公众号 / 文章儿科影像技术与安全

欧洲儿科放射学会人工智能工作组:数字时代的新工作组

European Society of Paediatric Radiology Artificial Intelligence taskforce: a new taskforce for the digital age.
PubMed 文献 · Pediatr Radiol · 2022-06-22

本文介绍2021年在罗马国际儿科放射学会议上成立的欧洲儿科放射学会(ESPR)人工智能工作组。该工作组成立于一项国际调查之后,调查中83%(67/81)的ESPR成员受访者支持成立专门的人工智能工作组。文章阐述了工作组的三大目标:教育培训、研究合作和人工智能实施合作,并列出了未来五年的具体项目计划。

要点

  • ESPR人工智能工作组于2021年罗马国际儿科放射学会议成立,83%(67/81)的ESPR成员受访者支持。
  • 工作组首要职能为协作与教育,包括提供与儿科放射学相关的人工智能教育内容。
  • 工作组计划开展多中心研究合作,涉及数据集收集、图像去标识化和多病例多读者研究。

核心结论

  • ESPR人工智能工作组致力于通过教育、研究和协作支持ESPR成员,并分享用户经验。
  • 工作组的主要职能基于协作和教育努力,源自成员调查结果。

研究设计与样本

  • 本文为ESPR人工智能工作组的介绍性文章,描述其成立背景、职能、目标和当前项目。
  • 成立依据为ESPR主导的一项国际调查,调查对象为儿科放射学医疗专业人员。
  • 工作组在2021年意大利罗马国际儿科放射学会议(ESPR与SPR联合会议)上成立。

诊断标准与关键数值

  • 在ESPR成员受访者中,83%(67/81)支持成立专门的人工智能工作组。
  • 超过一半(68%)的受访者表示如果人工智能内容专门针对儿科放射学,他们更有可能学习。
  • 多数(>80%)ESPR受访者支持成立工作组,并帮助定义了关键目标。

临床应用与阅片要点

  • 工作组旨在提供与儿科放射科医生相关的人工智能教育内容。
  • 工作组计划通过共享多中心数据帮助验证和建立儿科人工智能算法的性能。
  • 工作组建议和支持新中心将人工智能纳入临床工作流程,通过收集ESPR成员的实施经验数据库。

局限性

  • 许多描述人工智能算法的出版物未能进行外部验证或基于非常有偏倚的数据集创建工具,可能排除某些人群(如2岁以下儿童或罕见病患者)。
  • 缺乏关于上市后监测以及人工智能性能是否随时间保持相似高准确度和标准的数据和信息。
  • 儿科影像中人工智能的作用仍在涌现,针对儿科人群定制的产品很少。
全文中译7 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:Pediatr Radiol. 2022 Jun 22;53(4):576–80. doi: 10.1007/s00247-022-05426-3

引言

人工智能(AI)包括机器学习和深度学习,被定义为“能够执行通常需要人类智能才能完成任务的计算机系统和算法的理论与开发”[1]。这一表述涵盖了广泛的工具,包括但不限于视觉感知、语音识别和决策。关于AI工作原理的描述是“一组先进的计算算法,通过学习数据中的模式来帮助对未见数据集进行预测”[2]。

AI引发了大量炒作,主要由于它在医疗保健的许多方面展现出巨大潜力,包括改善工作流程、自动化日常任务、早期识别和预测常见及罕见的潜在可治疗疾病,以及更好地利用稀缺资源[3]。尽管医学文献中声称AI算法具有超人性能的发表数量呈指数级增长,但这尚未转化为更广泛的临床实践。然而,该领域大多数领军人物相信它们变得普及只是时间问题[4],大多数普通放射科医师对此创新持欢迎态度[5–8]。

为回应这种对AI日益增长的兴趣,代表欧洲儿科放射学会(ESPR)开展了一项针对儿科放射学医疗保健专业人员的国际调查[9],以了解我们的亚专业是否持有类似态度。大多数受访者对将AI工具整合到儿科放射学中持积极看法。大多数人认为AI不会威胁他们的生计,并能够理解并提出AI可能对患者和一般工作流程有帮助的不同方式。许多人认为放射科和医院工作人员开始为AI和机器学习工具做准备非常重要(评分10/10),尽管当地障碍(如时间、资金和指导/导师的可用性)阻碍了他们获得教育机会。

在自认为ESPR成员的受访者中,83%(67/81)支持设立专门的AI工作组,这促成了2021年在意大利罗马举行的国际儿科放射学(IPR)会议上成立了一个新委员会,以顺应这种日益增长的兴趣,并提供一个论坛,让志同道合的兴趣人士可以讨论新想法、分享学习和研究机会。本文阐述了ESPR AI工作组的起点,并阐述了我们的关键目标和计划。

工作组职能

AI在儿科影像中的作用仍在显现[10]。尽管AI在成人放射学中有若干新颖用途,且越来越多的商业产品进入日益拥挤的市场,但很少有产品针对儿科人群量身定制[3]。关于不同国家安全和法律标准的新规则和法规对这些医疗设备来说很重要[11, 12],随之带来了其他医学领域此前未涉及的伦理考量[13]。因此,该工作组的职能和目标可能会随着该领域的发展而演变。然而,在撰写本文时,本委员会关于其主要作用和职能的共识观点基于协作和教育努力,正如我们的成员所强调的[9]并在下文概述。

目标1:教育和培训

需要一项专门的培训计划,致力于理解人工智能工具的开发、测试、实施和安全性相关的基本原则、应用和术语。这将使放射科医生能够理解该主题的现有文献,参与多中心研究以开发人工智能解决方案,并在考虑是否将人工智能工具整合到自身临床实践时,与人工智能工具供应商进行有意义的讨论[14]。

我们承认,大多数放射科医生没有计算机科学、信息学或编程方面的背景,也不会将其视为自己的职责去获取这些知识;尽管如此,每位医生都有责任参与本亚专业内的新发展,并将患者的结局和安全放在首位。因此,我们的目标是确保所有教育材料具有可展示的临床相关性,而非侧重于看似技术性、数学性或工程性强的主题。

为使人工智能和机器学习的进步在临床诊疗中得到有效利用,放射科医生有必要准备好应对这些变化。将对此的基础理解纳入放射学教学课程,并可能邀请大学合作伙伴参与,或许是长期的关键目标。教授人工智能基础知识的课程确实存在,但通常作为单次一次性活动提供[15]、针对特定机构(仅面向本地员工)或面向具有一定编程经验的参加者。在关于儿童影像中人工智能意见的国际调查[9]中,有趣的是超过半数(68%)的受访者表示,如果内容专门针对儿科放射学量身定制,他们更有可能学习相关知识。因此,本工作组认为,应为儿科放射科医生提供专门材料,并已着手规划培训策略,与其他国际影像信息学学会 counterparts(医学影像信息学学会[SIIM]和欧洲医学影像信息学学会[EuSoMII])的代表合作,以促进网络联系、增进相互理解并分享良好实践领域。

与此同时,我们希望引导有兴趣进一步了解儿科放射学人工智能知识的读者阅读先前发表在《Pediatric Radiology》上的优秀文章[16],包括近期关于该主题的专刊(2021年出版)[10, 17–26]。欧洲放射学会(ESR)组织了面向普通放射学的人工智能和信息学教育课程,例如面向高年资放射学受训人员的专门基础课程[27];对于希望获得培训认可的人员,北美放射学会(RSNA)近期推出了人工智能证书项目,涵盖在临床实践中使用人工智能产品的基础知识[28]。

目标2:研究合作

需要普遍认识到,人工智能在医疗保健中可以发挥关键作用,并且通过合作和共享多中心数据,我们可以帮助验证和确立用于儿科的新型算法的性能。许多描述人工智能算法的出版物未能进行外部验证或基于非常有偏差的数据集创建工具[29],这可能潜在地排除某些人群(即2岁以下儿童或受罕见病影响的人群)。关于上市后监测以及人工智能性能是否随时间保持同样高的准确性和标准,也缺乏数据和信息。为克服这些问题,我们旨在分享医院之间精简工作方式和共享大型数据集的经验,无论是涉及协助在本地站点建立联邦学习数据库,还是基于安全云的方法访问匿名化信息以部署和评估算法的性能。

目标3:人工智能实施的合作

明确需要有关专业团体之间的合作,以形成强大的临床、放射学和数据/计算科学家支持网络。先进技术和人工智能解决方案的强大程度取决于推动和支持它们的人。其开发依赖于以用户为中心的设计,以帮助改善医疗保健结果,并让最终用户和可能从其投入中受益的人积极参与。伙伴关系和合作是提供优化患者护理的创新解决方案的关键。因此,我们将发展和支持多个中心和亚专科的儿科放射科医生以及成人放射科同事(他们可能有一些来自自身实践的领域经验可以分享)、计算和工程科学方面的专业知识(包括软件工程师和统计学家)、实施科学家的协助、图像存档和通信系统(PACS)团队以及医院管理层之间关于整合到临床工作流程和研究伙伴关系的伙伴关系。

我们还应该记住,许多利益相关者可能与商业/工业人工智能合作伙伴合作或为其工作,这些合作伙伴也提供他们自己对如何生产和将其人工智能工具纳入医疗保健的关键见解。通过结合这些技能组合并利用每个领域的专业知识,我们可以帮助希望了解如何将人工智能整合和采用到其临床部门的同事。

当前项目

鉴于我们上述目标,我们制定了一套雄心勃勃但可实现的目标,我们将在未来五年内努力实现,这些目标广泛涵盖三个主要领域:

合作、伙伴关系和支持

汇聚一批对使用、教学和开发人工智能工具具有兴趣和专业知识的国际儿科放射科医生核心小组。

建立一个网络,使研究材料(例如外部验证数据集、影像阅读者、数据标注者)能够合作,以支持人工智能工具的开发和儿科新兴人工智能产品的评估。这可能涉及促进成像协议的标准化,以减少检查的变异性,促进高成像质量,并最终提高算法和放射科医生的准确性和性能。

通过汇集欧洲儿科放射学会(ESPR)成员的用户实施/经验数据库,为希望将人工智能(AI)纳入其临床工作流程的新中心提供建议和支持。

为ESPR成员提供工具和知识,使其能够批判性地分析在实践中使用的AI模型,并培养信心,当模型输出与其临床直觉或经验不一致时能够审慎地质疑该输出。

研究、伦理与数据共享

5.头脑风暴研究课题想法,确定关键合作伙伴和工作组成员以支持这些项目和算法开发。

讨论在儿童中使用AI的伦理问题,包括如何、何时、为何以及对谁使用这项新技术是适当的,同时考虑到在儿科疾病中使用可能产生的任何意外后果。

收集数据并发表关于AI对不同儿科疾病有效性的系统综述,以使ESPR成员了解最新技术进展。

就数据安全、共享数据的最佳实践方法、图像去标识化以及如何为各中心对AI工具进行最佳外部验证等主题,为成员提供建议和支持。

教育与培训

9.为希望作为儿科放射学 fellowship 的一部分接受信息学培训和AI经验的初级受训人员提供信息。

在年度ESPR会议活动和研究生课程期间的工作组会议上,由AI领域国际知名领袖为儿科放射科医生开设教学课程。这将涉及与其他放射学学会的合作,如欧洲放射学会(ESR)、欧洲医学影像信息学学会(EuSoMII)、儿科放射学会(SPR)、医学影像信息学学会(SIIM)和北美放射学会(RSNA)。这些学会的代表将被邀请加入我们的工作组,提供来自其他学会的新闻和活动更新及指导。

结论

2019冠状病毒病(COVID-19)大流行使人们更加关注需要创新技术解决方案来改善患者护理。技术不能孤立运作,因为将技术创新转化为以患者为中心的解决方案需要临床专业知识和合作伙伴关系。我们是一个致力于儿科放射学AI的工作组,存在的目的是服务ESPR成员,通过在教育、研究和协作产出方面支持他们,以及在这个快节奏和快速发展的领域分享用户经验。

引用

  1. Laborie LB, Naidoo J, Pace E, et al. European Society of Paediatric Radiology Artificial Intelligence taskforce: a new taskforce for the digital age. Pediatr Radiol. 2022. PMID: 35731260. doi:10.1007/s00247-022-05426-3
  2. 全文:PMC9214669(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9214669/

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。