专业咨询
致力推进中国医疗卫生信息化

不集成医学影像AI的PACS一定会被淘汰(附视频)

来源:HIT专家网 作者:姜浩 龚晨

对于不少医院而言,医学影像人工智能(AI)的高速发展逐步带来了新的“烦恼”:如何更有效地开展影像大数据科研?如何快速部署AI工具?如何安全、有效地集成不同病种的影像AI应用?如何方便医生在日常阅片工作中根据患者不同部位的病变自动、流畅地使用不同病种、不同算法的AI工具?

近年来,医学人工智能在医疗大数据研究的支撑下获得了长足进步,并逐渐反哺临床实践。其中,影像诊断是医学人工智能的重要应用领域之一。医学影像学科正从高度依赖医生阅片的主观经验,向以客观数据为支撑的学科发展方向快速前进。

医学影像AI的兴起,对于医院影像科日常所倚重的PACS(Picture Archiving and Communication Systems,图像归档与传输系统)的发展将带来怎样的影响?2021年6月25日,在由HIT专家网主办、GE中国协办的“医学影像人工智能时代的PACS发展趋势”在线论坛上,多位专家聚焦这一问题进行了深入探讨。

与PACS分离,导致影像AI研发与使用效果不佳

“现在,放射科医师期望的临床体验是,在影像工作流程中无缝使用AI。”北京协和医院放射科高级工程师、中华医学会影像技术分会前主委付海鸿肯定地说。

付海鸿提出这一判断的依据是,经过近30年的医院信息化建设,医学影像领域数字化、信息化的“老基建”工程在全国已基本完成,部分医院开始将医学影像AI工具引入临床诊断。然而,这些AI工具大多使用独立的服务器、工作站,或是作为放射科医生工作站的一个单独应用存在,并未与日常的数字化阅片诊断工作流程集成在一起。AI工具和PACS、RIS(Radiology Information System,放射信息系统)的相互独立,使得医生在工作时需在PACS、RIS与AI工具之间闪转腾挪、往复切换,不利于放射科医生的工作效率和工作体验提升。

付海鸿认为,从行业发展趋势来看,医学影像的“新基建”主题,必然是基于深度学习、机器学习技术的人工智能所引领的智能化。“未来,不集成、不部署、不应用AI的PACS一定会被淘汰,不与PACS、RIS集成的AI也一定会被淘汰。如何将医学影像的‘新基建’与‘老基建’进行深度集成、深度融合,这是我们正在面临的机遇与挑战。”付海鸿说。

解放军总医院大数据研究中心原主任薛万国看来,现阶段,相关挑战同时存在于医学影像AI研发与应用两个方面。在研发方面,目前医院普遍缺乏临床及影像特征一体化的影像数据检索系统;需要在PACS、标注系统、训练平台之间进行多次数据下载、上传工作,系统间的数据与流程割裂,人工操作费时费力;研究数据集与PACS之间缺乏统一管理,PACS只提供临床阅片功能,缺少面向研究的数据集管理功能。在应用方面,已研发的AI模型缺乏与PACS的集成,测试不便,只能将PACS中的影像手动导入AI模型进行测试;第三方AI工具是独立应用,缺乏与PACS的集成,与影像科工作流程不匹配,使用便利性不足;AI工具大多是针对单一部位或单一疾病研发的,并未从根本上减轻医生的阅片工作量,这也正是很多AI工具都无法有效应用于临床的原因。

医院对PACS升级提出新需求

泰达国际心血管病医院(以下简称泰心医院)信息中心主任李军表示,医院现有的PACS亟需升级,AI工具的集成能力正是他重点考量的因素之一,他希望通过将AI工具、5G、物联网等新技术与现有的PACS进行整合,辅助医技科室提高诊断质量。李军表达了对新一代PACS的期待:首先,AI应能够直接纳入PACS,二者紧密融合;其次,能够快速部署,支持云端部署与多院区应用,满足大数据量、大业务量的稳定使用;第三,能覆盖更大业务范围,管理患者全部历史影像数据,流程更顺、操作更简便、系统复杂度更低;第四,要支持新技术应用,最大程度提升系统效能,如新的软件平台、新的存储技术。

薛万国也对AI时代的PACS新需求进行了总结。首先,放射科或临床医生直接参与AI研究,对PACS影像数据管理分析提出新需求,包括:符合研究条件的病例检索和影像数据提取一体化,影像标注与训练数据集管理一体化,AI模型的训练、管理、测试一体化,以及影像报告的结构化,从而为AI研究提供便利。其次,AI产品需要集成到PACS中形成统一工作流程,应实现:AI系统能够在线获取PACS影像,PACS阅片过程中可集成调取AI功能,AI系统诊断结果及参数可传回PACS报告中等。

建设AI PACS势在必行

如何将不同厂商、不同架构的AI应用纳入影像科室的生产系统和工作流程中?GE医疗数字化事业部大中华区(以下简称GE医疗)总经理侯翔宇给出的答案是:“我们需要一个无缝集成的平台,或称之为AI PACS。”

据介绍,2020年,GE医疗正式发布了基于EdisonTM的智能影像平台—— CentricityTM Open PACS AI。该平台不仅可以集成GE自研的AI工具,也能够集成第三方提供的各类AI工具,同时还可以将医院现有的AI工具集成到PACS的完整工作流程中。该平台可以便捷部署多个AI算法,对于医院、医疗集团或医联体而言,都可以在PACS范畴内统一采集数据,通过CentricityTM AI智能引擎调用AI算法对医学影像进行预处理,完成分类、任务分发、结果应用等工作。

Open PACS AI是如何提升影像科医生的工作体验的?侯翔宇从四个方面进行了介绍:其一,Open PACS AI智能影像平台可避免重复的影像传输,简化交错的工作流程,通过智能管理影像推送,避免影响业务系统性能,使用可视化工作流编辑器,使流程明确、易于编辑。其二,考虑患者情况、疾病过程、适应症等各种标准,智能引擎使用临床规则来判断由哪个AI算法进行处理,无需医生熟练掌握所有AI工具的使用场景。其三,确保将相关图像和数据从PACS路由到适当的临床AI应用,应用程序可部署在本地或私有云上。其四,在医生做出诊断前,可以将AI处理结果反馈到影像工作流程中,在检查工作列表中对检查进行分类和优先排序,并提醒医疗团队成员及时处理。

作为GE医疗的合作伙伴,北京医准智能科技有限公司(以下简称:医准智能)联合创始人兼CTO丁佳介绍,在进行AI工具与PACS的实际融合时,需从四个方面寻求融合方案:检查信息的融合、影像数据的融合、报告(AI结果)的融合、使用流程的融合。

结合医准智能的研发经验,丁佳总结出一种较好的PACS与AI融合方案:由医疗设备将影像传输至PACS,AI服务器与PACS之间做好影像数据和检查信息的融合,AI设备能够及时获取影像数据,并进行AI分析,分析结束后自动地将结构化图文报告和分析结果传回至PACS中保存。当医生在PACS上工作时,可以在同一个界面中使用多种AI服务,从而统一了AI工具的界面风格与入口,也可以在统一的平台上将AI诊断和AI科研融合,大大减少了AI科研与诊断的步骤。“这一融合方案正是GE医疗推出的Open PACS AI模式,就目前而言,也是最优的解决方案之一。”丁佳说到。

综上可见,AI工具与PACS的融合将逐渐成为二者发展的共同趋势和目标。基于无缝集成AI应用的影像平台,将AI纳入基于PACS的影像工作流程中,支持从影像扫描到影像科医生诊断的完整工作流程,这将是医学影像信息化的下一个发展目标,PACS将呈现平台化、生态化发展格局,属于AI PACS的时代即将到来。

点击此处,观看视频回放。

关注HIT专家网微信订阅号
精彩不容错过!

【责任编辑:陈曦】

赞(2)

评论 抢沙发

评论前必须登录!

 


未经允许不得转载:HIT专家网 » 不集成医学影像AI的PACS一定会被淘汰(附视频)
分享到: 更多 (0)