导航菜单

FDA批准首款嵌入AI算法的移动X光设备 ICU中快速智能影像检测成为可能

GE医疗集团最近宣布,美国FDA已批准其510(k)重症监护病房Critical Care Suite Optima XR240amx,这是业界首款带有嵌入式人工智能算法的移动X射线成像系统。

该设备的人工智能算法由GE和加利福尼亚大学旧金山分校(UCSF)使用GE Healthcare的Edison平台开发。去年11月,GE Heathcare向FDA提交了该产品的申请。

今天的放射科医生面临巨大的压力,需要阅读越来越多的图像并提供快速,准确的诊断。然而,在X射线检查中,60%的病例被标记为STAT(紧急检测)。放射科医师如何判断真正的紧急图像,如果没有立即阅读,是否会对患者构成危险?这对于美国漫长的放射治疗过程来说是一个令人头痛的问题。

根据文章《Current Problems in Diagnostic Radiology》《减少STAT便携式胸部X光片周转时间:一项试点研究》发表的一项研究,在放射科医师的诊断过程中,即使标记了“STAT(紧急测试)”的X射线图像,也有必要等待平均长度。最多8个小时。

GE Optima XR240amx设备是一种主要用于ICU的移动智能X射线设备。重症监护套件旨在快速识别并帮助医生确定气胸等重大疾病的优先级,并帮助缩短放射科医师检查的时间。

ICU中的快速智能图像检测

当患者进入ICU并通过GE Critical Care Suite的移动设备扫描X射线时,AI系统会同时自动分析图像。如果怀疑有气胸,警报将通过照片档案和PACS系统直接发送给放射科医师进行检查以及原始胸部X光检查。放射科医师将知道在收到的通知中需要优先考虑哪些图像。

AI算法还可以同时分析和标记协议和视野错误,并自动旋转设备上的图像,标准化移动X射线设备获取的图像,节省医生的时间。

根据通用电气医疗集团的官方数据,重症监护套装对大型气胸的敏感度为96%,四种小气胸中的三种敏感度为75%。

此外,在移动设备上嵌入人工智能算法为放射科医师和技术人员提供了多种好处。 GE Healthcare的算法是一种快速可靠的方法,可确保在图像采集的数秒内生成AI结果,而无需生成网络。然后,当设备发送原始诊断图像时,这些AI决策的结果被发送给放射科医师以确保没有额外的处理延迟。

此外,图像质量检查会自动在设备上运行,质量检查会集成到技术人员的标准工作流程中,技术人员会在患者床边进行监管,以确保将图像发送到PACS。的质量。

获取原始图像后,系统将自动执行协议检查,质量检查和智能判断,并标记可疑图像并发送报警。

“目前,62%的图像被标记为'STAT'或紧急阅读,但它们并非都是关键的。这会影响真正需要紧急治疗的患者,这可能会产生严重后果。” GE医疗保健X“重症监护套件重症监护套件不仅标志着疑似气胸图像的令人印象深刻的准确性,而且还使放射科医师能够优先考虑这些病例,但它已被添加,”Light总裁兼首席执行官Jean Xue表示。它还使AI易于访问。我们的嵌入式AI算法为医院提供了实验人工智能的机会,并且可以将图像传输到网站,而无需投资额外的IT基础设施,安全评估或网络安全预防措施。“/p>

Critical Care Suite和AI算法是使用GE Healthcare的Edison平台开发的,该平台可帮助快速,安全地部署AI算法。

Edison是通用电气的智能平台,旨在帮助医疗专业人员提高效率、改善患者结果并提供患者护理机会。Edison应用程序可以嵌入到现有的工作流中,以集成和吸收来自不同来源的数据,并应用分析或高级算法生成临床、运营和财务见解。Edison平台可以直接安装在智能设备上,也可以通过云、Edison HealthLink等在线方式安装。

每个病人在治疗过程中都会产生大量的数据。爱迪生平台使用机器学习、深度学习和人工智能,将大量信息转化为可直接识别的视图。这些见解可以帮助医疗专业人员更有效地工作,确定工作流程的优先级,减少重复工作,并提供最个性化的患者护理。

在2018年底的北美放射学年会上,GE Healthcare发布了一系列基于Edison平台的全新医疗应用产品和智能型医疗设备。GE Healthcare已经基于Edison平台为全球的200多个医疗影像类应用提供了辅助支持。

GE Healthcare和加州大学、圣卢克大学的合作结晶

这次气胸AI诊断产品的获批可以称得上是GE Healthcare与UCSF合作的里程碑。2016年底,GE(当时GE Healthcare还未独立)与加州大学旧金山分校(UCSF)达成了一项合作,共同创建一个深度学习算法文库,用于改善未来GE公司的成像设备和云平台使用者的诊断流程。

GE的直接合作者是UCSF下属的数字健康创新中心。当时UCSF的Michael Blum博士就表示,这项合作的关键点在于把深度学习算法进一步整合用于临床数据和图像处理分析,帮助临床医生在最短的时间内了解患者的准确信息。而且在当时的新闻中,GE的研究人员用来介绍AI技术所举的例子,正是气胸症状。

加州大学旧金山分校外科学副教授Rachael Callcut博士,是加州大学旧金山分校卫生部外科医生和数字卫生创新中心数据科学主任,和GE合作开发了Critical Care Suite。“当拍摄患者X光时,处理和阅读影像所耗费的时间会影响最后的结果。AI为我们提供了加速诊断和改变患者护理方式的机会,最终可以挽救生命并改善预后。”Rachael Callcut博士说。

在GE Healthcare的新闻稿中,除了UCSF之外,还提到了几个合作机构,分别是圣卢克大学、亨伯里弗医院和来自印度的Mahajan Imaging。

圣卢克大学(St。 Luke‘s University)等待这个结果公布已经很久了。在三个月前的一次采访中他们提到,在过去的一年里,圣卢克大学健康网络(St。 Luke’s University Health Network,SLUHN)放射科医生Karl Yaeger博士及其同事与GE Healthcare的一个国际研究团队合作,开发了业界首个采用嵌入式AI算法的X光系统。这项技术旨在提醒临床团队气胸指征。

在开发这项人工智能产品时,Yaeger博士和他在SLUHN的团队审阅了数百张各种尺寸和不同严重程度的气胸的X光片。然后使用深度学习软件算法处理这些影像以确定其准确性。

“这一人工智能产品的目的是提高诊断过程中这些潜在致死指征的检出率和准确率,让患者可以及早治疗,”Yaeger博士说。“这项研究最终要关注改善患者护理和挽救生命。”

(责任编辑:DF515)