用于医学成像的AI评估临床转化的关键要求

人工智能(AI)在医学成像领域显示出巨大的前景。要将这一承诺转化为现实，需要对这些算法进行严格的评估。

为了制定评估核医学成像中人工智能(AI)的指南，圣路易斯华盛顿大学医学院马林克罗特放射学研究所(MIR)主任Richard L. Wahl博士，时任核医学和分子成像学会(SNMMI)主席，成立了SNMMI人工智能工作组，其中成立了一个评估小组。该团队由计算成像科学家，医生，物理学家，生物统计学家以及来自行业和监管机构的代表组成，由麦凯维工程学院生物医学工程助理教授和MIR放射学助理教授Abhinav Jha领导。

该团队提出的指南，即“核医学人工智能评估建议”(RELAINCE)指南，将发表在《核医学杂志》上。

“人工智能在医学成像方面显示出巨大的前景，特别是在核医学成像中，在从图像生成，增强和分析等众多应用中，”Jha说。“我们已经看到了这个领域的大量研究，包括我们自己小组的多篇论文。然而，对于这些算法的临床翻译，需要严格的评估。

“缺乏严格的评估可能会产生多种不良后果，包括降低研究结果的可信度，误导未来研究的方向，最重要的是，产生对患者无用甚至有害的工具，”Jha继续说道。“在我们的讨论中，发现有必要制定指导方针来进行此类评估。

例如，在开发用于处理低剂量获得的核医学图像的AI算法方面进行了大量研究。

“沿着这个方向，在我们自己的实验室里，我们开发了一种算法来处理低剂量的心脏SPECT图像，并对结果感到兴奋，因为生成的图像在视觉上看起来很棒，”Jha说。“但重要的不是它们是否看起来很棒，而是它们将如何完成图像所需的任务，在这种情况下，检测心脏缺陷。在这项任务中，与原始的低剂量图像相比，该算法的表现并不好。

“我们发现，虽然图像看起来不错，但在某些情况下，它们去除了病变，而在其他情况下，它们引入了假病变，”他说。

这些结果都不可接受，这表明需要根据临床任务评估算法。

该工作组建议，所有AI算法都应在临床任务上进行评估，并且评估应产生一个声明，该声明定义了评估算法的临床任务，人口统计学，成像程序和提取评估研究中使用的特定任务信息的过程，以及用于评估临床任务绩效的定量品质因数。

“对声明进行适当而清晰的定义，表明AI算法的预期用途和有效性至关重要，并且该声明应通过对AI方法的适当和广泛评估来证实，”阿姆斯特丹大学医学中心放射学和核医学教授，该论文的资深作者Roadd Boellaard说。“该声明应具体指出在哪些条件下和哪些患者可以使用该算法，以及可能导致不正确或更不准确的性能的任何限制或因素。

伊丽莎白·马林克罗特放射学教授、合著者Wahl表示，人工智能工作组已经产生了几篇重要的论文，这将有助于将人工智能方法从研究推进到核医学的临床实践。

“人工智能有可能在全球范围内传播专业知识，但如果实施不当，可能会传播不准确之处，”他说。“因此，Jha博士及其同事在RELAINCE标准方面的工作对于确保开发和部署有效的人群和特定于任务的AI方法非常重要。

该工作组提出了一个包含四类的框架，用于评估算法的承诺，技术任务特异性功效，临床决策和部署后功效。该框架背后的意图是，它将指导AI开发人员进行评估研究，为支持其预期主张提供证据。此外，工作组还提出了最佳实践，以评估四个类中每个类的AI算法。

“我们希望确保这些算法得到良好的评估，以便它们可以很好地协助临床任务，从而让患者得到最好的治疗，”Jha说。“我们希望人工智能提供帮助，而不是伤害病人。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！