放射科医生选择AI供应商的10大标准
文库划重点：人工智能解决方案的结果，需要无缝地集成到放射科医生首选的诊断查看器中。放射科医生应该能够查看和潜在地交互（编辑/接受/拒绝），在不影响生产力的情况下查看结果。放射科医生应该问的问题：-人工智能结果是否集成到PACS界面，或算法是否需要一个单独的用户界面来查看结果？
目前，全球有超过150家独立软件供应商正在开发用于医学影像分析的人工智能解决方案，因此，放射科医生在众多企业中挑选合适的供应商是一大挑战。
以下是放射科医生在与医学影像AI供应商合作之前，应该考虑的10大因素（以及向供应商提出的疑问）：
1. 临床相关性
医院将人工智能应用于其临床工作流程的首要考虑是业务需求的相关性和契合度，人工智能解决方案是否真正解决了科室的需求？
在放射学领域，人工智能有数百个潜在的应用场景，但重点应该聚焦于哪些AI能产生最大影响的领域，如用自动化工具解决放射科医生的重复性任务（例如，手动测量图像特征），并为更复杂的情况提供额外的信息和决策支持。
针对临床相关性，放射科医生应该向AI供应商提出以下问题：
用例（use case）是一个值得用AI解决的问题吗？在放射科医生参与有限的情况下，快速且容易诊断的用例可能无法支持AI。
-使用人工智能对诊断和治疗决策有什么影响？它会改善病人的护理吗？
-放射科医生使用人工智能优先做的事项是什么？该如何确定？
-人工智能解决方案在未来的几年里还会有意义吗？
2. 算法开发
人工智能第三次浪潮的兴起，归因于从经典机器学习到深度学习方法的技术转变。人工智能供应商面临的挑战仍然是减少终端用户（放射科医生）的深度学习模型“黑盒”现象，因此算法开发所用的方法是关键。
放射科医生应该问的问题：
-使用了多少例图像来训练算法？
-这些图像是从人口统计数据和医学成像器械商那里获得的吗?
-谁给图片做了标注?开有经验的放射科医生还是其他人？
-通常有多少放射科医生为每张标注做标注？如果有两名放射科医生对图像进行了标注，那么开发人员是否使用了第三名放射科医生来处理其中的差异？
-是否使用临床生物标记或活检来验证带标注的图像?
-用于训练和验证算法的图像数据集与用于测试算法的图像数据集是否不同？
3.临床验证
一旦开发出来，人工智能算法应该进行理想的临床研究，以测试其模型鲁棒性、准确性和复现性
放射科医生应该问的问题：
-什么类型的临床研究用于验证？前瞻性研究同时使用病例和非病例资料，其重要性大于回顾性研究。
-临床研究是否涉及单个或多个读者?
-是单中心临床研究还是多中心临床研究?与现有的临床实践相比，人工智能算法的性能如何?AI解决方案应该等于或优于当前的实践标准。
4. 产品的监管
只有获得监管许可的解决方案才能用于临床实践。目前，已有57家供应商获得了美国FDA、CE Mark（欧洲）、PMDA（日本）和MFDS（韩国）四大监管机构之一对77种医学影像机器学习算法的监管批准。
放射科医生应该问的问题：
-供应商是否有美国FDA的监管批准？如果是，它收到了什么类型的许可（即，是510（K）PMA还是de Novo ）?
-算法已全部清除，还是只清除部分？如果部分参与，哪部分被批准，为什么？这个标签清楚地标示给最终用户了吗？
-该解决方案是否在其他市场受到监管？例如，在邻国或其他主要市场（如CE商标）？
-供应商是否有进一步的监管申请?
5. 工作流集成
人工智能解决方案的结果，需要无缝地集成到放射科医生首选的诊断查看器中。放射科医生应该能够查看和潜在地交互（编辑/接受/拒绝），在不影响生产力的情况下查看结果。
放射科医生应该问的问题：
-人工智能结果是否集成到PACS界面，或算法是否需要一个单独的用户界面来查看结果?
-人工智能的结果是否可以根据放射科医生的临床判断进行编辑、接受或拒绝？
-结果如何显示？它们是作为图像上的叠加显示还是作为单独的报告显示？
– AI解决方案PACS /Modality供应商是否不可知？
6. 投资回报
放射科和医疗保健提供者希望看到人工智能解决方案的投资回报。
放射科医生应该问的问题：
-人工智能解决方案是生产力工具，还是专注于质量改进的解决方案？缺乏放射科医生的医疗服务提供商可能会看重能提高生产率的AI算法，但其他提供商可能会看重能提高诊断和治疗决策质量的算法。
-人工智能解决方案是否改变诊断路径，为患者和医疗服务提供者提供价值？例如，减少侵入性手术的需要，从而降低病人的风险。
-人工智能解决方案是否会改变治疗路径，从而为医疗服务提供者节省成本?
7. 部署
以安全、快速、低成本的方式向医疗服务提供商提供人工智能解决方案是其成功的关键。
放射科医生应该问的问题：
AI解决方案是在本地本地安装还是需要访问云服务器？
如果基于云，是否在通过AI算法分析图像之前删除受保护的健康信息（PHI）？
AI算法是否需要专用的虚拟机？可以容器化吗（例如Docker）？
8. 技术支持和收费方式
当放射科医师采用来自多个供应商的人工智能解决方案时，应该考虑处理单个合同和发票的管理开销。算法开发人员提供的技术支持水平是另一个重要的考虑因素，如果算法会对PACS的性能产生负面影响，那么除了可靠性之外。
放射科医生应该问的问题:
-谁将为人工智能算法提供技术支持?是算法开发者还是他们的发行伙伴？
-如何授权解决方案?是一次性（永久）的许可证费用，还是重复使用的软件即服务（SaaS）许可证?
-发展商采用什么定价模式？他们是按使用次数收费（例如，每次扫描次数收费），还是按价格收费（不管算法的使用情况）?
9. 供应商的融资能力
许多AI算法开发者都是依赖外部资金的初创公司。通过多轮融资筹集资金的能力，反映了一个供应商的潜在长期成功。
放射科医生应该问的问题:
-至今已筹得多少资金，投资者是谁？
-供应商已获得多少轮融资？
-一般的资助期为多久？最近的资助期何时完成？
10. 供应商的领导团队
领导团队（C-suite）和医疗咨询委员会的信誉和经验是供应商在产品开发和进入市场战略方面取得成功的关键。
放射科医生应该问的问题：
-谁是领导团队和医疗咨询委员会的成员?
-领导团队是否有将医疗科技产品推向市场的经验?
-领导团队的成员是否有类似的工作经验？
（本文作者Sanjay M.Parekh博士，现为Signify Research Ltd高级分析师。）
收录于哈希力量，手机站省略本文固定网址
