AI Archives - R@diology

AI影像輔助軟體在醫院遇到的困境

繼續教育

2018-08-11 Novosync

RSNA 人工智慧線上研討會

RSNA 2018 AI 線上研討會第一彈

技術心得

2017-12-182017-12-17 蔡依達

贏得 RSNA 17 Bone Age 機器學習冠軍的心路歷程

RSNA 在今年的年會前，舉辦了一個 machine learning 的比賽，他們提供了一個一萬兩千多張 bone age 的影像，讓參賽隊伍自己拿去 training model，比比看最後誰的 mean absolute difference (MAD) 最小（和正解相差的平均數值，以月為單位），後來此文作者 Mark Cicero 和 Alexander Bilbily 以 MAD 4.265 months 獲得第一，分享了他們的心路歷程。

外電消息

2017-12-052017-12-05 蔡依達

醫療 AI 會不會是放射科醫師的惡夢

本文是一位英國的放射科醫師 Dr Hugh Harvey (@drhughharvey) 參加了今年的 RSNA 後做了一個有關放射科 AI 未來的一個夢，比較不好的那種，裡頭設想了一種情況是因為 AI 的發展使得醫療訴訟變得容易，最後害慘了放射科的故事。

外電消息

2017-11-272017-11-26 蔡依達

AI 讓放射科醫師的工作更輕鬆

這是一篇華爾街日報的專欄文章，主要是在闡述為什麼 AI 時代來臨，放射科醫師並不會被取代，而是讓工作變得更輕鬆。

外電消息

2017-10-292017-11-27 蔡依達

放射科醫師未來的飯碗不保？

美國的放射科醫師也都很擔心未來 AI 會搶走他們的飯碗，這樣的擔心也不是毫無理由，畢竟電腦的強項就是辨認 pattern, 和放射科醫師的工作是很相似的。但其實也不用太過度擔心，開發一個新的演算法來從影像診斷疾病不是那麼容易，需要投入大量的人力物力，而且目前的機器也還沒達到把一組 MRI 影像輸入進去，咚咚咚的診斷，還包含鑑別診斷就通通跑出來，放射科醫師和機器其實是相互合作的關係，大力擁抱新科技反而不容易被時代淘汰。另一個要克服的是盡量走出報告間，不論是和臨床醫師或是和病人間面對面的溝通，都不是機器容易取代的。

論文選讀

2017-10-192017-11-11 蔡依達

機器學習可區分 High-Risk Breast Lesion 惡性度以減少不必要的手術

實務上如果 breast lesion core biopsy 出來的結果是 high risk lesion (HRL)，一般而言都會建議再做 surgical excision，但其實真正是 malignancy 的機率並不高（約 10%），會有 over treatment 的情形。他們 training 了一個 machine learning model，可以從病人的基本資料、core biopsy 的病理報告推算出之後做 surgical excision 而升級為 malignancy 的機率。

外電消息

2017-10-162018-02-25 蔡依達

美國 NIH 釋出大量 X-ray Database 以期推動 AI 研究

為了推動醫療 AI 的研究，美國 NIH 最近釋出了一個大型影像的 dataset，包含了超過 112000 張 chest X-ray, 大約有 31000 位病人，同時也包含了已經 label 好診斷的 csv 檔。

外電消息

2017-10-152017-11-26 蔡依達

醫療影像 AI 的法律面及 ACR 的因應作為

隨著 deep learning 的潮流，最近真的可以說是 AI 爆發年，應用在醫學影像上，在法律面可能有哪些影響呢？數以百萬計從病人身上拿到的 training data 所有權到底是誰的？AI 工具的制作者對這些 data 該負擔什麼義務？Data 的隱私權該如何保護？可以讓保險公司拿去精算保費嗎？可以用來人工篩選下一代，例如智商或性別嗎？該如何認證 AI 系統的合格性？