基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果

目的:探究基于AI视觉技术的医疗影像辅助诊断系统在放射科质量管理中的应用效果.方法:医院从2019年7月开始在放射科中实施基于AI视觉技术的医疗影像辅助诊断系统.2019年1～6月为实施前和2019年7～12月为实施后.比较实施前后放射科质量管理情况.结果:实施后后受检者等待出片时间,单次检查成本费用,单个部位检查耗时及诊断报告不合格率均显著低于实施前(P<... 查看全部>>

全科医师对AI辅助诊疗系统的认知与需求调查

背景人工智能(AI)是国家新一代信息技术发展战略的重要部分,在医疗健康领域应用广泛,将AI应用于全科医疗辅助诊断和慢性病管理,对提升基层医疗水平,提高全科医师专业技能和临床决策能力有作用.目的调查各省(区,市)全科医师对AI技术在医疗领域的认知及对构建辅助诊疗系统的需求,为建立更贴合临床应用的辅助诊疗系统提供参考.方法2024年3—4月通过国内全科医师微信群选取全国各省(区,市)全科医师为调查对象,采用自行设计的调查问卷,包括全科医师的基本信息,对AI辅助诊疗系统的应用态度及认知,AI辅助诊疗应用于日常诊疗(临床接诊,辅助诊治,转诊随访,应用形式)的需求,利用"问卷星"平台进行数据收集,采用描述性分析方法对结果进行呈现和描述.结果本研究共纳入382名全科医师,覆盖27个省(区,市),其中综合医院占52.36%(200/382),基层医疗卫生机构占47.64%(182/382).调查显示,57.69%(220/382)认为医生与AI应相辅相成;77.75%(297/382)的医师愿意尝试或继续使用AI辅助诊疗技术;AI应用优势以提升诊疗效率[89.01%(340/382)],减轻临床工作负担[84.29%(322/382)],减少误诊[80.10%(306/382)]为主,但仍存在过度依赖AI诊疗,涉及伦理问题,AI算法易出现诊断偏差,数据安全性欠佳,医疗事故无法划分医疗责任等弊端,分别占75.13%(287/382),64.14%(287/382),63.09%(241/382),57.33%(219/382),53.66%(205/382);在临床接诊需求调查中,全科医师最需要AI提供与主诉相关的"致命性疾病"警示[61.25%(234/382)]和"紧急需要处理的阳性体征"提示[62.04%(237/382)],同时对"伴随症状"询问提示[58.90%(225/382)]和"系统性思维导图"参照提示[62.57%(239/382)]也有较高需求;辅助诊治环节中,快速精准影像结果评估[67.80%(259/382)]和"处方审核"诊疗辅助提示[67.01%(256/382)]成为最受期待的功能,个体化"推荐用药"辅助提示[63.88%(244/382)]和"医保提醒"提示[66.49%(254/382)]也备受关注;在转诊随访管理方面,全科医师对个体化推送患者"健康教育"内容[70.42%(269/382)],及时提示患者按照随访时间预约复诊[72.25%(276/382)]和利用智能设备远程监护功能[71.46%(273/382)]需求最高;系统应用形式上,全科医师偏好设置"回顾患者历史就诊记录"功能[73.04%(259/382)]和设置"语音转文字录入"功能[71.73%(259/382)];最希望未分化疾病病种率先纳入AI辅助诊疗系统方面,37.43%(143/382)的全科医师建议优先将发热纳入AI辅助诊疗系统.结论全科医师对AI技术用于临床诊疗应用意愿总体较高.AI辅助诊疗系统对病史采集,体格检查,实验室检查,诊疗计划,转诊指征,随访管理,应用形式均有一定需求.未来通过改善信息技术的局限性,明确AI法律框架和指导原则,加强全科医师AI素养等方式,构建适用于中国全科医师的AI辅助诊疗系统,从而提高全科医师的疾病首诊能力,推动分级诊疗制度落地.

在医疗影像AI中的探索与实践

AI影像,AI辅诊是目前腾讯觅影的主要探索方向,我们希望,互联网+医疗的每次进步都成为人们手中确定的幸福.自从'阿尔法狗'战胜人类围棋大师,人工智能就成为了街头巷议的话题,各个行业和领域都在积极的开展人工智能方面的应用.人工智能在医疗领域有哪些发展呢?早在1972年,英国利兹大学就提出了想要通过人工智能来实现腹痛诊断的设想.

AI如何在医疗影像生态圈中落地生根

AI识别医学影像作为计算机视觉一个重要应用,正不断向着深化,多元化的趋势发展,传统的2D影像也正向3D立体(甚至4D)影像前进,其间AI在图像分析过程发挥的作用日益显著,AI辅助阅片成为一种新常态. 从2015年开始,深度学习在目标检测,图像分类和图像分割领域取得突破性进展.由此,医疗影像智能分析(以下简称影像AI)成为投资和创业热点,一批影像AI公司相继成立.进入2018年,影像AI领域的一线公司大多已经完成了核心产品研发,并且以科研合作或临床试验方式进入医院,开始试用.可以说,在2018年,影像AI领域的产业竞争已经从技术研发阶段,正式进入了落地应用阶段.