Краткий ответ: ИИ в ближайшее время не заменит рентгенологов полностью; он в основном автоматизирует узкоспециализированные задачи, такие как сортировка пациентов, выявление закономерностей и измерения, постепенно смещая акцент на надзор, четкую коммуникацию и принятие важных решений. Если рентгенологи не адаптируются к рабочим процессам, поддерживаемым ИИ, они рискуют оказаться в стороне, но клиническая ответственность по-прежнему останется за людьми.
Основные выводы:
Изменение рабочего процесса: ожидайте быстрого масштабирования процессов сортировки, оценки и поддержки со стороны «второго эксперта».
Ответственность: Врачи-радиологи остаются ответственными лицами, подписывающими отчеты о клинических случаях с использованием искусственного интеллекта.
Проверка достоверности: Доверяйте инструментам только в том случае, если они были протестированы на разных площадках, сканерах и группах пациентов.
Устойчивость к неправильному использованию: Снижение уровня шума в оповещении и защита от скрытых сбоев, дрейфа и смещения.
Обеспечение перспективности: изучите режимы отказов ИИ и присоединитесь к управлению, чтобы контролировать безопасное развертывание.
Статьи, которые могут вас заинтересовать после этой:
🔗 Заменит ли искусственный интеллект врачей: будущее медицины
Реалистичный взгляд на роль ИИ в современной медицинской практике.
🔗 Как ИИ помогает сельскому хозяйству
Способы, которыми ИИ повышает урожайность, улучшает планирование и принятие решений в сельском хозяйстве.
🔗 Почему ИИ вреден для общества
Риски, такие как предвзятость, потеря работы, слежка и дезинформация, наносят вред.
🔗 Как ИИ обнаруживает аномалии
Как модели выявляют необычное поведение в данных и системах.
Прямолинейная проверка реальности: что делает ИИ прямо сейчас ✅
Сегодня искусственный интеллект в радиологии наиболее эффективен в узкоспециализированных задачах:
-
Отмечаем срочные результаты, чтобы пугающие исследования прошли без предварительной проверки (триаж) 🚨
-
Выявление «известных закономерностей», таких как узелки, кровоизлияния, переломы, эмболии и т. д.
-
Измерение того, что люди могут измерить, но ненавидят измерять (объемы, размеры, изменения во времени) 📏
-
Помощь программам скрининга в обработке большого объема работы без переутомления персонала.
И это не просто слухи: регулируемый, используемый в клиниках ИИ в радиологии уже занимает значительную долю рынка клинических устройств на основе ИИ. В обзоре классификации медицинских устройств на основе ИИ/машинного обучения, одобренных FDA в 2025 году (охватывающем разрешения, указанные FDA по состоянию на 20 декабря 2024 года), было обнаружено, что большинство устройств принимают изображения в качестве входных данных, и радиология была ведущей экспертной комиссией для большинства из них. Это многое говорит о том, где «клинический ИИ» займет первое место. [1]
Но «полезность» — это не то же самое, что «автономная замена врача». Разные критерии, разные риски, разная ответственность…
Почему «замещение» — это в большинстве случаев неправильная ментальная модель 🧠
Радиология — это не просто «посмотреть на пиксели и назвать болезнь».
На практике рентгенологи занимаются такими вещами, как:
-
Определение того, соответствует ли клинический вопрос назначенному обследованию.
-
Учет предыдущих случаев, истории операций, артефактов и сложных нестандартных ситуаций.
-
Позвонить лечащему врачу, чтобы уточнить, что происходит на самом деле.
-
Рекомендации по дальнейшим действиям, а не просто обозначение полученных результатов.
-
Принятие на себя медико-юридической ответственности за составление отчета.
Вот короткая сцена из серии «звучит скучно, но это всё»:
Сейчас 02:07. КТ головы. Артефакт движения. В анамнезе «головокружение», в записи медсестры «падение», а в списке антикоагулянтов «ой-ой».
Задача не в том, чтобы «обнаружить точечные пиксели». Задача в том, чтобы провести сортировку пациентов + контекст + риск + ясность дальнейших действий.
Вот почему наиболее распространенный результат при клиническом внедрении таков: ИИ поддерживает радиологов , а не вытесняет их.
И многие радиологические общества четко обозначили человеческий фактор: в заявлении об этике, принятом несколькими обществами (ACR/ESR/RSNA/SIIM и другими), ИИ рассматривается как нечто, чем радиологи должны управлять ответственно, включая тот факт, что радиологи в конечном итоге остаются ответственными за лечение пациентов в рабочем процессе, поддерживаемом ИИ. [2]
Что делает версию ИИ подходящей для радиологии? 🔍
Если вы оцениваете систему искусственного интеллекта (или решаете, доверять ли ей), то «хорошая версия» — это не та, у которой самая впечатляющая демонстрация. Это та, которая выдерживает проверку в реальных клинических условиях.
Хороший инструмент искусственного интеллекта для радиологии, как правило, обладает следующими характеристиками:
-
Четко определенная область применения — это задача, которая хорошо справляется с одной конкретной задачей (или с четко определенным набором задач).
-
Тщательная проверка достоверности — протестировано на разных площадках, сканерах и в разных группах населения.
-
Интеграция в рабочие процессы — позволяет легко встраивать систему в PACS/RIS, не создавая неудобств для всех пользователей.
-
Низкий уровень шума — меньше ненужных оповещений и ложных срабатываний (иначе вы будете их игнорировать).
-
Объяснимость, которая помогает — не идеальная прозрачность, но достаточная для проверки.
-
Управление — мониторинг отклонений, сбоев, неожиданных искажений.
-
Ответственность — ясность в отношении того, кто подписывает документы, кто несет ответственность за ошибки, кто передает дело на рассмотрение вышестоящим инстанциям.
Кроме того: «одобрено FDA» (или эквивалент) — это значимый сигнал, но это не гарантия безопасности. Даже собственный список устройств с поддержкой ИИ, составленный FDA, позиционируется как ресурс для обеспечения прозрачности , который не является исчерпывающим, и метод его включения частично зависит от того, как устройства описывают ИИ в общедоступных материалах. Перевод: вам все равно потребуется локальная оценка и постоянный мониторинг. [3]
Звучит скучно… а в медицине скучно — это хорошо. Скучно — это безопасно 😬
Сравнительная таблица: распространенные варианты ИИ, с которыми на самом деле сталкиваются радиологи 📊
Цены часто устанавливаются на основе первоначальных предложений, поэтому я намеренно оставляю этот аспект расплывчатым (поскольку так обычно и бывает).
| Инструмент / категория | Лучше всего подходит для (аудитории) | Цена | Почему это работает (и в чём подвох…) |
|---|---|---|---|
| Система ИИ для сортировки пациентов с острыми состояниями (инсульт/кровоизлияние/тромбоцитемия и т. д.) | Больницы с большим количеством отделений неотложной помощи, дежурные бригады | на основе цитат | Ускоряет расстановку приоритетов 🚨, но оповещения могут стать слишком громоздкими, если их неправильно настроить. |
| Искусственный интеллект для поддержки скрининга (маммография и т. д.) | Программы скрининга, площадки с большим объемом работы | В рамках исследования или предприятия | Помогает увеличить объём и обеспечить стабильность, но требует локальной проверки. |
| Искусственный интеллект для обнаружения рентгеновских снимков грудной клетки | Общая радиология, системы неотложной помощи | Различный | Отлично подходит для распространенных закономерностей — пропускает редкие выбросы. |
| Инструменты для исследования узлов в легких / КТ грудной клетки | Рекомендации для пульмонологов-онкологов, последующие амбулаторные приемы. | на основе цитат | Хорошо подходит для отслеживания изменений во времени — может переоценивать крошечные «пустые» участки. |
| Выявление переломов опорно-двигательного аппарата | Отделения неотложной помощи, травматологии, ортопедии. | В рамках исследования (иногда) | Отлично справляется с обнаружением повторяющихся узоров 🦴 — расположение/артефакты могут сбить его с толку. |
| Разработка рабочих процессов/составление отчетов (генеративный ИИ) | Загруженные отделы, перегруженная административной работой отчетность. | Подписка / корпоративный | Экономит время на наборе текста ✍️ - необходимо строго контролировать, чтобы избежать самоуверенной бессмыслицы. |
| Инструменты количественной оценки (объемы, оценка содержания кальция и т. д.) | Группы специалистов по кардиовизуализации и нейровизуализации | Дополнение / корпоративное приложение | Надежный помощник в измерениях — все еще нуждается в человеческом контексте. |
Признание в странностях форматирования: слово «Цена» остаётся расплывчатым, потому что продавцы любят расплывчатые цены. Это не я уклоняюсь от ответа, это рынок 😅
Где ИИ может превзойти среднестатистического человека на узких дорогах 🏁
Искусственный интеллект наиболее эффективен, когда задача состоит в следующем:
-
Очень повторяющийся
-
Стабильный по шаблону
-
Хорошо представлен в обучающих данных
-
Легко оценить по эталонному стандарту.
В некоторых рабочих процессах скрининга ИИ может выступать в роли очень надежной дополнительной пары глаз. Например, крупномасштабная ретроспективная оценка системы ИИ для скрининга рака молочной железы показала более высокую среднюю производительность сравнения результатов чтения (по AUC в одном исследовании) и даже снижение рабочей нагрузки в условиях двойного чтения, как это принято в Великобритании. Это и есть победа «узкого пути»: последовательная работа с шаблонами в масштабе. [4]
Но опять же… это помощь в организации рабочего процесса, а не «ИИ заменяет рентгенолога, который отвечает за результат».
Где ИИ по-прежнему испытывает трудности (и это немаловажно) ⚠️
Искусственный интеллект может впечатлять, но при этом давать сбои, имеющие важное клиническое значение. Типичные проблемы:
-
Случаи, не относящиеся к зарегистрированным: редкие заболевания, необычная анатомия, особенности послеоперационного периода.
-
Неспособность оценить контекст: результаты визуализационных исследований без учета «истории» могут ввести в заблуждение.
-
Чувствительность к артефактам: движение, металл, нестандартные настройки сканера, контрастность... забавные штуки.
-
Ложные срабатывания: один неудачный день в работе ИИ может создать дополнительную работу вместо экономии времени.
-
Скрытые неудачи: опасные неудачи, когда что-то незаметно упускается из виду.
-
Дрейф данных: изменения производительности при изменении протоколов, оборудования или контингента пользователей.
Последнее утверждение не является теоретическим. Даже высокоэффективные модели изображений могут изменяться при изменении способа получения изображений (замена оборудования сканера, обновления программного обеспечения, корректировка реконструкции), и это изменение может повлиять на клинически значимые показатели чувствительности/специфичности таким образом, что это может нанести вред. Именно поэтому «мониторинг в процессе производства» — это не модное слово, а требование безопасности. [5]
Кроме того — и это очень важно — клиническая ответственность не переходит к алгоритму. Во многих местах ответственным лицом, подписывающим документы, остается радиолог, что ограничивает возможности реального отстранения от процесса. [2]
Профессия рентгенолога, которая растет, а не сокращается 🌱
Как ни парадоксально, ИИ может сделать радиологию более «похожей на врача», а не менее.
По мере расширения автоматизации рентгенологи часто тратят больше времени на:
-
Сложные случаи и пациенты с множественными проблемами (то, что ИИ ненавидит)
-
Разработка протокола, оценка целесообразности и проектирование алгоритма действий.
-
Объяснение результатов обследования врачам, участникам онкологических консилиумов, а иногда и пациентам 🗣️
-
Интервенционная радиология и процедуры под контролем изображений (в значительной степени не автоматизированные).
-
Лидерство в области качества: мониторинг производительности ИИ, обеспечение безопасного внедрения.
Есть ещё и «мета»-роль: кто-то должен контролировать машины. Это немного похоже на автопилот — пилоты всё равно нужны. Возможно, метафора немного некорректна… но вы поняли.
Замена врачей-радиологов искусственным интеллектом: прямой ответ 🤷♀️🤷♂️
-
В краткосрочной перспективе: это заменяет отдельные виды работ (измерения, сортировка, некоторые схемы вторичной оценки) и изменяет потребности в персонале на периферии.
-
В долгосрочной перспективе: это может значительно автоматизировать некоторые процессы скрининга, но в большинстве систем здравоохранения по-прежнему потребуется человеческий контроль и эскалация проблем.
-
Наиболее вероятный исход: врачи-радиологи в сочетании с ИИ превзойдут каждый из них по отдельности, и работа сместится в сторону надзора, коммуникации и принятия сложных решений.
Если вы студент-медик или молодой врач: как подготовиться к будущему (без паники) 🧩
Несколько практических советов, которые помогут, даже если вы не увлекаетесь технологиями:
-
Узнайте, как ИИ дает сбои (предвзятость, дрейф, ложные срабатывания) — это теперь клиническая грамотность [5].
-
Освойте основы организации рабочих процессов и информатики (PACS, структурированная отчетность, контроль качества).
-
Развивайте эффективные коммуникативные навыки — человеческий фактор становится более ценным.
-
По возможности, присоединитесь к группе по оценке или управлению ИИ в вашей больнице.
-
Сосредоточьтесь на областях с высоким уровнем контекста и значимых процедурах (интервенционная радиология, сложные нейровизуализационные исследования, онкологическая визуализация).
И да, будьте тем человеком, который может сказать: «Эта модель полезна здесь, опасна там, и вот как мы за ней следим». Такого человека будет трудно заменить.
Подведение итогов + краткий обзор 🧠✨
Искусственный интеллект, безусловно, изменит радиологию, и притворяться, что это не так, — это попытка оправдаться. Но нарратив о том, что «радиологи обречены», — это в основном кликбейт, прикрытый лабораторным халатом.
Быстрый ответ
-
Искусственный интеллект уже используется для сортировки пациентов, поддержки обнаружения и помощи в проведении измерений.
-
Она отлично справляется с узкоспециализированными, повторяющимися задачами, но неуверенно работает с редкими, высококонтекстными клиническими ситуациями.
-
Рентгенологи не просто выявляют закономерности — они определяют контекст, передают информацию и несут ответственность.
-
Наиболее реалистичным будущим является замена «радиологов, которые используют ИИ», на «радиологов, которые отказываются от него», а не полная замена профессии ИИ.
Пример из реальной жизни: создание алгоритма сортировки пациентов после компьютерной томографии головы с использованием ИИ в течение ночи
Сценарий
В больнице среднего размера один врач-радиолог дежурит в отделении неотложной помощи в ночное время. С 22:00 до 07:00 список задач пополняется компьютерной томографией головы в связи с падениями, спутанностью сознания, головокружением, у пациентов, принимающих антикоагулянты, и при подозрении на инсульт.
Цель состоит не в том, чтобы позволить ИИ составлять отчеты. Цель состоит в том, чтобы помочь дежурной бригаде быстрее выявлять потенциально срочные внутричерепные кровоизлияния, сохраняя при этом ответственность за подписание отчетов за рентгенологом.
В этой системе ИИ выступает в роли сортировочного слоя: он просматривает поступающие бесконтрастные КТ-исследования головы, отмечает возможное острое кровоизлияние и перемещает эти исследования выше в очереди на прочтение. Рентгенолог по-прежнему открывает изображения, проверяет результаты, изучает клинические записи и подписывает окончательный отчет.
Что нужно помощнику
Для обеспечения безопасности пилотного проекта департаменту потребуется:
-
Четко определенный инструмент ИИ: например, «возможное острое внутричерепное кровоизлияние на бесконтрастной КТ головы»
-
Локальные тестовые случаи, полученные с помощью сканеров, установленных в самой больнице
-
Правило, согласно которому сигналы ИИ никогда не обходят проверку рентгенолога
-
План действий на случай сбоя или отключения инструмента ИИ от PACS
-
Простая таблица для аудита, отслеживающая ложные срабатывания, ложные отрицательные результаты, время обработки и пропущенные оповещения
-
Назначенный радиолог или ответственный за еженедельный обзор врач-радиолог
Рабочий процесс должен оставаться намеренно простым: отметка ИИ → список приоритетных задач → проверка радиологом → подписанный отчет → аудит.
Пример инструкции
Данная инструкция предназначена для пилотной группы, а не для самой модели ИИ:
«Запустите инструмент сортировки КТ головы для всех экстренных КТ-исследований головы без контраста у взрослых в период с 22:00 до 07:00. Если система выявит возможное острое кровотечение, переместите случай в очередь срочного просмотра. Рентгенолог должен проверить изображения, прежде чем предпринимать какие-либо клинические действия. Зафиксируйте, был ли сигнал ИИ истинно положительным, ложноположительным или пропущенным при окончательном просмотре. Любые подозрения на пропущенное кровотечение или повторяющиеся ложные срабатывания следует передать руководителю по управлению визуализацией»
Как это проверить
Перед запуском в эксплуатацию протестируйте рабочий процесс на ретроспективной группе дел.
Используйте небольшой, но реалистичный набор, например:
-
50 нормальных голов КТ
-
20 подтвержденных случаев острого кровотечения
-
10 сканирований, качество которых ухудшилось из-за движения или которые были технически сложными
-
10 послеоперационных или анатомически необычных случаев
-
10 случаев, когда клинический анамнез неясен или вводит в заблуждение
В каждом случае запишите:
-
Искусственный интеллект это отметил?
-
Согласился ли рентгенолог?
-
Изменил бы этот флаг приоритет в списке задач?
-
Это создало ощутимую срочность или просто шум?
-
Были ли случаи, когда ИИ выглядел уверенно, но ошибался?
Самый важный критерий — не «выглядит ли демонстрация впечатляюще?», а: повышает ли это безопасность очереди, не перегружая рентгенолога лишними предупреждениями?
Результат
Представленные результаты носят исключительно иллюстративный характер: в ходе ретроспективного пилотного исследования, охватившего 100 случаев, департамент сравнил обычный порядок очереди в ночное время с сортировкой пациентов с помощью искусственного интеллекта.
Основа измерения: время выполнения работы измеряется от завершения сканирования до предварительного осмотра рентгенологом. Точность проверяется по окончательному подписанному отчету и результатам повторного осмотра спорных случаев рентгенологом.
Пример оценки:
-
Среднее время обследования подтвержденных случаев кровотечения сократилось с 38 минут до 14 минут.
-
Ложные срабатывания ИИ происходят в 9 случаях из 100.
-
Один технически сложный случай ошибочно отмечен из-за артефактов движения
-
Результаты работы ИИ не отправляются напрямую врачам без подтверждения рентгенолога
-
Еженедельная проверка аудиторского отчета занимает 25 минут.
Это ценный результат, но это не означает, что «искусственный интеллект заменил рентгенолога». Это значит, что наиболее рискованные исследования быстрее доходили до эксперта-человека.
Что может пойти не так?
Очевидная проблема — ложные срабатывания. Если инструмент помечает слишком много безобидных случаев, очередь срочных задач теряет смысл, и команда начинает её игнорировать.
Наиболее опасная ошибка — это незамеченное повреждение. Кровоизлияние, которое не было отмечено, все равно должно быть обнаружено обычным рентгенологом, поэтому ИИ должен поддерживать очередь, а не становиться ею.
К другим рискам относятся изменения протокола сканирования, низкое качество изображения, педиатрические или послеоперационные случаи, выходящие за рамки предполагаемой области применения инструмента, а также чрезмерное доверие со стороны младшего персонала. Отделению также необходимо следить за изменениями с течением времени, особенно после модернизации сканера или изменений в реконструкции. [5]
И вопрос подотчетности остается тем же: отчет подписывает радиолог, а не алгоритм. [2]
Практический вывод
Успешный пилотный проект в области радиологии с использованием ИИ начинается с малого, измеряет простые параметры и оставляет контроль за человеком. Победа заключается не в замене врача-радиолога, а в том, чтобы предоставить ему правильный снимок быстрее, с достаточным количеством данных для аудита, подтверждающих, что рабочий процесс действительно безопаснее.
Часто задаваемые вопросы
Заменит ли искусственный интеллект врачей-радиологов в ближайшие несколько лет?
Не в полной мере, и не во всех системах здравоохранения. Современный искусственный интеллект в радиологии в основном создан для автоматизации узкоспециализированных функций, таких как сортировка пациентов, выявление закономерностей и измерения, а не для несения полной диагностической ответственности. Радиологи по-прежнему предоставляют клинический контекст, обрабатывают нестандартные случаи, общаются с направляющими группами и сохраняют медико-юридическую ответственность за отчеты. Более непосредственные изменения касаются перепроектирования рабочих процессов, а не замены специалистов в масштабах всей профессии.
Какие задачи в радиологии сейчас непосредственно выполняет ИИ?
Большинство используемых инструментов сосредоточены на целенаправленной, повторяющейся работе: пометке срочных исследований для определения приоритетности, выявлении общих закономерностей (например, узелков или кровоизлияний) и генерации измерений или сравнительных данных в динамике. Искусственный интеллект также используется в качестве «второго эксперта» в некоторых методах скрининга для обеспечения управления объемом работы и согласованности результатов. Эти системы могут сократить очереди и уменьшить объем ручной работы, но они по-прежнему требуют проверки человеком.
Кто несёт ответственность, если отчёт, составленный с помощью ИИ, окажется неверным?
Во многих реальных рабочих процессах радиолог остается ответственным лицом, даже когда ИИ участвует в сортировке или выявлении случаев. Клиническая ответственность не переходит автоматически к алгоритму или поставщику. На практике радиологам необходимо рассматривать результаты работы ИИ как поддержку принятия решений, проверять результаты и надлежащим образом документировать их. Четкие пути эскалации и механизмы управления помогают определить, как действовать, когда результаты работы ИИ противоречат клиническому суждению.
Как мне понять, можно ли доверять инструменту искусственного интеллекта для моей больницы?
Распространенный подход заключается в оценке инструментов на основе клинической реалистичности, а не демонстрационных результатов. Необходимо учитывать четко определенную область применения, валидацию на нескольких площадках, сканерах и группах пациентов, а также доказательства того, что система работает в соответствии с вашими протоколами и ограничениями по качеству изображений. Интеграция с рабочим процессом (соответствие PACS/RIS) так же важна, как и точность, поскольку «хорошая» модель, которая нарушает процесс анализа, часто остается неиспользованной. Постоянный мониторинг по-прежнему имеет важное значение.
Означает ли фраза «одобрено FDA» (или «регулируется FDA»), что на модель можно безопасно полагаться?
Получение разрешения от регулирующих органов — важный сигнал, но он не гарантирует высокой производительности в вашей конкретной среде. Результаты в реальных условиях могут меняться в зависимости от модернизации сканера, корректировки протокола и различий в составе пользователей. Локальная оценка и мониторинг производства по-прежнему важны, даже для авторизованных инструментов. Рассматривайте получение разрешения как базовый уровень, затем проверяйте его для ваших условий и продолжайте измерять отклонения.
Каковы основные причины неудач ИИ в радиологии на практике?
К распространённым причинам сбоев относятся случаи, выходящие за рамки стандартного распределения (редкие заболевания, необычная анатомия), игнорирование контекста, чувствительность к артефактам (движение, металл, время введения контрастного вещества) и ложноположительные результаты, увеличивающие объём работы. Наиболее опасными являются «скрытые сбои», когда модель пропускает результаты без очевидного предупреждения. Производительность также может снижаться по мере изменения условий получения изображений, поэтому мониторинг и меры предосторожности должны обеспечивать безопасность пациента, а не быть просто «желательной» функцией
Как ведомствам снизить уровень усталости от оповещений и избежать чрезмерного использования искусственного интеллекта для сортировки обращений?
Начните с настройки пороговых значений в соответствии с вашими клиническими приоритетами и реальными кадровыми потребностями, а не с погони за максимальной чувствительностью на бумаге. Измерьте реальное количество ложноположительных результатов и разработайте правила эскалации, чтобы сигналы ИИ запускали согласованные и управляемые действия. Многие конвейеры обработки данных выигрывают от поэтапной проверки (ИИ → проверка рентгенологом/техником → рентгенолог) и явного механизма защиты от сбоев в случае недоступности инструмента. «Низкий уровень шума» часто является тем, что делает ИИ работоспособным в повседневной работе.
Если предположение о замене врачей-радиологов искусственным интеллектом преувеличено, то как стажерам вообще следует подготовиться к будущему?
Стремитесь стать специалистом, способным безопасно контролировать рабочие процессы с использованием ИИ. Изучите основные причины сбоев, такие как смещение, дрейф и чувствительность к артефактам, и освойте основы информатики, такие как PACS, структурированная отчетность и процессы контроля качества. Коммуникативные навыки приобретают ценность по мере автоматизации рутинной работы, особенно на онкологических консилиумах и консультациях с высокими ставками. Присоединение к оценочной или управляющей группе — это конкретный способ приобрести устойчивый опыт.
Ссылки
-
Сингх Р. и др., npj Digital Medicine (2025) — Обзор таксономии, охватывающий 1016 разрешений FDA на использование ИИ/машинного обучения в медицинских устройствах (по состоянию на 20 декабря 2024 г.), в котором подчеркивается, как часто медицинский ИИ использует данные изображений и как часто радиология выступает в качестве ведущей экспертной комиссии. (читать далее)
-
Заявление нескольких научных обществ, опубликованное ESR , — это этическая концепция использования ИИ в радиологии, разработанная с учетом требований управления, ответственного внедрения и постоянной ответственности врачей в рабочих процессах, поддерживаемых ИИ. Подробнее
-
Страница FDA США, посвященная медицинским устройствам с поддержкой ИИ — Список прозрачности FDA и методологические примечания к медицинским устройствам с поддержкой ИИ, включая оговорки об объеме применения и порядке определения включения. Подробнее
-
МакКинни С.М. и др., Nature (2020) - Международная оценка системы искусственного интеллекта для скрининга рака молочной железы, включая анализ сравнения результатов, полученных разными исследователями, и моделирование влияния на рабочую нагрузку в условиях двойного чтения. Читать далее
-
Рошевиц М. и др., Nature Communications (2023) - Исследование дрейфа производительности при изменении параметров получения изображений в классификации медицинских изображений, иллюстрирующее важность мониторинга и коррекции дрейфа в развертываемых системах искусственного интеллекта для обработки изображений. Читать далее