AIはどのようにして放射線ワークフローを強化できますか?

2023 年 6 月 7 日 -- マサチューセッツ州バーリントンにあるレイヒー病院および医療センターの放射線科医は、6 つの AI アルゴリズムを臨床ワークフローに統合しました。

クリストフ・ヴァルド医学博士はAuntMinnie.comに語った。 「ありがたいことに、当社のベンダーは協力することに熱心で、全体として良い結果に到達したと思います。」

Lahey氏らは当初、いくつかのベンダーと協力して、米国食品医薬品局（FDA）承認のAIアルゴリズムを組み込んで、脳卒中症例のトリアージを行い、チームが一晩で読み取らなければならない画像の数を考慮して放射線科医の仕事に優先順位を付けた。

脳内出血による脳卒中など、生命を脅かす可能性のある状態の患者では、症例のトリアージが重要でした。 チームは、AI テクノロジーを、病院の RIS および PACS とは別のサードパーティの放射線ワークフロー オーケストレーション ソフトウェアと統合しました。

ケースの優先順位付け

これにより、AI 陽性診断を伴う検査をワークリストの最上位に昇格させる新しい優先カテゴリーが作成され、臨床医が検査を最初に解釈してすぐに対応できるようになりました。

米国放射線学会（ACR）情報学委員会の委員長でもあるウォルド氏は、「これにより偽陽性症例の不適切な優先順位付けが行われることがあるが、われわれは一般的にこのアプローチで良い経験を積んできた」と述べた。

このシステムを使用すると、放射線科医は、症例が AI 処理の対象となったかどうか、および診断結果が陽性か陰性かを示す色付きのバッジを確認できるようになります。

Wald 氏は、展開の初期段階では、AI の最終状態のみが表示されていたため、放射線科医は AI アルゴリズムがいつ研究を処理しているのかを知ることができなかったと述べました。

「これは何の害も引き起こさなかったが、本質的に機会を逃したことになる」と彼は言った。 「そのため、画像検査が処理中であることを示す小さな灰色のバッジを導入しました。放射線科医は結果を待つかどうかを決定できるようになりました。」

機能拡張の実装

「診断目的で AI 処理を使用する場合、または AI の品質管理を行う場合は、実際の AI 出力の表現を確認する必要があります」と Wald 氏は述べています。 「AI 企業が提供する専用の小さなウィジェットにオプションで表示される、色分けされたヒート マップを参照するオプションがあります。これは PACS とは別のものですが、アクティブ化され、研究のコンテキストに合わせて放射線科医のビューが開かれます。」 PACSに表示されています。」

Wald 氏は、レポートのインプレッションが閲覧時にすでに利用可能であれば同時に表示するなど、統合中に他の機能強化も達成されたと述べました。

「私たちはまた、放射線科医が人間と機械の努力を組み合わせて、AI の結果を知り、適切な行動を取れるという利点を常に得られるようにしたいと考えました。」と彼は言いました。

レポートがすでに最終ステータスにあるときにシステムが AI 結果を受け取ると、放射線科医は正式に研究に戻り、新しい AI 所見と実際の画像研究を照合できるリンクを含む警告を受け取ります。

安全上の警告

Wald 氏は、AI はうまく機能し、ワークフローが改善されているが、FDA による AI ツールの認可は、どこでも安全に使用できて効果的であると考えないことが重要であると述べました。

「多くのローカルな要因が AI のパフォーマンスに深刻な影響を与える可能性があるため、導入の前後でアルゴリズムを評価することは実践にとって極めて重要です」と同氏は述べています。

臨床フィードバックの取得とそれに基づいた行動は、将来の AI 研究やベンダー開発に役立つように、Lahey によって簡単に実行できるようになったもう 1 つの重要な考慮事項であると Wald 氏は述べています。

「私たちは皆、実際にAIの実世界でのパフォーマンス評価を継続的に実施する義務があります」と同氏は述べた。

良いニュースです

将来を見据えて、彼は AuntMinnie.com に次のように語った。「定量的 AI、多機能 AI スイート、日和見的スクリーニングに興奮しています。しかし、放射線科医にとって将来のワークフローの最大の強化は、実際には GPT ベースの生成 AI の使用によってもたらされると思います。私たちがこれまで見てきたシングルトリックのポニースタイルの AI よりも優れています。」

これらの新しいタイプのモデルは、放射線科医が上流の臨床情報を利用する方法を変えるだけでなく、将来の放射線科医の成果物を生成および出力する方法を変える可能性が高く、その多くは自然言語処理が中核であり、その通貨であるとウォルド氏は述べています。

「特に放射線科医が不足している世界の地域では、現状維持がほとんど不可能であるため、これは放射線科医とその患者、紹介医師の両方にとって朗報だ」とワルド氏は述べた。

価値を実証する

スタンフォード大学の放射線医学（神経画像診断と神経介入）教授であるグレッグ・ザハーチャク医学博士は、多くのAIアルゴリズムがすでに放射線医学のワークフローで「主流になりつつある」が、他の非常に「エキサイティングな」モデルであっても実装がより困難になる可能性があると述べた。カリフォルニア州スタンフォードにある大学。

米国機能神経放射線学会の元会長であるザハルチュク氏は、「多くのことが可能だが、コスト中立的な効果や何らかのコスト削減を示すことができないため、広範な臨床導入の機会は限られている」と指摘した。そしてJournal of Magnetic Resonance Imagingの副編集長。 「今日開発されている多くの素晴らしい AI アルゴリズムは、その価値を証明するのに正直苦労しています。」

ザハルチュク氏は、AIソフトウェア開発会社Subtle Medicalの科学者やエンジニアとともに、優れた画質を維持しながら造影MRI検査におけるガドリニウムベースの造影剤の使用を削減するためにAIソフトウェアに取り組んでいると述べた。 彼らの深層学習手法は、ゼロ線量画像と低線量画像から全線量スキャンを近似することを学習し、診断の質を犠牲にすることなくガドリニウム線量を約90％削減できることが研究で示唆された。

ザハルチュク氏は、スキャナーの稼働コストが高いことを考慮すると、放射線科、特に MRI の効率を向上させる手段として AI がすでに普及しつつあることを指摘しました。 この技術により、より迅速な画像取得と低線量検査が可能になると同氏は述べた。

評価されていない機能上の利点はありますか?

「AI の本当に有用な価値の 1 つは、技師であろうと放射線科医であろうと、人々が行う退屈な作業や間違いを犯す可能性のある作業の量を減らすことです」と彼は言いました。

」したがって、画像取得だけでなく、多くの個人的な注意と労力を必要とする多くの日常的なタスクも改善する機会があります。」

ザハルチュク氏は、請求やスケジュール管理における「バックオフィス型」機能のAI支援による自動化や、放射線科医のレポート作成にかかる時間を短縮する自然言語処理の可能性を挙げた。

「これらはすべて非常に良い用途だと思いますが、放射線科における AI について考えるときに必ずしも最初に思い浮かぶものではありません」と彼は言いました。

価値を実証する

Zaharchuk氏は、「何かが効率化につながらない場合や、より良い患者ケアのためである場合には、結果に基づいてそれを正当化する必要があり、そのためには、文書は非常に明確で明白でなければなりません。無視しないでね。」

同氏は、成果のメリットを実証するのは難しいかもしれないが、通常、AIアルゴリズムを導入して対処しようとしている問題が「明確で単純」な場合には証拠を提示できると述べた。

同氏は、マンモグラフィーなどの分野では、AIを使用すると病変検出アルゴリズムが利点を発揮する可能性があると述べた。

「この問題が解決されれば、そのような使用の払い戻しに取り組むことができます」と彼は言いました。

ガドリニウムの使用に対処したザハルチュクの経験は、AI の他の将来の潜在的な用途に関連しています。 ガドリニウムは、MRI エリアの下流の廃水中に高濃度で存在する重金属であり、必然的に環境問題を引き起こしています。

このような環境問題に対処できる将来の AI ソリューションは、「臨床現場でニッチな分野を見つけるかもしれない」と同氏は推測した。

さらに、ザハルチュク氏は、AIが「画像の命名を標準化」し、数百万枚の画像が適切に識別されラベル付けされることで、実務者が画像をより効率的に読み取り、シームレスな方法で下流のアルゴリズムに使用できるようにする可能性に興奮していると述べた。

手助け

ノースカロライナ州ダーラムにあるデューク大学医学部の放射線医学助教授であるキルティ マグディア医師は、北米放射線学会 (RSNA) に設立されたイメージング AI 実践 (AIIP) タスクフォースの共同議長を務めています。 AI アプリケーションを含む放射線システムの開発者間のコラボレーションを促進します。

RSNA は年次総会で、オンラインに掲載した事例研究でテクノロジーの多くの実際的な用途を探るデモンストレーション プロジェクトを実施しました。これらの事例は、模擬臨床環境における放射線科ワークフロー全体にわたる AI プロジェクトの結果を示しています。そして同組織は、次のような教訓を分析しました。これまでに学んだこと。

教訓を学ぶ

重要なポイントとしては、一貫性があり調整された相互運用性基準とオーケストレーションプロファイルの必要性、そして、急速に変化する環境における放射線科医とベンダー間の協力の重要性が挙げられる、とマグディア氏らは述べた。

2021 年後半に Radiology に掲載されたレポートの中で、画像処理に重点を置いた AI ベンダーの多くは Digital Imaging and Communications in Medicine (DICOM) オブジェクトのみを扱うことが期待されているのに対し、レポートに焦点を当てたベンダーの多くは DICOM オブジェクトと連携することが期待されていると述べています。高速ヘルスケア相互運用性リソース (FHIR)。

デモンストレーション プロジェクトの時点では、AI ワークフロー統合 (AI-WI) および AI 結果 (AIR) 用のヘルスケア エンタープライズ (IHE) プロファイルの統合が開発中でしたが、まだ公開されていませんでした。 そのため、「この文脈において、DICOM リソースと FHIR リソースの間の変換については合意が得られなかった」と研究では報告されています。

もう 1 つの重要な教訓は、放射線科医と AI 結果のやり取りの必要性でした。 研究によれば、AI の結果が最適でない場合でも、構造化データを生成する前に結果を調整できれば、構造化レポートへの統合メカニズムにより効率が向上する可能性があります。

統合のヒント

Magudia 氏は、AI を臨床ワークフローに統合しようとしている放射線医学の現場に対し、RSNA や ACR データサイエンス研究所などの放射線学会が提供するリソースと、FDA が承認した画像処理 AI 製品のリストを利用することを強く推奨しています。

「検討している製品のトレーニングにどのようなデータが使用されたかをよく考え、ローカル データで製品をテストし、その後は継続的にモニタリングすることを強く検討してください」と彼女はアドバイスしました。 「また、レポート生成を含む臨床統合を成功させるために、セマンティックおよび相互運用性の標準とオーケストレーション プロファイルを使用する製品を探してください。さらに、AI の結果がどのように表示されるかを慎重に検討してください。」

彼女は、今後どのようなワークフロー アプリケーションがさらに活用されることを期待していますか?

「日和見的スクリーニングは、AI アプリケーションとして私が特に興味を持っている分野です」とマグディア氏は AuntMinnie.com に語った。 「医用画像処理には、労働集約的すぎるため、一般には活用されていない大きな潜在的価値があります。これらには、冠動脈カルシウムスコアリング、体組成分析、偶発的な肺塞栓症の検出などが含まれます。これらのタスクの多くは相関関係にあります。患者の転帰に影響を与える可能性があり、患者ケアに影響を与える可能性があります。」

関連書籍:

1. ACR ケーススタディ acr.org/Practice-Management-Quality-Informatics/Imaging-3/Case-Studies/Information-Technology/Integrating-AI-into-the-Clinical-Workflow

2. 情報学 e ラーニング ハブ: AI の実践 (acr.org)