KI-Anwendungen an PACS-Systeme – Herausforderungen und verstehen die Auswirkungen auf workflows

Der Einsatz von AI in der medizinischen Bildgebung oder Picture Archiving and Communication System (PACS), wie GE Centricity Universal-Viewer kann eine gute Möglichkeit zur Verringerung der ständig steigenden Arbeitsbelastung von Radiologen und Klinikern, da AI ist besonders wirksam bei der Erkennung und Segmentierung von Unregelmäßigkeiten in der imaging-Daten und bietet Radiologen/ärzte zusätzliche Diagnose Vertrauen. Dies ist jedoch leichter gesagt als getan und viele Organisationen im Gesundheitswesen/Krankenhäuser, die nach Ihrer vorhandenen Infrastruktur und Daten der Reife, kann es entmutigend zu implementieren AI-Anwendungen in Ihre PACS-Systeme.

Gemeinsame Herausforderungen in der Umsetzung von KI-Anwendungen auf PACS-Systeme

„Einer der häufigsten Herausforderungen für Organisationen im Gesundheitswesen/Krankenhäuser in der Suche zu implementieren, KI-Anwendungen, um Ihre PACS-Systeme ist der Umgang mit den unterschiedlichen Einzellösungen der algorithmen ohne eine konsistente Art und Weise zu implementieren, die diese KI-Lösungen in den gesamten workflow,“ sagte Omar Sunna, Director, Global Product Management, GE Healthcare.

Es ist wichtig für Organisationen im Gesundheitswesen/Krankenhäuser zu verstehen, die Leistung, Wirkung und erwartete Ergebnisse von verschiedenen algorithmen in der KI-Lösungen, bevor diese in den Produktions-workflow. Verständnis, dass Pneumothorax schlägt in fast 74,000 Amerikaner jedes Jahr, GE healthcare hat vor kurzem ein KI-Algorithmus, der helfen könnte, Radiologen Vorrang für die überprüfung Kritischer Fälle. Dieser Algorithmus wurde entworfen, um einen pneumothorax auf der Brust X-Ray und Benachrichtigen Sie einen Radiologen zu diesem potential zu finden, das zu erwartende Ergebnis ist zu beschleunigen, um die rechtzeitige Diagnose einer potenziell lebensbedrohlichen Zustand.

Eine weitere Herausforderung für Organisationen im Gesundheitswesen/Krankenhäuser sein, für Sie zu verstehen, welche KI-Lösungen werden die wirkungsvolle, um das gesamte Lesen den workflow und die Patientenversorgung angesichts der breiten fülle von Optionen auf dem Markt verfügbar. „Es ist notwendig, um eine pre-Produktion und Bewertung Mechanismus, um alle ärzte zu prüfen, die Genauigkeit und die Wiederholbarkeit der KI-Lösung vor der Förderung in die klinische Praxis und die Integration der algorithmen in Ihren klinischen workflow“, fügte Sunna.

Tipps zum Aufbau einer tool-kit für Radiologen, die für die imaging-Analyse/Diagnose

Die Sunna empfiehlt, dass Radiologen konzentrieren Sie sich auf Patienten-Ergebnisse als Teil Ihrer Auswahl der AI-tools für Ihren workflow und sorgen dafür, dass die Lösungen, die angenommen werden, nicht einfach nur „Punkt“ – Lösungen, die für einen bestimmten Ausgang, sondern systemisch implementiert als Teil des umfassenderen workflows im Gesundheitswesen Einstellung.

„Dies bedeutet, dass die KI-Lösung wird nicht nur präsentiert, um den Betrachter so zusätzliche Ansichten für den Radiologen sondern hat eine Reihe von Lösungen, die implementiert werden können, die im workflow zu helfen, fahren ordnungsgemäße kritischen Zustand selektieren, zu priorisieren, die richtigen Untersuchungen zu Lesen, und schließen Sie die Schleife auch mit den ärzten darüber, wie Sie am besten vermitteln diese Informationen in einem reichen Bericht“, sagte er.

Im Idealfall die Umsetzung von AI-Lösungen in PACS-Systemen würde der radiologe zusätzliche diagnostische zuversicht und auch zu helfen bei der Selektierung der kritischen Fälle, um Sie Lesen von den richtigen Radiologen zur richtigen Zeit.

Beobachtungen über die zukünftige Entwicklung des PACS und imaging-Lösungen im Gesundheitswesen

Mit fast zwei Jahrzehnten Erfahrung im Bereich PACS und imaging-Lösungen in der healthcare-Industrie, Sunna glaubt, dass der Einsatz von KI wird zunehmend der standard der Versorgung zu gewährleisten, dass bestimmte Patienten die klinischen Bedingungen sind gut verstanden, zum Zeitpunkt der Diagnose.

“Es wird auch weitere Effizienzgewinne in Bezug auf die Identifizierung von Krankheitsbildern und automatisch platzieren Sie diese Erkenntnisse in einer angereicherten, strukturierten Bericht, so dass die ärzte können effektiv verbrauchen eine umfassendere Diagnose. Darüber hinaus wird es eine Erweiterung von AI-Lösungen in Digital Imaging and Communications in Medicine (DICOM) bildgebenden Befunde und auch, Blick auf mehrere verschiedene Quellen von Daten ermöglichen eine bessere klinische Entscheidung zu unterstützen“, erklärte er.

Omar Sunnar ist der Sprecher für die Keynote-Plenarsitzung 8 – GE-Künstliche Intelligenz für die Klinische Versorgung – Powered by Edison auf der kommenden HIMSS AsiaPac19 Konferenz in Bangkok, Thailand. Seiner Sitzung geplant ist von 10.30 Uhr-11.15 Uhr am 9. Oktober 2019 zur Welt Ballsaal B, Ebene 23.

GE Healthcare ist ein Diamant-Sponsor für die HIMSS AsiaPac19 Konferenz. Ihr Stand befindet sich bei G1 in der Ausstellung Hall, Level 23.