FDA批准首款嵌入AI算法的移動X光設備,ICU中快速智能影像檢測成爲可能

 2019-09-17 11:00:11.0

GE Healthcare於近日宣佈,美國FDA已經批准了其510(k)重症監護套件Critical Care Suite Optima XR240amx,這是業界首個嵌入人工智能算法的移動X光影像系統。

該設備的人工智能算法由GE與加州大學舊金山分校(UCSF)合作,利用GE Healthcare的愛迪生平臺推出。GE Heathcare於去年11月向FDA提交了這一產品的申請。

如今的放射科醫生面臨巨大的壓力,需要閱讀越來越多的影像,並提供快速、準確的診斷。然而,在X光檢查中,有60%的病例影像被標註爲STAT(急診檢測)發送。放射科醫生如何才能判斷真正緊急的影像,如果不立即閱讀是否會對患者帶來危險?這對於美國冗長的放射科診療流程來說,是一個頭痛的難題。

根據一篇發表在《Current Problems in Diagnostic Radiology》名爲《減少STAT便攜式胸部X光片週轉時間:一項試點研究》的論文中的研究,在放射科醫師的診斷過程中,即使標註「STAT(急診檢測)」的X光影像,也需要等待平均長達8小時。

而GE推出的Optima XR240amx設備是一款可移動的智能X光設備,主要在ICU中使用。Critical Care Suite的加入旨在快速識別並幫助醫生確定氣胸等關鍵疾病的優先級,有助於縮短放射科醫師的檢查時間。

ICU中的快速智能影像檢測

當患者在ICU中,通過GE Critical Care Suite的移動設備進行X光掃描時,AI系統會通過同時自動分析圖像。如果懷疑有氣胸,則會通過圖片存檔和PACS系統,將警報連同原始胸部X光片直接發送給放射科醫師進行檢查。放射科醫師在收到的通知上,瞭解哪些影像是需要優先處理的。

AI算法還可以同時分析和標記協議和視野錯誤,以及自動旋轉設備上的影像,使得通過移動X光設備獲取的影像標準化,節省醫師時間。

根據GE Healthcare的官方數據,Critical Care Suite對大型氣胸的靈敏度是96%,檢測4種小氣胸中的三種,靈敏度爲75%。

此外,在移動設備上嵌入人工智能算法可爲放射科醫師和技術人員提供多種好處。GE Healthcare的算法是一種快速可靠的方法,可確保在圖像採集的幾秒鐘內生成AI結果,而無需網絡來生成。然後,在設備發送原始診斷圖像的同時,會將這些AI的判斷結果發送給放射科醫師,確保沒有額外的處理延遲。

此外,在設備上還會自動運行影像質量檢查,將質量檢查集成到了技術人員的標準工作流程中,並使技術人員在患者牀邊的操作變得規範,保證影像在發送到PACS之前的質量。

在獲取原始影像之後,系統會自動進行協議檢查、質量檢查和智能判斷,並對疑似影像進行標註,發送警報。

「目前,62%的影像被標記爲'STAT'或緊急閱讀,但它們並非都是關鍵的。這影響到了真正需要緊急處理的患者,可能會帶來嚴重的後果。」GE Healthcare X光公司總裁兼首席執行官Jie Xue補充道:「重症監護套件Critical Care Suite不僅標誌着懷疑氣胸的圖像具有令人印象深刻的準確性,並且使放射科醫師能夠立即對這些病例進行優先排序,但它也使AI易於接近。我們的嵌入式AI算法爲醫院提供了嘗試人工智能的機會,無需投資額外的IT基礎設施,安全評估或網絡安全預防措施,就可以將圖像異地傳輸到網站。」

Critical Care Suite和AI算法是使用GE Healthcare的Edison平臺開發的,該平臺有助於快速,安全地部署AI算法。

Edison是通用電氣醫療集團的智能平臺,旨在幫助醫療工作者提高效率,改善患者治療效果並提供患者護理的機會。Edison應用程序可以被嵌入到現有的工作流程中,可以集成和吸收不同來源的數據,並應用分析或高級算法來生成臨牀、運營和財務洞察。Edison平臺既可以直接安裝到智能設備上,也可以通過雲、Edison HealthLink等在線方式連接。

每位患者的在診療過程中都會產生大量的數據,Edison平臺利用機器學習深度學習和人工智能將這些大量的信息轉化爲可直接認知的觀點。這些觀點可幫助醫護人員提高工作效率,確定工作流程的優先級,減少重複工作並提供最個性化的患者護理。

在2018年底的北美放射學年會上,GE Healthcare發佈了一系列基於Edison平臺的全新醫療應用產品和智能型醫療設備。GE Healthcare已經基於Edison平臺爲全球的200多個醫療影像類應用提供了輔助支持。

GE Healthcare和加州大學、聖盧克大學的合作結晶

這次氣胸AI診斷產品的獲批可以稱得上是GE Healthcare與UCSF合作的里程碑。2016年底,GE(當時GE Healthcare還未獨立)與加州大學舊金山分校(UCSF)達成了一項合作,共同創建一個深度學習算法文庫,用於改善未來GE公司的成像設備和雲平臺使用者的診斷流程。

GE的直接合作者是UCSF下屬的數字健康創新中心。當時UCSF的Michael Blum博士就表示,這項合作的關鍵點在於把深度學習算法進一步整合用於臨牀數據和圖像處理分析,幫助臨牀醫生在最短的時間內瞭解患者的準確信息。而且在當時的新聞中,GE的研究人員用來介紹AI技術所舉的例子,正是氣胸症狀。

加州大學舊金山分校外科學副教授Rachael Callcut博士,是加州大學舊金山分校衛生部外科醫生和數字衛生創新中心數據科學主任,和GE合作開發了Critical Care Suite。「當拍攝患者X光時,處理和閱讀影像所耗費的時間會影響最後的結果。AI爲我們提供了加速診斷和改變患者護理方式的機會,最終可以挽救生命並改善預後。」Rachael Callcut博士說。

在GE Healthcare的新聞稿中,除了UCSF之外,還提到了幾個合作機構,分別是聖盧克大學、亨伯裏弗醫院和來自印度的Mahajan Imaging。

聖盧克大學(St. Luke's University)等待這個結果公佈已經很久了。在三個月前的一次採訪中他們提到,在過去的一年裏,聖盧克大學健康網絡(St. Luke's University Health Network,SLUHN)放射科醫生Karl Yaeger博士及其同事與GE Healthcare的一個國際研究團隊合作,開發了業界首個採用嵌入式AI算法的X光系統。這項技術旨在提醒臨牀團隊氣胸指徵。

在開發這項人工智能產品時,Yaeger博士和他在SLUHN的團隊審閱了數百張各種尺寸和不同嚴重程度的氣胸的X光片。然後使用深度學習軟件算法處理這些影像以確定其準確性。

「這一人工智能產品的目的是提高診斷過程中這些潛在致死指徵的檢出率和準確率,讓患者可以及早治療,」Yaeger博士說。「這項研究最終要關注改善患者護理和挽救生命。」

文章來源:機器之心