专业影像学会发布放射学的人工智能路线图

来自美国国立卫生研究院，北美放射学会，美国放射学院和放射与生物医学影像研究学院的研究人员发表了他们所谓的医学影像“ AI路线图”，这是一个加速基础研究的框架。

该路线图于4月16日在《放射学》上作为特别报告发布，是去年8月在马里兰州贝塞斯达市NIH总部举行的研讨会的产物。根据RSNA的发布，该会议旨在促进在诊断成像方面推进AI的合作，确定我们在技术知识方面的差距，并优先考虑科学家的研究需求。

该论文的主要作者Curtis P. Langlotz，医学博士，博士说：“医学成像中人工智能的科学挑战和机遇是深远的，但与一般AI所面临的挑战截然不同。” Langlotz是放射学和生物信息学教授，也是斯坦福大学医学与影像人工智能中心的主任。

“我们的目标是为专业协会，资助机构，研究实验室以及在该领域工作的其他所有人提供一个蓝图，以加速对使患者受益的AI创新的研究。”

AI研究仍处于起步阶段，但Langlotz等人。他说，机器学习算法将在未来十年内改变临床成像实践，从而减少噪声，改善图像重建并协助完成质量保证和分类等任务。该团队的研究重点包括新的图像重建方法，自动图像标记和注释方法，用于临床成像数据的新机器学习方法以及用于图像去识别和数据共享的经过验证的方法。

研究人员还推动了机器学习方法的发展，这些方法能够合理化他们自己的建议，即可解释的AI。最近，佐治亚理工学院的一个项目生产了一种AI工具，该工具可以通过经典的街机游戏使自己的行为合理化。

Langlotz及其同事说，这类创新将理想地刺激更多公开可用，经过验证和可重用的数据集的产生，科学家们可以据此评估更新的算法。研究人员还需要开发针对临床影像数据量身定制的预训练模型，其中可能包含无数注释。

RSNA董事会主席Mary C. Mahoney医师在新闻稿中强调了专业协会，标准机构和政府机构参与这项工作的重要性。

她说：“ RSNA参与该研讨会对于放射学中AI的发展至关重要。” “随着学会通过其期刊，课程等引领人工智能科学与教育的前进，我们处于稳固的位置，可以帮助放射线研究人员和从业者更充分地了解该技术对医学的意义以及它的发展方向。”