干预性放射学正处于人工智能颠覆的风口 – 思想领袖

作者：Oz Moskovich，AI 和数据科学负责人，XACT Robotics。

几乎每个医疗保健领域都在探索人工智能的应用，但有些医学领域比其他领域更容易受到人工智能的颠覆。作为医疗机器人数据科学团队的负责人，我渴望找到需要解决的问题，而没有哪个医学专业比干预性放射学更需要人工智能。

干预性放射学目前面临的挑战包括：

• 专家短缺：只有大约 10% 的放射科医生接受了干预性放射学的专科培训。
• 成本：专家短缺导致患者成本增加。尤其是农村患者经常前往寻找最近的干预性放射科医生 – 产生旅行和住宿费用。
• 及时诊断：最近的一项 西奈研究 发现，早期诊断可以显著降低肺癌死亡率。
• 肿瘤特性：在诊断潜在肿瘤时，大小、位置和组织顺应性都可能导致延迟诊断和治疗。
• 程序不一致性：手动程序方法有时需要多次插入才能达到预期目标，这可能导致程序时间更长、再次入院或并发症。

幸运的是，今天可用的工具已经开始缓解这些挑战，人工智能是其中的关键。通过将人工智能和机器学习能力与机器人和成像平台相结合，我们的医疗保健系统可以扩大高质量医疗服务的覆盖范围。这涉及提高程序的速度、效率和可用性，例如活检和消融，导致结果更好、患者更满意。

机器人技术的机会

机器人系统已经遍布整个医学领域，但像活检或消融这样的程序中复杂且准确的图像引导规划和监控的需求使机器人技术非常适合干预性放射学。通过准确的机器人驱动插入和导向，医生可以更早地诊断和治疗可能危及生命的疾病 – 当肿瘤较小、更容易治疗时。机器人技术还为进一步将人工智能和机器学习融入干预性放射学提供了一条途径。

随着临床工作流程越来越多地将人工智能驱动的技术纳入多个领域，机器人系统的采用只是时间问题。将机器人系统与机器学习相结合，可以利用大量过去的程序数据来帮助医生做出明智的决定。通过全球共享这些数据并提供分析的手段，机器学习成为一种团结的力量，推动医疗服务水平的提高，基于更广泛的经验。从找到具有类似特征的病例到突出风险和异常，甚至实时推荐，最有经验的医生也将从这些功能的可用性中受益。另外，人工智能和成像的结合产生了新的功能，例如图像增强、图像融合、组织分割和 3D 渲染。每一个都为医生提供了最清晰的目标图像，允许提前规划程序，并可以为程序的精度和结果优化做出贡献。

解决短缺和低效问题

人工智能驱动的机器人平台具有使程序更可预测的能力 – 降低再次入院的风险，并在一致的时间内完成程序。这种可预测性的部分在于确保单次程序的最佳结果，避免再次入院的需要。美国医疗保险每年在医院再次入院上花费 约 300 亿美元，超过一半的费用用于可避免的再次入院。通过规划程序并利用大数据、机器学习和人工智能通过机器人平台，我们的医生将准确、高效地执行程序，并减少对可避免程序的浪费支出。

人工智能还可以帮助解决专家短缺问题。随着直观的设备在医疗保健提供者设施中变得更加普遍，程序知识也变得更加容易获取，医生助理（如医生助理和护士执业者）将执行更多的程序。通过赋予更多的临床医生使用工具执行干预程序的能力，我们可以缓解紧张的医生队伍，并更公平地分配临床负担。

人工智能在医学中的应用仍然距离普遍应用还有几年，但最终，人工智能有巨大的机会来增强干预性放射学中的医生能力 – 它永远不会取代他们，而是将成为一个壮丽的新工具。通过继续推进机器人、人工智能和机器学习开发团队已经取得的进展，我们将引入尖端技术到干预性放射学中。它有可能帮助解决医生短缺问题，并更高效、更快地为更多患者实现积极的结果。