BLOGG: Fremvoksende AI-teknologier gir verdi gjennom pasientreisen

Sanntidsintelligens i radiologiarbeidsflyt hjelper radiologer og klinikere med å ta bedre beslutninger gjennom hele pasientbehandlingsreisen og er muliggjort av et bredt spekter av funksjoner muliggjort av kunstig intelligens (AI). Disse egenskapene spenner fra naturlige språkforståelsesteknologier som kan transformere den fortellende teksten til meningsfulle strukturerte data for å drive arbeidsflyt til kompleks maskinlæring og andre typer AI-drevne modeller som hjelper til med bildetolkning og klinisk beslutningsstøtte. I studie etter studie viser AI-teknologi at den kan automatisere manuelle og dagligdagse oppgaver som kommer i veien for radiologers evne til å holde fokus på det som betyr mest. Enda viktigere, legger AI til nye nivåer av innsikt og detaljer som gir et mer omfattende klinisk bilde, forbedrer evnen til å ta riktig diagnose og pleiebeslutninger.

"Tidligere brukte radiologer mye av tiden på å søke etter informasjon og grave gjennom flere datakilder for å finne svar på de presserende kliniske spørsmålene foran dem," sa Karen Holzberger, senior visepresident og daglig leder i Nuance Healthcaresin virksomhet for diagnostiske løsninger. "Nå, med arbeidsflytintegrert intelligens gjennom AI-verktøy, presenteres kritisk informasjon i sanntid innenfor radiologens vanlige arbeidsflyt."

Denne utviklingen til on-demand intelligens innenfor løsningene de bruker hver dag betyr at radiologer kan bevege seg mer selvsikkert gjennom hver studie, med kritisk informasjon til fingerspissene for å foreta en rettidig, nøyaktig tolkning og levere passende, evidensbaserte anbefalinger. Skiftet er mulig på grunn av AI-verktøy som dekker hele arbeidsflyten for radiologi, fra planlegging og forberedelse til bildekarakterisering og beslutningsstøtte til rapportoppretting, kommunikasjon og kvalitetssikring. Resultatet er mer presise, konsistente og informative rapporter slik at nedstrøms klinikere kan ta de mest hensiktsmessige avgjørelsene og akselerere tid til behandling.

For eksempel kan AI-verktøy hjelpe med å identifisere og prioritere akutte tilfeller, for eksempel en aortaaneurisme, slik at en radiolog vurderer dem tidligere. AI tjenesten kan tilby kvantitative målinger for å hjelpe med å identifisere, håndtere og spore noen sykdommer og hjelpe med å oppdage sannsynlige funn i mer utfordrende tilfeller. I tillegg kan tilfeller med sannsynlige normale funn merkes som sådan eller omdisponeres til en annen radiologiarbeidsliste – eller til og med utpekt for en beboer/besøkende arbeidsflyt – for å støtte optimal arbeidsbelastningshåndtering.

Å kombinere AI-tjenester som retter seg mot både bildekarakterisering og språkforståelsestjenester kan gi verdi på tvers av pasientforløpet, ettersom flere AI-løsninger kombinerer funn fra pikseldata (bildekarakterisering) og ustrukturerte data fra den fortellende teksten i diagnoserapporten. Dette henter innsikt og mening fra både de dikterte ordene og bildedataene som fanges opp.

"Du kommer til å se enorme fordeler langs hele AI-teknologispekteret. Klinisk intelligens hentet fra språkforståelse, sammen med den som oppnås gjennom AI-drevne bildekarakteriseringsmodeller, bringer helt nye nivåer av informasjon og innsikt til radiologen. Holzberger sa. "Og det er der du skal drive effektiviteten, kvalitetsforbedringen og til slutt forbedringen av pasientresultatene, fordi du kommer til den riktige beste behandlingsveien for den pasienten."

AI-verktøy sikrer at radiologer jobber mer effektivt, ettersom EPJer og avanserte bildeteknologier øker datavolumet som genereres og den resulterende radiologiarbeidsmengden. Og etter hvert som flere AI-verktøy blir tilgjengelige, Holzberger sa at suksess først avhenger av hvor godt den kan integreres i eksisterende arbeidsflyter for travle radiologer.

Effektivitet betyr også å lage et system som gir tilgang til AI-tjenester og teknologi på en måte som radiologer og teknikere ønsker å samhandle med dem, enten det er i bakgrunnen av et eksisterende system eller gjennom en separat lansert applikasjon.

"En radiolog trenger fleksibiliteten til å velge den beste appen for den kliniske situasjonen. Så hvis jeg bruker en aortaaneurismemodell fra selskap X og en annen modell fra selskap Y, hvordan begynner jeg å bruke og sammenligne begge, slik at jeg kan velge den som fungerer best for meg under mine pasientforhold, mine modalitetsforhold , og regionen i verden jeg er i?» spurte Holzberger.

Med flere AI-verktøy som kommer inn på markedet, og radiologipraksis som ønsker å implementere AI-tjenester fra flere leverandører, vil de trenge en enkel måte å ombord på ny teknologi og få tillit til hver enkelts evner. Fordi en singel AI tjenesten bare adresserer ett spørsmål, forventer Holzberger at AI-leverandører vil begynne å gruppere flere tjenester i pakkeløsninger som fokuserer på et organ, en sykdomstilstand, en kroppsdel ​​eller en subspesialitet. Disse løsningene vil da være tilgjengelige gjennom en AI Marketplace for å gi radiologer en enkel måte å ombord og teste nye teknologier og få tilbakemeldinger fra andre medlemmer av pasientbehandlingsteam – ofte nedstrøms mottakerne av AI-genererte utdata.

Fremover er Holzberger optimistisk med tanke på fremtiden til AI og ønsker å se AI-kapasiteten utvides for å møte flere medisinske utfordringer og skape påviselig verdi for nedstrøms klinikere.

"Vi må akselerere AI-utvikling og -adopsjon for å svare på de tøffeste spørsmålene for radiologer, slik at de kan levere den beste kvaliteten og verdien til klinikerne og pasientene de betjener," sa Holzberger. «La oss svare på de neste ti viktigste kliniske spørsmålene. Det kommer til å øke produktiviteten og støtte evidensbasert medisin av høyere kvalitet for radiologen og omsorgsteamet.»

Redaktørens notat: Denne bloggen er den første i en firedelt serie om sanntidsintelligens i radiologiarbeidsflyten, som publiseres månedlig. For å lære mer besøk nuance.com/future

Kilde: https://www.itnonline.com/content/blogs/jenelle-isaacson-contributing-editor/blog-emerging-ai-technologies-provide-value