Hành trình Khoa học, Không gian và Thời gian!
Các nhà nghiên cứu đang kiểm tra các ứng dụng chẩn đoán hình ảnh y tế, xác định lỗ hổng kiến thức và xây dựng lộ trình để ưu tiên nhu cầu nghiên cứu.
Vào tháng 8 năm 2018, một hội thảo đã được tổ chức tại Viện Sức khỏe Quốc gia (NIH) ở Bethesda, Md., Để khám phá tương lai của trí tuệ nhân tạo (AI) trong hình ảnh y tế. Hội thảo được đồng tài trợ bởi NIH, Hiệp hội X quang Bắc Mỹ (RSNA), Đại học X quang Hoa Kỳ (ACR) và Viện hàn lâm Nghiên cứu X quang và Sinh học (Viện hàn lâm). Các nhà tổ chức nhằm mục đích thúc đẩy sự hợp tác trong các ứng dụng chẩn đoán hình ảnh y tế, xác định lỗ hổng kiến thức và phát triển lộ trình để ưu tiên các nhu cầu nghiên cứu. Lộ trình nghiên cứu của nhóm đã được công bố hôm nay như một báo cáo đặc biệt trên tạp chí Radiology .
“Những thách thức và cơ hội khoa học của AI trong hình ảnh y học là rất lớn, nhưng khác hẳn với những người phải đối mặt với AI nói chung. Mục tiêu của chúng tôi là cung cấp một kế hoạch chi tiết cho các xã hội chuyên nghiệp, cơ quan tài trợ, phòng thí nghiệm nghiên cứu và mọi người khác làm việc trong lĩnh vực này để đẩy nhanh nghiên cứu hướng tới những đổi mới về AI mang lại lợi ích cho bệnh nhân “, tác giả chính của báo cáo, Curtis P. Langlotz, MD, Ph.D. Tiến sĩ Langlotz là giáo sư về X quang và tin học y sinh, giám đốc Trung tâm Trí tuệ nhân tạo trong Y học và Hình ảnh, đồng thời là chủ tịch của các hệ thống thông tin tại Khoa X quang tại Đại học Stanford, và Hội đồng Công nghệ Thông tin và Hội nghị Thường niên của RSNA.
Các phòng thí nghiệm nghiên cứu hình ảnh đang nhanh chóng tạo ra các hệ thống máy học để đạt được hiệu suất chuyên môn của con người bằng cách sử dụng các phương pháp và công cụ nguồn mở. Các hệ thống trí tuệ nhân tạo này đang được phát triển để cải thiện tái tạo hình ảnh y tế, giảm nhiễu, đảm bảo chất lượng, xử lý, phân đoạn, phát hiện sự trợ giúp của máy tính, phân loại hỗ trợ máy tính và phóng xạ.
Các thuật toán học máy sẽ biến đổi thực hành hình ảnh lâm sàng trong thập kỷ tới. Tuy nhiên, nghiên cứu máy học vẫn đang trong giai đoạn đầu.
“Sự tham gia của RSNA trong hội thảo này là điều cần thiết cho sự phát triển của AI trong X quang”, Mary C. Mahoney, MD, Chủ tịch Hội đồng quản trị RSNA cho biết. “Khi Hội dẫn đầu trong việc đưa khoa học và giáo dục AI tiến lên thông qua các tạp chí, khóa học và hơn thế nữa, chúng tôi có một vị trí vững chắc để giúp các nhà nghiên cứu và thực hành phóng xạ hiểu đầy đủ hơn về công nghệ đối với y học và nơi nó sẽ đến.
Trong báo cáo, các tác giả phác thảo một số chủ đề nghiên cứu chính, và mô tả một lộ trình để đẩy nhanh những tiến bộ trong nghiên cứu máy học cơ bản cho hình ảnh y tế.
Các ưu tiên nghiên cứu được nêu bật trong báo cáo bao gồm:
Ngoài ra, các kiến trúc mô hình được đào tạo trước mới, được thiết kế cho dữ liệu hình ảnh lâm sàng, phải được phát triển, cùng với các phương pháp đào tạo phân tán làm giảm nhu cầu trao đổi dữ liệu giữa các tổ chức.
Khi đưa ra các mục tiêu nghiên cứu nền tảng cho AI trong hình ảnh y tế, các tác giả nhấn mạnh rằng các cơ quan tiêu chuẩn, xã hội nghề nghiệp, cơ quan chính phủ và công nghiệp tư nhân phải hợp tác để hoàn thành các mục tiêu này phục vụ bệnh nhân, những người được hưởng lợi từ các công nghệ hình ảnh sáng tạo Điều đó sẽ dẫn đến.
Nguồn tin tức:
Tài liệu được cung cấp bởi Hiệp hội X quang Bắc Mỹ . Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.
Tạp chí tham khảo :