由二分检索策略识别出的网页由每位研究者以同质方式进行分析。首先,所有谷歌广告均被排除。随后将每篇帖子分类为相关或不相关。不相关帖子包括未能提供医学影像中人工智能信息的帖子(如期刊征集摘要/投稿),或非开放获取的学术相关帖子、重复帖子或无法访问的帖子。

相关帖子被分为总体积极、消极、平衡或中性观点。该信息的评估和分类由两位资深作者(M.M.M.、O.J.O.C)完成,两人均为一家大型教学医院工作的学术顾问放射科医生。评估同步进行,最终决定通过共识达成。

相关性

积极

积极观点的主题为人工智能带来的变化,这些变化将导致就业增加、服务扩展、效率提高、判读保真度提升、患者护理改善、质量保证更好以及工作满意度更高。附加文件1:附录2提供了从纳入帖子数据中提取的积极观点示例。以积极信息为主且结论为总体积极观点的网页被归类为“积极”。

消极

消极观点为与积极观点主题相反的帖子(见附加文件1:附录2)。

平衡和中性

被归类为“平衡”的网页列出了相当数量的正面和负面观点,但没有给出总体正面或负面的观点。被归类为“中立”的网页客观呈现了与人工智能和放射学相关的信息,但没有讨论这将如何影响放射学领域,无论是负面还是正面。“平衡”和“中立”类别的根本区别在于,平衡的网页明确讨论了人工智能的各个方面将如何影响放射学领域,而中立的网页则没有(见附加文件1:附录2)。

数据分析

数据汇编和统计分析使用Microsoft Excel(Microsoft Corporation,Redmond,Washington,USA)和Google Sheets(1600 Amphitheatre Parkway,Mountain View,California,United States)进行。使用描述性统计对数据进行总结。对分类变量进行频率分析。

结果

共识别出680个与医学影像中人工智能相关的Google页面。其中,561个页面被认为相关且可访问。删除重复页面后,留下248个页面供评估。

这些页面中43%(n = 106)表达了人工智能将对放射科医生和放射科产生正面影响的总体观点;3.2%(n = 8)呈现总体负面观点;38.2%(n = 95)呈现平衡观点,15.3%(n = 38)呈现中立观点(见图1)。

相关页面中48%(n = 120)来自开放获取同行评审期刊;30.2%(n = 75)来自媒体来源;12.9%(n = 32)来自商业网站,8.5%(n = 21)来自教育来源。表1总结了所分配的来源类别和所传达的观点。媒体来源的类型以及特定商业公司的详细信息可见于附加文件1:附录3.1和3.2。商业网页的正面观点比例最高,即66%,其次是媒体网页52%,同行评审期刊37%,教育网页14%。另一方面,媒体网页的负面观点比例最高,为5%,其次是同行评审期刊3%。商业、教育或其他来源中未发现负面观点。同行评审期刊的平衡观点比例最高,为48%,而教育网页的中立观点比例最高,为43%。

93%(n = 230)的网页显示了可识别的具名作者,其中放射科医生占38.7%(n = 89);记者占作者的20%(n = 46);在其他专科工作的医生占6.9%(n = 16);放射技师占4.8%(n = 11)。不属于上述类别的其他作者占其余29.6%(n = 68)。研究人员、律师和营销经理属于“其他”类别。

由记者撰写的网页中总体正面观点的比例最高(52%,n = 24)。其次是放射科医生撰写的网页(46%,n = 41)和放射技师撰写的网页(45%,n = 5)。非放射科医生撰写的网页中正面观点的比例最低(18.8%,n = 3)。放射科医生撰写的网页(n = 4)或归入“其他”类别的网页(n = 3)中有4%持负面观点,其次是记者撰写的网页,为2%(n = 1)。放射技师或非放射科医生撰写的网页中未发现负面观点。归入“其他”类别的作者持平衡观点的比例最高,为39.7%(n = 27),而记者持中立观点的比例最高,为34.7%(n = 16)。汇总表见附加文件1:附录4.1(图2)。

北美地区撰写的网页有130个,表达了60个正面、48个平衡、18个中立和4个负面内容的网页。在欧洲(n = 49),撰写的网页中有21个正面、17个平衡、9个中立和9个负面网页。英国是欧洲撰写网页数量最多的国家,这些网页表达了9个正面、10个平衡、4个中立和0个负面观点(n = 23)。欧洲其余网页的分布如下:荷兰—6,德国—6,意大利—8,爱尔兰—4,比利时—5,挪威—1,丹麦—1,瑞士—5,奥地利—1,塞浦路斯—3,欧洲未注明—9。最后,一个杂项组包括:澳大利亚—11;以色列—4;亚洲—12;南美洲—2,非洲—2;以及不可获得—14,在撰写的网页中表达了19个正面、18个平衡、7个中立和2个负面观点。该频率数据见表2,相应百分比见图3。

北美放射科医生(n = 42)撰写了19个正面、18个平衡、3个中立和2个负面观点。在欧洲,放射科医生(n = 31)撰写了14个正面、12个平衡、3个中立和2个负面观点。英国放射科医生撰写了四个网页,表达了两个正面和两个平衡观点。这些数据见表3和图4。

谷歌快讯RSS源在3周期间从34个搜索词中识别出5504条新帖子。在识别出的快讯中,177条被认为相关且可访问。65%(n = 115)的帖子表达了对人工智能对放射学潜在影响的总体正面观点;11%(n = 20)持平衡观点;23%(n = 40)持中立观点;1%(n = 2)持总体负面观点(图5)。

在相关帖子中,大多数来自媒体来源(86%,n = 152);同行评审期刊占8%(n = 14);4%(n = 7)来自商业网站;2.3%(n = 4)来自其他来源。商业网页中总体正面观点的比例最高(85.7%,n = 6)。其次是媒体网页(67%,n = 102)、同行评审期刊(35.7%,n = 5)以及归入“其他”类别的网页(25%,n = 1)。论坛、教育网页和博客构成了“其他”类别。同行评审期刊持平衡观点的比例最高(21.4%,n = 3),其次是归入“其他”类别的网页(25%,n = 1)。同行评审期刊中有一篇(7%)文章持总体负面观点,媒体网页中也有一篇(0.66%)持总体负面观点。商业类别中未发现负面观点。汇总见表4。

在Google Alerts RSS订阅源识别出的相关网页中,85%(n = 151)存在可识别的具名作者。列出的作者中大多数为记者(66%,n = 100)。其次是商业作者(12.6%,n = 19)、放射科医生(4%,n = 6)、研究人员4%(n = 6),以及其他专科医生3.3%(n = 5)。不属于上述类别的其他作者占贡献者的9.9%(n = 15)。见图4。营销经理、媒体编辑和学生属于“其他”类别。由商业作者撰写的网页总体正面观点占比最高,为84%(n = 16)。其次是由记者撰写的网页64%(n = 64);非放射科医生60%(n = 3);“其他”作者53%(n = 8);放射科医生50%(n = 3)。研究人员的中立(平衡)观点占比最高,为67%(n = 4),而放射科医生的中性观点占比最高,为33%(n = 2)。一个由记者撰写的网页(1%)和一个由“其他”类别作者撰写的网页(7%)总体持负面观点。这些数据的汇总和制表见附加文件1:附录4.2(图6)。

图1 Google搜索与结果汇总示意图 查看原图 ↗
表1 按来源对帖子分类及百分比的汇总 查看原表 ↗
图2 各作者组呈现的总体观点数量。N = 230 查看原图 ↗
表2 观点的地理来源 查看原表 ↗
图3 观点的地理来源(百分比) 查看原图 ↗
表3 放射科医生的地理来源与观点 查看原表 ↗
图4 地理来源与放射科医生观点百分比 查看原图 ↗
图5 实时Google Alert RSS订阅源与结果汇总示意图 查看原图 ↗
表4 按来源对帖子分类及百分比的汇总 查看原表 ↗
图6 各作者组呈现的总体观点数量。N = 151 查看原图 ↗

讨论

关于人工智能(AI)对医学影像的作用和影响的意见与预测在过去几年中呈爆炸式增长,主要归因于放射学AI产品的最新进展。这些观点在内容上可以是正面、负面、平衡或中性的。医学影像中的AI于20世纪50年代首次在文献中被提及,自2000年代初随着机器学习(ML)和深度学习(DL)算法的出现以来已发生了实质性演变[19]。北美放射学会(RSNA)年会和欧洲放射学大会(ECR)上AI参展商的数量从2017年到2019年增长了两倍[20, 21]。自2016年以来,美国食品药品监督管理局(FDA)已批准64项基于AI/ML的医学影像技术,其中21项专注于放射学领域[22]。在欧洲,2015—2020年期间,欧盟CE认证(Conformité Européene,CE)已批准240款AI/ML设备,其中53%用于放射学[23]。2019年,欧洲放射学会发布了一份白皮书,为放射学界提供有关AI的信息,欧洲放射学会(ESR)的另一项研究表明,放射学界有需求将AI教育纳入放射学课程和培训项目,包括与伦理立法和数据管理相关的问题[24]。本文的目的是利用互联网活动来确定当前关于AI是该领域的威胁还是机遇的意见,因为这将对放射学的招聘和资源分配产生影响。

我们观察到,众多不同背景的评论者参与了有关放射学中人工智能的讨论,从具有专业和学术背景的人士到具有个人和组织利益的人士均有涉及。虽然这些作者不出所料地包括医疗保健专业人员,但也有相当比例来自媒体和商业背景。因此,关于放射学中人工智能的观点来自职业和背景极为多样的作者,包括放射科医生、非放射科医生、记者、研究人员、放射技师、商业管理者、物理学家、律师、计算机科学家、数据管理人员、工程师、学生和药剂师。北美和欧洲之间的作者分布相对均衡。这一分布在本研究纳入的放射科医生撰写的页面中也有所体现。作者的专业和地域多样性为人工智能对放射学影响的观点提供了更完整、更国际化的样本。

放射科医生反复表达的观点是,纳入人工智能算法有助于完成劳动密集型任务,提高效率和优化工作流程。他们也反对人工智能取代放射科医生的可能性。文献中的大量研究也反对人工智能取代放射科医生[25, 26]。放射科医生的两条评论示例包括:人工智能提供的更高效率将使放射科医生能够执行更多增值任务,对患者更加可见,并在多学科临床团队中发挥重要作用

以及放射科医生——处于医学数字时代前沿的医师——现在可以引导人工智能在医疗保健中的引入——在放射学中为人工智能工作和与之协同工作的时机就是现在

放射技师表达的观点是,利用人工智能算法最终可以在保持医学图像高质量的同时减少辐射暴露

并且放射技师在构建用于人工智能数据库的高质量影像学生物样本库方面将发挥关键作用。有趣的是,放射技师还写道,人工智能应纳入医学放射实践课程,并且应更加重视放射组学。此外,放射技师表达了这样的信念:情商而非人工智能是所有患者护理的基石,虽然“机器人会取代我的工作吗”这一概念可能是热门话题,但他们认为患者不会接受由机器人设备拍摄他们的X光片。

本研究共识别出十个负面观点,包括来自放射科医生的评论——5条、一名律师——1条、一名记者——1条和一名神经科学博士生——1条。示例包括:在遥远的未来,我认为计算机将从人类手中接管图像判读工作,就像计算机或机器已经接管了我们生活中如此多的任务一样。问题是,这会发生得多快?

以及放射科医生知道,支持人工智能研究并倡导其在临床环境中采用可能会减少他们的就业机会并降低对其职业的尊重。这提供了以各种方式反对人工智能的动机

以及一个人工智能计算机程序现在可以比委员会认证的皮肤科医生更准确地诊断皮肤癌,更妙的是,该程序可以更快、更高效地完成诊断

并且人工智能正在X光片和扫描影像解读、根据患者症状进行诊断等领域取代医生,这可以描述为一种“会诊医师”式的基础。

北美放射学会(RSNA)近期的一篇社论强调,多年前曾有一些高知名度的负面观点,涉及人工智能对放射科医生 impact 的影响[27]。其中包括一位最近获得美国计算机协会图灵奖的人工智能先驱,“我们现在应该停止培训放射科医生”[27]。其次,风险投资人Vinod Khsla在2017年宣称“放射科医生的角色将在5年内过时”,并被“复杂算法”取代[28];此外,一位美国“平价医疗”架构师在2016年美国放射学会年会上表示,放射科医生将在4–5年内被计算机技术取代[29],并且“几年后可能就不存在名为放射学的专科了”[30]。

有趣的是,许多关于人工智能预计将在何时取代放射科医生的观点所给出的时间框架早已过去,而人工智能在影像解读中的采用相对有限,目前也没有人工智能取代放射科医生的迹象。这些有争议的观点有可能登上头条,但也并非不可能对放射学的未来产生负面影响,尤其是对未来放射科医生的招募产生负面影响,因为研究表明,由于人工智能对该专科的明显威胁,医学生不太可能考虑从事放射学职业[8–10, 31]。

本研究发现,所评估的绝大多数网页持赞成观点,识别出的负面观点极少。这一发现与近期一项基于社交媒体的研究一致,该研究显示,围绕人工智能和放射学的讨论令人惊讶地积极,并且在1年期间识别出的积极讨论频率不断增加[32]。综合来看,这些发现表明观点已从曾经的负面看法转向更为积极的看法。

在使用谷歌搜索引擎识别出的网页中,放射科医生是最常见的作者群体,占所有可识别作者的38.5%。这些网页主要是同行评审期刊论文和媒体文章。这些发现突出表明,放射科医生积极参与人工智能相关研究以及与人工智能和放射学领域相关的在线讨论。放射科医生被鼓励在医学影像中人工智能应用的开发中发挥积极作用,以确保人工智能在临床实践中的适当实施和验证[26, 33]。2017年,美国放射学会成立了数据科学研究所,部分目的正是考虑到这一点[34]。

本研究的主要局限性在于使用主观评估将信息归类为正面、负面、中立和平衡。这在确定帖子的总体观点时引入了观察者偏倚的可能性,但通过使用两名资深放射科医生作为评估者,试图将此最小化。我们未对帖子的可读性进行定量评估。我们仅使用了一个搜索引擎“Google”,并仅限于英语语言以及每个搜索词的前两页,这一策略遵循了既往发表文献,并得到行为学研究的支持,这些研究表明95%的用户选择结果第一页列出的网站,仅5%的用户会查看后续任何页面的结果。

我们承认附加文件1:附录1中的搜索词列表并非详尽无遗,只是搜索医学影像中人工智能时可能使用的实际术语的代表性样本,但通过使用广泛范围的术语并研究前两页的发现,这些搜索结果将产生最相关的信息。RSS订阅源被用作事件信息的替代指标,可能并不完全代表社交媒体新闻订阅源、Twitter和其他网站中的信息。此外,单一的3周警报期可能存在偏倚,受该期间发生的新闻和媒体事件影响。

总之,所有评估页面中43%的作者表达了人工智能将对放射科医生和放射科产生积极影响的总体观点;38.3%呈现平衡观点;15.3%呈现中立观点;3.2%呈现负面观点。我们已证明,网上呈现的总体观点是积极的,即人工智能将使该专业受益。我们应当感到兴奋并期待这项技术的进步,它有潜力提高诊断放射学的诊断准确性、减少错误并提高处理快速增长的工作量的效率。

补充信息

附加文件1:在静态Google搜索和Rich Site Summary订阅源搜索策略中使用的34个关键搜索短语。

引用

  1. Mulryan P, Ni Chleirigh N, O'Mahony AT, et al. An evaluation of information online on artificial intelligence in medical imaging. Insights Imaging. 2022. PMID: 35467250. doi:10.1186/s13244-022-01209-4
  2. 全文:PMC9038977(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9038977/

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。