Des chercheurs en médecine académiques et des entreprises technologiques combinent leurs efforts pour développer ces nouveaux outils. Les solutions initiales montrent des résultats positifs pour améliorer les soins aux patients et rationaliser les opérations, selon les radiologues.
Pour adopter de manière transparente l'IA en radiologie, les organisations de soins de santé peuvent profiter de leur infrastructure technologique existante, y compris les systèmes de stockage d'imagerie médicale, mais ils doivent repenser certaines parties de leur entreprise, explique Mutaz Shegewi, directeur principal de la recherche chez IDC Health Insights.
«Ils ont besoin d'intégration du flux de travail. Ils ont besoin de puissance de calcul, et ils vont avoir besoin de gouvernance et de sécurité», explique Shegewi.
Scans plus rapides et soins améliorés aux urgences
Alors que les chercheurs en radiologie de l'UW explorent l'adoption de l'IA dans leur domaine, ils doivent garder à l'esprit que seule la technologie de l'IA approuvée par la Food and Drug Administration des États-Unis peut se rendre à leur système de santé, dit Reeder.
Par exemple, UW Health a incorporé la reconstruction avancée d'images approuvé par la FDA dans ses machines à balayage, qui produit des images plus nettes avec un bruit d'image réduit et des artefacts et réduit le temps de balayage de 30% à 50%, ce qui peut réduire l'exposition d'un patient au rayonnement, ajoute-t-il.
«Les patients l'aiment. Nous l'aimons aussi, car cela signifie que nous pouvons planifier des créneaux d'examen plus courts», explique Reeder. «Cela améliore le débit et le flux de travail. Il change la donne.»
Pour alimenter les outils d'IA en radiologie, UW Health s'appuie sur les serveurs internes, le cloud, les ordinateurs à usage général et les machines d'imagerie eux-mêmes, pour n'en nommer que quelques-uns, explique John Garrett, directeur de l'imagerie informatique dans le département de radiologie de l'UW.
Par exemple, alors que certains modèles d'IA fonctionnent sur des ordinateurs standard, le logiciel de perfusion CT et IRM alimenté par AI, qui analyse les scanneaux cérébraux et produit des images codées en couleur de la façon dont le sang circule dans le cerveau, fonctionne sur un serveur local, ajoute-t-il.
Les examens qui ont besoin de plus de puissance de calcul fonctionnent sur des GPU dans le cloud, tels que des tomodensitométrie qui sont évalués par 10 à 12 outils de triage d'IA, dit Garrett. Selon l'algorithme spécifique, les services Web Amazon et Microsoft Azure effectuent un traitement de données en temps réel, tandis que certains outils utilisent Google Cloud Platform.
Dans les situations de triage des services d'urgence, les données sont envoyées au cloud, où elles sont traitées par plusieurs algorithmes d'IA. Les résultats sont renvoyés au système d'archivage et de communication d'image d'UW Health. Un widget de bureau sur les postes de travail PACS des radiologues peut les alerter des résultats de grande priorité, dit Garrett.
Les radiologues de la santé UW utilisent également des radiologues de la reconnaissance vocale alimentés par AI PowerScript sur leurs ordinateurs Dell pour aider à la rédaction de rapports. Reeder a été un utilisateur de longue date de la solution, ce qu'il note s'est continuellement amélioré.
«Cela nous permet de générer des rapports efficacement, avec précision et de manière standardisée», dit-il. «Bien que ce ne soit pas parfait, il est exact. Vous pouvez dire des mots médicaux fantaisistes et ça fait les choses.»
