健澜科技：不集成医学影像AI的PACS一定会被淘汰

Struggle

对于不少医院而言，医学影像人工智能（AI）的高速发展逐步带来了新的“烦恼”：如何更有效地开展影像大数据科研？如何快速部署AI工具？如何安全、有效地集成不同病种的影像AI应用？如何方便医生在日常阅片工作中根据患者不同部位的病变自动、流畅地使用不同病种、不同算法的AI工具？

近年来，医学人工智能在医疗大数据研究的支撑下获得了长足进步，并逐渐反哺临床实践。其中，影像诊断是医学人工智能的重要应用领域之一。医学影像学科正从高度依赖医生阅片的主观经验，向以客观数据为支撑的学科发展方向快速前进。
医学影像AI的兴起，对于医院影像科日常所倚重的PACS（Picture Archiving and Communication Systems，图像归档与传输系统）的发展将带来怎样的影响？2021年6月25日，在由HIT专家网主办、GE中国协办的“医学影像人工智能时代的PACS发展趋势”在线论坛上，多位专家聚焦这一问题进行了深入探讨。
点击观看视频回放
与PACS分离，导致影像AI研发与使用效果不佳
“现在，放射科医师期望的临床体验是，在影像工作流程中无缝使用AI。”北京协和医院放射科高级工程师、中华医学会影像技术分会前主委付海鸿肯定地说。
付海鸿提出这一判断的依据是，经过近30年的医院信息化建设，医学影像领域数字化、信息化的“老基建”工程在全国已基本完成，部分医院开始将医学影像AI工具引入临床诊断。然而，这些AI工具大多使用独立的服务器、工作站，或是作为放射科医生工作站的一个单独应用存在，并未与日常的数字化阅片诊断工作流程集成在一起。AI工具和PACS、RIS（Radiology Information System，放射信息系统）的相互独立，使得医生在工作时需在PACS、RIS与AI工具之间闪转腾挪、往复切换，不利于放射科医生的工作效率和工作体验提升。
付海鸿认为，从行业发展趋势来看，医学影像的“新基建”主题，必然是基于深度学习、机器学习技术的人工智能所引领的智能化。“未来，不集成、不部署、不应用AI的PACS一定会被淘汰，不与PACS、RIS集成的AI也一定会被淘汰。如何将医学影像的‘新基建’与‘老基建’进行深度集成、深度融合，这是我们正在面临的机遇与挑战。”付海鸿说。
在解放军总医院大数据研究中心原主任薛万国看来，现阶段，相关挑战同时存在于医学影像AI研发与应用两个方面。在研发方面，目前医院普遍缺乏临床及影像特征一体化的影像数据检索系统；需要在PACS、标注系统、训练平台之间进行多次数据下载、上传工作，系统间的数据与流程割裂，人工操作费时费力；研究数据集与PACS之间缺乏统一管理，PACS只提供临床阅片功能，缺少面向研究的数据集管理功能。在应用方面，已研发的AI模型缺乏与PACS的集成，测试不便，只能将PACS中的影像手动导入AI模型进行测试；第三方AI工具是独立应用，缺乏与PACS的集成，与影像科工作流程不匹配，使用便利性不足；AI工具大多是针对单一部位或单一疾病研发的，并未从根本上减轻医生的阅片工作量，这也正是很多AI工具都无法有效应用于临床的原因。
医院对PACS升级提出新需求
泰达国际心血管病医院（以下简称泰心医院）信息中心主任李军表示，医院现有的PACS亟需升级，AI工具的集成能力正是他重点考量的因素之一，他希望通过将AI工具、5G、物联网等新技术与现有的PACS进行整合，辅助医技科室提高诊断质量。李军表达了对新一代PACS的期待：首先，AI应能够直接纳入PACS，二者紧密融合；其次，能够快速部署，支持云端部署与多院区应用，满足大数据量、大业务量的稳定使用；第三，能覆盖更大业务范围，管理患者全部历史影像数据，流程更顺、操作更简便、系统复杂度更低；第四，要支持新技术应用，最大程度提升系统效能，如新的软件平台、新的存储技术。
薛万国也对AI时代的PACS新需求进行了总结。首先，放射科或临床医生直接参与AI研究，对PACS影像数据管理分析提出新需求，包括：符合研究条件的病例检索和影像数据提取一体化，影像标注与训练数据集管理一体化，AI模型的训练、管理、测试一体化，以及影像报告的结构化，从而为AI研究提供便利。其次，AI产品需要集成到PACS中形成统一工作流程，应实现：AI系统能够在线获取PACS影像，PACS阅片过程中可集成调取AI功能，AI系统诊断结果及参数可传回PACS报告中等。
建设AI PACS势在必行
如何将不同厂商、不同架构的AI应用纳入影像科室的生产系统和工作流程中？GE医疗数字化事业部大中华区（以下简称GE医疗）总经理侯翔宇给出的答案是：“我们需要一个无缝集成的平台，或称之为AI PACS。”
据介绍，2020年，GE医疗正式发布了基于EdisonTM的智能影像平台—— CentricityTM Open PACS AI。该平台不仅可以集成GE自研的AI工具，也能够集成第三方提供的各类AI工具，同时还可以将医院现有的AI工具集成到PACS的完整工作流程中。该平台可以便捷部署多个AI算法，对于医院、医疗集团或医联体而言，都可以在PACS范畴内统一采集数据，通过CentricityTM AI智能引擎调用AI算法对医学影像进行预处理，完成分类、任务分发、结果应用等工作。
Open PACS AI是如何提升影像科医生的工作体验的？侯翔宇从四个方面进行了介绍：其一，Open PACS AI智能影像平台可避免重复的影像传输，简化交错的工作流程，通过智能管理影像推送，避免影响业务系统性能，使用可视化工作流编辑器，使流程明确、易于编辑。其二，考虑患者情况、疾病过程、适应症等各种标准，智能引擎使用临床规则来判断由哪个AI算法进行处理，无需医生熟练掌握所有AI工具的使用场景。其三，确保将相关图像和数据从PACS路由到适当的临床AI应用，应用程序可部署在本地或私有云上。其四，在医生做出诊断前，可以将AI处理结果反馈到影像工作流程中，在检查工作列表中对检查进行分类和优先排序，并提醒医疗团队成员及时处理。

作为GE医疗的合作伙伴，北京医准智能科技有限公司（以下简称：医准智能）联合创始人兼CTO丁佳介绍，在进行AI工具与PACS的实际融合时，需从四个方面寻求融合方案：检查信息的融合、影像数据的融合、报告（AI结果）的融合、使用流程的融合。
结合医准智能的研发经验，丁佳总结出一种较好的PACS与AI融合方案：由医疗设备将影像传输至PACS，AI服务器与PACS之间做好影像数据和检查信息的融合，AI设备能够及时获取影像数据，并进行AI分析，分析结束后自动地将结构化图文报告和分析结果传回至PACS中保存。当医生在PACS上工作时，可以在同一个界面中使用多种AI服务，从而统一了AI工具的界面风格与入口，也可以在统一的平台上将AI诊断和AI科研融合，大大减少了AI科研与诊断的步骤。“这一融合方案正是GE医疗推出的Open PACS AI模式，就目前而言，也是最优的解决方案之一。”丁佳说到。

综上可见，AI工具与PACS的融合将逐渐成为二者发展的共同趋势和目标。基于无缝集成AI应用的影像平台，将AI纳入基于PACS的影像工作流程中，支持从影像扫描到影像科医生诊断的完整工作流程，这将是医学影像信息化的下一个发展目标，PACS将呈现平台化、生态化发展格局，属于AI PACS的时代即将到来。
作者：姜浩 龚晨

来源：https://www.toutiao.com/article/6980146********7871
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！