工研院
斷鏈之後
 

AI對醫療成像續增影響力

演算法的醫療成像應用需配合特殊的審核流程。法新社

隨著人工智慧(AI)醫療成像技術持續發展,原本放射科醫生擔心被取代的恐懼,也逐漸轉變成樂觀的期待。除了一般成像設備廠商外,亞馬遜(Amazon)、IBM與Google也都陸續加入了成像技術演算法的發展。

根據IHS Technology報導,Google Health在2020年的北美放射醫學大會(RSNA)上,展示了能夠為醫療數位影像傳輸(DICOM)、美國醫療保險資訊攜帶與責任法案(HIPAA)相關檔案去識別化的新技術。此外,醫療科技公司Change Healthcare的成像網路(Imaging Network)系統,也是透過Google的雲端平台提供影像歸檔、瀏覽與人工智慧分析等服務。

相較於幾年前,放射科醫師現在已不再擔心人工智慧成像技術會搶走他們的飯碗,反而更加期待新技術所能提供的幫助,人工智慧在醫療成像的應用也越來越多樣化。

IHSM Technology調查發現,2018年約有15%的機器學習演算法取得美國食品藥品監督管理局(FDA)等機構的核准,到了2019年,取得核准的比例增加到28%。在調查的363款成像設備中,有16.5%屬於胸、肺成像設備,有18.2%為神經科應用。

醫療產業目前對於演算法尚未有明確統一的定義,而IHSM Technology則將深度學習定義為可支援電腦持續自我訓練、提升任務表現的神經網路。

由於這類演算法會根據現實世界的經驗作出調整,因此演算法在通過批准後,可能還會持續改變。FDA正嘗試為這種可持續學習、具適應能力的演算法,提出合適的法律批准流程,並希望供應商能依據病患可能承受的風險,評估演算法的各項調整。

FDA已宣布將把乳房攝影、超音波乳房病灶、肺結節X光、齟齒檢測等醫療成像應用,從三級裝置重分類為需要特殊管制的二級裝置。同時,FDA也提出了明確的特殊管制內容,以確保裝置能安全並有效的完成工作。

未來新一代的演算法應用,將會使用更大量的資料進行訓練。儘管FDA提出了更簡化的核准流程,但另一方面,FDA將更加強對深度學習演算法的控管,為病患提供必要的安全支援。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 人工智慧