用AI重塑影像工作流：柳葉刀子刊 EBiomedicine發(fā)表南京鼓樓醫(yī)院與推想科技最新成果
南京鼓樓醫(yī)院醫(yī)學影像科張冰主任團隊與推想科技科研團隊聯(lián)合進行的重磅科研成果在高分學術期刊《EBioMedicine》（《柳葉刀 The Lancet》子刊，IF＝6．2）發(fā)表，研究提出了基于人工智能深度學習的智能排版和結構式報告系統(tǒng)（Intelligent Imaging Layout System，IILS）。IILS系統(tǒng)依托AI技術簡化并優(yōu)化臨床影像工作全流程，大幅提升影像科工作效率和準確率，為業(yè)界呈現(xiàn)了開創(chuàng)性的臨床應用創(chuàng)新轉化研究成果。
AI在醫(yī)學領域的運用已有了實質性的進步，但大多數醫(yī)療AI科研都集中在疾病的輔助診斷方面。然而高質量的標準化圖像是人工智能開發(fā)的基礎，同時AI的應用可以接管繁瑣、重復、單體價值低的管理行為。
南京鼓樓醫(yī)院張冰主任團隊聯(lián)合推想科技強大的AI技術及臨床科研能力，以更宏觀的視角，從臨床影像工作全流程角度出發(fā)，采用AI深度學習技術優(yōu)化和解決了臨床影像工作圖像采集——圖像呈現(xiàn)——疾病診斷3個主要工作流程中的問題，并在臨床上推廣應用了這一創(chuàng)新轉化成果。
此成果能夠在《柳葉刀》子刊發(fā)表，也印證了此研究成果的高質量，以及臨床應用的可行性。
文中指出臨床影像工作流圖像呈現(xiàn)（Layout）環(huán)節(jié)中長期存在的一個重要問題，即胸部薄層CT（0．625mm－2mm）掃描一般包括250層以上圖像，但是在膠片排版打印過程中，由于膠片空間有限，只能采用間隔打印的方式來排版，一般每張膠片僅保留40張圖像。
因此，實際上膠片比電子圖像損失了約82％的圖像信息。同時，漏診、無關鍵層圖像信息及缺乏標準化成像報告等問題也不斷使傳統(tǒng)臨床決策支持系統(tǒng)面臨著可靠性挑戰(zhàn)。
為解決這一問題，研究者開發(fā)并設計了基于人工智能技術的智能排版和結構式報告系統(tǒng)（IILS）。文中運用的機器學習方法能夠準確檢出肺部結節(jié)病灶（AUC高達90．6％），同時在檢測到的結節(jié)數量和良惡性判斷方面經過嚴格的統(tǒng)計驗證，被證實優(yōu)于六位放射科專家。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
