Интервенционная радиология готова к нарушению отрасли с помощью ИИ – лидеры мнений

Автор: Оз Москович, руководитель команды по искусственному интеллекту и науке о данных, XACT Robotics.

Почти каждый сектор здравоохранения изучает возможности применения искусственного интеллекта, но есть области медицины, которые представляют больше возможностей для нарушения отрасли ИИ, чем другие. Как руководитель команды по науке о данных в медицинской робототехнике, я стремлюсь найти области необходимости, и ни одна медицинская специальность не представляет такой ясной необходимости в ИИ, как интервенционная радиология.

Проблемы, с которыми сталкивается интервенционная радиология сегодня, включают:

• Нехватка специалистов: Только около 10 процентов радиологов получают дополнительную подготовку в области интервенционной радиологии.
• Стоимость: Нехватка специалистов приводит к дополнительным затратам для пациентов. Пациенты из сельской местности часто путешествуют, чтобы найти ближайшего интервенционного радиолога – неся расходы на проезд и проживание.
• Своевременная диагностика: Недавнее исследование Синайской больницы показало, что более ранняя диагностика привела к значительному снижению смертности от рака легких.
• Свойства опухоли: При диагностике потенциальной опухоли размер, местоположение и тканевая комплаентность могут все привести к задержке диагностики и лечения.
• Несовместимости процедур: Ручные методы процедур иногда требуют нескольких вставок, чтобы достичь желаемой цели, что может привести к более длительному времени процедуры, повторным госпитализациям или осложнениям.

К счастью, инструменты, доступные сегодня, уже помогают смягчить эти проблемы, и ИИ является одним из ключевых факторов. Объединив возможности ИИ и машинного обучения с робототехническими и изображающими платформами, мы можем расширить доступ к качественной медицинской помощи. Это включает в себя улучшение скорости, эффективности и доступности процедур, таких как биопсии и абляции, что приводит к более положительным результатам и удовлетворенным пациентам.

Возможность в робототехнике

Роботические системы распространились по всей медицине, но спрос на сложное и точное планирование и мониторинг изображений в процедурах, таких как биопсии или абляции, делает робототехнику идеальным выбором для интервенционной радиологии. С точным, роботизированным введением и управлением врачи могут диагностировать и лечить потенциально опасные для жизни заболевания на ранней стадии – когда опухоли меньше и более восприимчивы к лечению. Робототехнология также предоставляет возможность для дальнейшего включения ИИ и машинного обучения в интервенционную радиологию.

С учетом того, что клинические рабочие процессы все чаще включают технологии, основанные на ИИ, в нескольких областях, это только вопрос времени, когда подобное внедрение робототехнических систем будет принято. Когда робототехнические системы объединяются с машинным обучением, они могут использовать огромные объемы данных прошлых процедур, чтобы помочь врачам принимать обоснованные решения. Делясь этими данными глобально и предоставляя средства для их анализа, машинное обучение становится объединяющей силой, которая приводит к более совершенному уровню ухода, основанному на более широком наборе опыта. От поиска случаев с подобными характеристиками до выделения рисков и аномалий до рекомендаций в режиме реального времени даже наиболее опытные врачи будут выигрывать от доступа к этому набору возможностей. Кроме того, объединение ИИ и изображений производит новые возможности, такие как улучшение изображений, слияние изображений, сегментация тканей и 3D-рендеринг. Каждый из этих элементов дает врачу наиболее четкое представление о целях, позволяет планировать процедуры заранее и может способствовать более точной процедуре и оптимизировать результаты.

Решение проблем нехватки и неэффективности

Платформы, основанные на ИИ и робототехнике, имеют возможность сделать процедуры более предсказуемыми – снижая риск повторной госпитализации и завершая процедуры в постоянное время. Часть этой предсказуемости заключается в обеспечении оптимального результата с помощью одной процедуры и избежании необходимости повторной госпитализации пациента для второй процедуры. Medicare тратит около 30 миллиардов долларов в год на повторные госпитализации и более половины этой суммы идет на避аемые повторные госпитализации. Планируя процедуры и используя большие данные, машинное обучение и ИИ через робототехнические платформы, наши врачи будут выполнять процедуры точно и эффективно и снижать бесполезные расходы на避аемые процедуры.

ИИ также имеет возможность помочь решить проблему нехватки специалистов. По мере того, как интуитивно понятные устройства становятся более распространенными в учреждениях здравоохранения и знания о процедурах становятся более доступными, помощники врачей – т. е. ассистенты врачей и медсестры-практики – будут выполнять больше процедур. Расширяя возможности более широкого круга врачей с помощью инструментов для выполнения интервенционных процедур, мы можем облегчить напряженность в популяции врачей и распределить клиническую нагрузку более справедливо.

Применения ИИ в медицине еще далеки от повсеместного внедрения, но в конечном итоге есть огромная возможность для ИИ повысить способности врачей в интервенционной радиологии – он никогда не заменит их, а rather будет служить великолепным новым набором инструментов. Продолжая продвигать работу, которая уже ведется в командах по робототехнике, ИИ и машинному обучению, мы введем передовые технологии в интервенционную радиологию. Это имеет потенциал помочь решить проблему нехватки врачей и достичь положительных результатов более эффективно и быстро для более широкой популяции пациентов.