تراست NHS بیمارستان پرنسس الکساندرا: هوش مصنوعی در رادیولوژی با RUBEE AI

هوش مصنوعی در رادیولوژی

رادیولوژی همواره در خط مقدم نوآوری دیجیتال در بهره‌گیری از نرم‌افزارها و ابزارهای پیشرفته برای بهبود گردش کار و اطمینان تشخیصی بوده است. با ظهور هوش مصنوعی در تصویربرداری پزشکی و روش‌های تصویربرداری جدید، رادیولوژیست‌ها و دیگر متخصصان تشخیصی به جزئیات آناتومیک و بالینی عمیق‌تری دسترسی دارند. این نوآوری‌ها نیاز به تعامل یکپارچه میان تصویربرداری و انفورماتیک داده را برای اقدام سریع بر یافته‌های بالینی فوری برجسته می‌کنند. پزشکان و متخصصان تشخیصی بیش از هر زمان دیگری به هوشمندی یکپارچه و مبتنی بر شواهد نیاز دارند تا رادیولوژی در عصر سلامت دقیق و مراقبت شخصی‌سازی‌شده بازتعریف شود.

نوآوری‌های AGFA HealthCare در حوزه تصویربرداری پزشکی به‌خوبی شناخته شده است و در چارچوب جدید و نوآورانه RUBEE AI، عوامل زیر برای فعال‌سازی گردش‌های کاری هوش مصنوعی در تصویربرداری پزشکی در نظر گرفته شده‌اند:

• جای‌گیری بی‌وقفه هوش مصنوعی در تجربه کاربری
• بهره‌گیری از فراداده‌های هوش مصنوعی و تبدیل آن‌ها به هوشمندی کاربردی
• هماهنگ‌سازی گردش کار، خودکارسازی و پروتکل‌های نمایش هوشمند
• گزارش‌دهی دقیق با تحلیل داده‌های هوش مصنوعی
• همکاری دانشگاهی و بالینی برای یادگیری همتا مبتنی بر شواهد

مسیر تحول تراست NHS بیمارستان پرنسس الکساندرا

تراست NHS بیمارستان پرنسس الکساندرا (The Princess Alexandra Hospital NHS Trust، PAHT) در بریتانیا با آغاز راهبرد پلتفرم تصویربرداری یکپارچه، همچنان پیشگام تحول دیجیتال در دپارتمان رادیولوژی خود بوده است. این راهبرد به بیمارستان کمک کرد دپارتمان تصویربرداری خود را از PACS سنتی به پلتفرم جدیدتر Enterprise Imaging شرکت AGFA HealthCare منتقل کند. با راهبرد Enterprise Imaging، این بیمارستان توانست چارچوبی محوری برای یکپارچه‌سازی تصاویر تشخیصی، همکاری چندتخصصی و راهبردی ماژولار ایجاد کند که امکان عرضه نوآوری‌های آینده را بر بستری امن و ماژولار فراهم می‌کند.

با معرفی چارچوب RUBEE AI توسط AGFA HealthCare، مدیریت تراست ارزیابی گزینه‌های خود در مسیر هوش مصنوعی را آغاز کرد و کار داخلی روی طرح توجیهی (business case) هوش مصنوعی در بیمارستان شروع شد.

از کجا با هوش مصنوعی شروع کنیم؟ حاکمیت

هوش مصنوعی در تصویربرداری پزشکی کاربردهای متعددی دارد، از یادگیری عمیق و یادگیری ماشین و تحلیل تصویر تا پردازش زبان طبیعی و موارد دیگر. فرصت نوآوری پیش روی ارائه‌دهندگان خدمات سلامت این است که امروز بیش از 150 استارتاپ و توسعه‌دهنده هوش مصنوعی روی این کاربردها و موارد استفاده بالینی تمرکز دارند. پرسش این است: چگونه این نوآوری‌ها را در تجربه‌ای روان و مرتبط با بالین برای متخصصان تشخیصی و پزشکان جای دهیم؟

تراست تصمیم گرفت اهمیت هوش مصنوعی جاسازی‌شده در گردش‌های کاری تصویربرداری تشخیصی خود را ارزیابی کند. چارچوب RUBEE AI شرکت AGFA در مقایسه با مفهوم بازارچه یا فروشگاه اپلیکیشن هوش مصنوعی، تمرکزی گردش‌کارمحورتر داشت. این چارچوب امکان می‌دهد بهترین اپلیکیشن‌های هوش مصنوعی مبتنی بر استاندارد در قالب بسته‌های بالینی تخصص‌محور یکپارچه شوند تا هوشمندی تشخیصی و ابزارهای پشتیبان تصمیم مرتبط در اختیار رادیولوژیست‌ها قرار گیرد. هدف AGFA این است که با ارائه ابزارهای پشتیبان تصمیم هوش مصنوعی گزینش‌شده و جاسازی‌شده در راهکار Enterprise Imaging، به رادیولوژیست‌ها کمک کند ارزش مهارت و تخصص خود را به حداکثر برسانند.

صاحب‌نظران بر این باورند که برای موفقیت در این عصر نوآوری، صنعت، استارتاپ‌ها، دانشگاه‌ها و بیمارستان‌ها باید با هم همکاری کنند. یک فروشنده یا یک استارتاپ هوش مصنوعی به‌تنهایی نمی‌تواند راهکاری نوآورانه ارائه دهد؛ این کار باید چارچوبی مشارکتی میان همه ذی‌نفعان باشد.

با انتخاب چارچوب RUBEE AI شرکت AGFA، اثبات مفهوم کامل در طول مراحل پیاده‌سازی به کاهش ریسک بالینی مرتبط با یک گردش کار جدید کمک کرد، چرا که رادیولوژیست‌های متخصص قفسه سینه در این مرحله کاملاً مشارکت داشتند و می‌توانستند در تمام مدت بازخورد بدهند.

معیارهای انتخاب: به کدام راهکار هوش مصنوعی نیاز دارم؟

روشن شده است که هوش مصنوعی جایگزین رادیولوژیست‌ها یا پزشکان نخواهد شد، بلکه با توانمندسازی آن‌ها در اکوسیستمشان و کمک به تصمیم‌گیری مشارکتی و هوشمندانه، گردش کارشان را بیش از پیش بهبود می‌دهد. هوش مصنوعی یا یادگیری ماشین اگر به‌شکلی منطقی در گردش‌های کاری بالینی جاسازی نشود، فایده چندانی نخواهد داشت و در نهایت به جزیره‌ای جدا تبدیل می‌شود.

چارچوب RUBEE AI در زمان عرضه، ابزارها و اپلیکیشن‌هایی از جمله الگوریتم‌های مرتبط با ندول ریه، یک بسته بالینی هوش مصنوعی پستان شامل اپلیکیشن‌هایی برای ماموگرافی دوبعدی و توموسنتز دیجیتال پستان، و اپلیکیشن‌های دیگری برای غربالگری رادیوگرافی قفسه سینه را در بر داشت. ایده این بود که اکوسیستمی از بهترین شرکت‌های هوش مصنوعی که انتشارات علمی و شواهد مرتبط با توسعه‌های خود داشتند، شکل گیرد.

با همه‌گیری COVID-19 و تأکید بر غربالگری قفسه سینه، منطقی بود که تراست بسته هوش مصنوعی CT شرکت AGFA را بررسی کند که شامل RUBEE و الگوریتم ClearRead CT از شرکت Riverain Technologies بود.

دپارتمان رادیولوژی در هوش مصنوعی جاسازی‌شده در گردش کار به دنبال چه بود؟

• تأییدیه‌های قانونی: اینکه راهکار هوش مصنوعی تأییدیه‌هایی مانند FDA، CE و برای نمونه Health Canada را داشته باشد.
• شفافیت تصمیم: رادیولوژیست‌ها به قابلیت‌های پیشرفته‌ای مانند Vessel Suppress علاقه داشتند که به بهبود تشخیص ندول کمک می‌کند.
• اعتبارسنجی بالینی: اینکه راهکار برای همه انواع ندول، مانند توپر، نیمه‌توپر و شیشه مات، اعتبارسنجی شده باشد.
• مطالعات پیشین و مقایسه‌ها: یکی از ویژگی‌های متمایزکننده، عمق یکپارچگی الگوریتم ClearRead CT با RUBEE و میزان روان بودن ادغام مطالعات قبلی و مقایسه‌ها در گردش کار برای پردازش مطالعات پیشین بود.
• یافته‌های اتفاقی: از آنجا که CT قفسه سینه برای تظاهرات بالینی گوناگون انجام می‌شود، برای بیمارستان مهم بود که بسته هوش مصنوعی CT یافته‌های اتفاقی شناسایی‌شده توسط هوش مصنوعی را برای CTهای با و بدون کنتراست در گردش کار بگنجاند.
• شواهد علمی: دپارتمان رادیولوژی مشتاق بررسی شواهد منتشرشده AGFA و Riverain Technologies، از جمله مقالات داوری‌شده درباره عملکرد، کارایی و دقت بود.

سرمایه‌گذاری مالی بر اساس مزایای حاصل انجام می‌شود؛ مانند گزارش‌های دقیق‌تر و کاهش زمان گزارش‌دهی که به بهبود ارائه مراقبت از بیمار کمک می‌کند.

تدوین طرح توجیهی هوش مصنوعی

برای دپارتمان رادیولوژی تراست، هوش مصنوعی به‌سرعت به یکی از محورهای حوزه سرطان، قلب و پشتیبانی بالینی (CCCS) تبدیل می‌شد؛ حوزه‌ای که رادیولوژیست‌های مشاور و رادیوگرافرها در آن برای ارائه بهترین مراقبت ممکن تلاش می‌کنند. هر سال هزاران اسکن، از جمله CT قفسه سینه، در تراست انجام می‌شود و برای ارائه بهترین خدمات و رعایت دستورالعمل‌های ملی تحلیل ندول، یک راهکار هوش مصنوعی ریه قدرتمند مد نظر قرار گرفت.

بیمارستان در طرح توجیهی هوش مصنوعی بر این پرسش‌ها تمرکز کرد:

• نیاز یا فرصت راهبردی چیست و چرا اکنون؟
• چه گزینه‌هایی و بر اساس چه معیارهایی بررسی شدند؟
• گزینه برگزیده کدام است و چرا؟
• آیا مراقبت و پیامدهای بیمار را بهبود می‌دهد؟
• آیا طرح توجیهی قابل تحقق است؟

صرفه‌جویی‌های مالی بیشتر از این جنبه‌ها ارزیابی شد:

• کاهش موارد سرطان از دست رفته
• ساده‌سازی گردش کار پایش و پیگیری
• 29 درصد کاهش در ندول‌های از دست رفته
• 26 درصد کاهش در زمان خوانش
• کاهش تعداد ارجاع‌ها برای خوانش برون‌سپاری‌شده

با توجه به کارایی گردش کار حاصل از RUBEE AI، در طرح توجیهی بررسی شد که آیا در تهیه گزارش‌ها صرفه‌جویی زمانی و در نتیجه صرفه‌جویی در هزینه نیروی متخصص ارشد حاصل می‌شود. اجماع تیم ارزیابی این بود که افزایش ظرفیت مزایایی مانند ارتقای اعتبار، ظرفیت بیشتر برای گزارش اسکن‌های بیشتر و پیگیری زودهنگام بیماران خواهد داشت.

مدل مطلوب مجوز و پیاده‌سازی AGFA برای نرم‌افزار هوش مصنوعی CT نیز به طرح توجیهی کمک کرد؛ مدلی مبتنی بر مجوز کاربر نامحدود که به دلایل متعدد بهتر از مدل پرداخت به ازای استفاده ارزیابی شد. دلیل اصلی دیگر این بود که مدل استقرار هوش مصنوعی AGFA HealthCare به‌صورت درون‌سازمانی (on-premise) و هم‌زمان در پس‌زمینه کار می‌کند، همه اسکن‌های CT قفسه سینه را ارزیابی می‌کند و به بهبود شناسایی یافته‌های اتفاقی و مقایسه‌های خودکار کمک می‌کند. این امر نیاز به هوش مصنوعی میزبانی‌شده در ابر و الزامات یکپارچه‌سازی مرتبط، و نیز نگرانی‌های حاکمیت اطلاعات درباره ارسال تصاویر به خارج از سازمان و به شخص ثالث را از میان برد.

برنامه‌ریزی و پیاده‌سازی پروژه

چارچوب RUBEE AI بر پایه راهبرد موفق Enterprise Imaging شرکت AGFA HealthCare بنا شده است. راه‌اندازی اولیه و استقرار بسته هوش مصنوعی CT (شامل ClearRead CT) بسیار سریع انجام شد. تیم مدیریت سیستم بیمارستان افزون بر راه‌اندازی ماژول هوش مصنوعی، به چند جنبه مهم توجه داشت؛ از جمله تحلیل دقیق گردش‌های کاری دستگاه‌ها (modality) تا مشخص شود آیا توصیف‌گرهای مطالعه یا سری نیاز به تنظیم دارند یا نه. این تیم پیش از استقرار راهکار در سیستم عملیاتی کامل، یک محیط آزمایشی ایجاد کرد.

کاربرد بالینی: رادیولوژیست‌ها چه می‌گویند؟

از زمان بهره‌برداری از این راهکار، رادیولوژیست‌ها ارزش هوش مصنوعی جاسازی‌شده را از این جنبه‌ها قدر می‌دانند:

تعیین آسان حدود ندول‌های اتفاقی ریه (با زحمت کمتر)

ندول‌های کوچک و نامشخص ریه اغلب به‌طور اتفاقی در CTهای غربالگری و مرحله‌بندی دیده می‌شوند. شناسایی و اندازه‌گیری آن‌ها می‌تواند فرایندی پرزحمت و زمان‌بر باشد. الگوریتم هوش مصنوعی این ندول‌ها را شناسایی، توصیف و اندازه‌گیری می‌کند و در نتیجه این فرایند:

• کارآمدتر (کم‌زمان‌تر) است
• دقیق است
• اندازه‌گیری تکرارپذیر دارد (حذف تفاوت میان اپراتورها)
• اسکن‌های پیگیری آینده را آسان‌تر می‌کند

شناسایی و توصیف خودکار

ندول کوچک شیشه مات ممکن است هنگام مرور CT قفسه سینه به‌راحتی از چشم غیرمسلح پنهان بماند. ابزار هوش مصنوعی این ندول‌ها را شناسایی، توصیف و اندازه‌گیری می‌کند. سپس می‌توان بر اساس آن‌ها اقدام یا پیگیری کرد و به این ترتیب به‌طور بالقوه سرطان‌ها را زودتر تشخیص داد و پیامدها را بهبود بخشید.

Vessel Suppress و کشف زودهنگام ندول‌های سرطانی

شناسایی ندول کوچک داخل ریوی اطراف عروق می‌تواند دشوار باشد و اغلب با مقطع عرضی یک رگ اشتباه گرفته می‌شود. ابزار هوش مصنوعی با «سرکوب» عروق مجاور، این ندول‌ها را آسان‌تر و دقیق‌تر شناسایی می‌کند و به این ترتیب ندول‌ها یا متاستازهای بالقوه سرطانی را در مراحل اولیه آشکار می‌سازد.

گزارش‌دهی سریع‌تر: حدود 30 درصد بهبود

دسته دیگری از اسکن‌ها که ابزار هوش مصنوعی در آن مفید بوده، آنژیوگرافی CT ریوی (CTPA) است. روزانه چندین مورد از این اسکن‌ها در بخش بستری و اورژانس انجام می‌شود. پس از آنکه رادیولوژیست آمبولی ریوی را تأیید یا رد کرد، هوش مصنوعی به ارزیابی سریع ریه‌ها از نظر هرگونه آسیب‌شناسی دیگر کمک می‌کند و در زمان گزارش‌دهی صرفه‌جویی می‌شود.

گردش کار هوش مصنوعی جاسازی‌شده با RUBEE

نتایج پردازش‌شده توسط هوش مصنوعی به‌صورت هم‌زمان در ایستگاه‌های کاری Enterprise Imaging PACS رادیولوژیست‌ها جاسازی می‌شوند. یافته‌ها، نمایش‌های بصری و اندازه‌گیری‌های هوش مصنوعی فوراً در دسترس‌اند و پروتکل‌های نمایش برای مقایسه خودکار نتایج فعلی و قبلی پیکربندی شده‌اند. الگوریتم و یافته‌های هوش مصنوعی به‌طور یکپارچه در تجربه کاربری و گردش‌های کاری ادغام شده‌اند.

بسته هوش مصنوعی CT، که شامل چارچوب گردش کار RUBEE شرکت AGFA و الگوریتم‌های ClearRead CT شرکت Riverain است، به‌طور یکپارچه در دسکتاپ‌های تشخیصی ما جاسازی شده و مزایایی از بهینه‌سازی گردش کار تا نمایش‌های بصری پیشرفته و مقایسه‌های خودکار فراهم می‌کند.

مسیر پیش رو

پیاده‌سازی گردش‌های کاری نوآورانه‌ای مانند هوش مصنوعی تنها آغاز مسیری است به سوی دگرگونی نقش رادیولوژی در ارزش‌آفرینی در کل زنجیره مراقبت. الگوریتم‌های یادگیری ماشین به اندازه داده‌هایی که با آن آموزش دیده‌اند خوب‌اند و تنها در صورتی بهتر می‌شوند که سازوکار بازخورد مناسبی میان پزشکان و توسعه‌دهندگان برقرار باشد.

تلاش تیمی همه دست‌اندرکاران این پروژه در تراست NHS بیمارستان پرنسس الکساندرا، AGFA HealthCare و Riverain Technologies، تجربه‌ای قدرتمند رقم زد که نه‌تنها به تحویل سریع و به‌موقع پروژه و راه‌اندازی آن انجامید، بلکه بستری برای گفت‌وگو و بازخورد مستمر به منظور بهبود گردش‌های کاری مبتنی بر هوش مصنوعی ایجاد کرد؛ فرایندی که از تجربه بالینی نیرو می‌گیرد و شواهد هوش مصنوعی را عمیق‌تر می‌کند.

پلتفرم Enterprise Imaging شرکت AGFA HealthCare به ما کمک کرده زیرساخت سازمانی لازم برای پیاده‌سازی هوش مصنوعی را به محض اعتبارسنجی و معرفی الگوریتم‌ها فراهم کنیم.

درباره Riverain Technologies

Riverain Technologies™ نوآوری در حوزه نرم‌افزار پزشکی است که راهکارهایی برای کمک به رادیولوژیست‌ها در تشخیص زودهنگام بیماری توسعه می‌دهد. با ClearRead X-ray Suite و ClearRead CT، رادیولوژیست‌ها می‌توانند استفاده از تجهیزات موجود را برای تفسیر بهتر تصاویر بهینه کنند و تخصص تشخیصی خود را در شناسایی بیماری‌هایی مانند سرطان ریه بهتر به کار گیرند.

نویسنده: دکتر انجم احمد (MBBS, MBA, MIS, ITIL)، مدیر ارشد پزشکی جهانی و مدیر نوآوری AGFA HealthCare.