根據星期日的報道，正在放射學中使用人工智能（AI）來協助圖像解釋任務的方法正在發展，但是計算機輔助檢測（CAD）時代的許多舊因素和概念仍然存在。在醫學影像機器智能會議（C-MIMI）上的演講。

隨著AI新時代的到來，發生了許多變化，包括更快的計算機，更大的圖像數據集和更高級的算法-包括深度學習。芝加哥大學的Maryellen Giger博士認為，另一件事發生了變化，那就是實現了將AI納入臨床實踐的其他原因和方法。她說，更重要的是，人工智能也正在針對更廣泛的臨床問題，更多的成像方式和更多的疾病而開發。

同時，許多問題與CAD時代面臨的問題相同。她說，檢測，診斷和反應評估具有相同的臨床任務，也存在著“垃圾進，垃圾出”的擔憂。而且，標簽外使用該軟件的潛力相同，并且統計評估的方法相同。

她說，同樣需要足夠數量的訓練案例來代表AI算法可能遇到的疾病，同樣需要將成像領域的專家與計算機領域的專家組成團隊。

吉格（??Giger）在C-MIMI 2020開幕主題演講中討論了AI在醫學影像解釋中的變化作用，該會議由醫學影像信息學會（SIIM）舉辦。

改變動機

但是，在CAD時代與當今新興的AI時代之間存在著明顯的轉變。例如，在將AI用于乳腺癌篩查時，過去的重點是利用該技術作為第二讀者。吉格認為，但這已變為并發讀取方法。

使用這些技術的動機也發生了變化。

她說：“起初，這是為了提高放射線醫師的表現，并讓他們減少對（例如）乳腺癌的檢出率。”“現在的動機是提高效率，尤其是當我們進入3D成像時。我們有更多的數據可供放射線醫生處理。。.。而且我們是否可以擁有這樣的數據，以使放射線醫生能夠像以前一樣完成工作，但是要減少一半的時間?！?/p>

她說，例如，正在為全乳腺超聲開發各種方法，以加快3D數據集中發現病變的速度。將AI應用于乳腺癌篩查，診斷和評估的其他值得注意的領域包括計算機輔助分類，計算機輔助診斷的發展，例如評估腫瘤內異質性和放射基因組學。