人工智能对CT成像的影响

计算机断层扫描(CT)成像具有广泛的诊断应用，是许多临床适应症的成像金标准。然而,CT成像让病人暴露在高剂量的辐射比其他方法。它增加了所有患者患癌症的风险，特别是那些高风险类别的患者，如儿童、肥胖或接受定期筛查的肿瘤患者。

虽然存在低剂量和无剂量成像技术和模式，但往往必须在患者剂量暴露、临床效用和成本之间作出妥协。在CT中，可以在诊断图像质量、临床用途和辐射之间建立直接的联系剂量暴露．低剂量程序产生噪声图像，这可能影响临床效用，放射科医生的生产力和患者护理。相反，随着剂量的增加，图像质量趋于改善，使细微的病理更加明显——这最终有利于放射科医生的诊断信心。

CT成像协议可以根据患者和程序的要求进行优化，调整剂量，但这一过程复杂繁琐，导致工作流程效率低下，操作成本增加。此外，老式CT扫描仪需要更高的剂量才能产生清晰的图像。然而，由于相关的高资本成本，升级这些设备通常是无法实现的。因此，旧的模式往往局限于常规病例，导致工作负载平衡效率低下，并增加了高风险患者的等待时间。

那么，医疗保健提供者如何在预算紧张的情况下平衡对高质量、精确成像的需求和降低患者辐射暴露风险的需求呢?基于新的人工智能深度学习重建(DLR)和后处理技术最近已经可用。这些方法可以在所有患者和程序中以最低剂量持续改善诊断图像质量，远远超出当前重建技术所能达到的效果。这为成像组织优化CT成像程序提供了巨大的潜力。

CT图像噪声的级联影响

图像“噪声”的特征是不必要的像素值变化，导致CT图像颗粒状或模糊外观。图像噪声降低了图像的诊断效用，降低了小病变的显著性。虽然噪声是所有CT图像的固有组成部分，但它在低剂量和薄层检查中更为普遍。提高诊断图像质量和减少剂量暴露之间的矛盾对CT工作流程的临床和操作方面产生了复杂的、通常是负面的级联影响。

高噪声导致的图像质量差，放射科医生更难解读，迫使他们花更多的时间仔细审查研究信息。这不仅降低了阅读效率，增加了报告的周转时间，而且还对放射科医生的临床信心和他们可以增加的临床价值产生了负面影响。

使这些挑战更加复杂的是，在医疗保健机构中通常使用的许多CT扫描仪中，CT图像噪声是不同的。由于放射科医生阅读由这些多台扫描仪获得的研究结果，他们需要针对每一种扫描仪调整自己的阅读方法。这导致了低效的阅读工作流程和降低生产力。它也可能是放射科医生沮丧和疲劳的一个重要原因，因为增加了阅读负担，并不断挑战他们的临床信心。

迭代重构的影响

在21世纪后期，迭代重建(IR)是一种用于提高CT成像研究质量的常用技术。虽然红外可以减少图像噪声，并显著降低剂量，但红外图像的处理时间要长得多。这种方法也有限制，在图像出现模糊或蜡状外观之前，可以减少多少剂量。红外算法也是特定于供应商和扫描仪的。这阻止了企业在没有大规模和昂贵的资本设备更换的情况下，将所有CT扫描仪升级为红外技术。其结果是，随着CT系统的升级或更换，多年来逐步采用了IR。

经过红外处理的图像具有不同的外观，可以引入不同的伪影和纹理，放射科医生在对其临床诊断有信心之前必须熟悉这些伪影和纹理。虽然红外技术的前景已基本实现，但其局限性也不容忽视。我们现在已经进入了CT图像重建和后处理的下一个阶段，AI技术将帮助克服这些限制，推动CT成像进入另一个时代。

具有挑战性的用例

有许多临床应用并不适合红外成像，因为红外成像的剂量非常低，诊断需要清晰、高对比度和精细细节的图像。例如:

• 低剂量肺筛查项目必须在发现表明早期癌症的非常小的结节与累积x射线暴露增加的风险之间取得平衡。当这些项目能够向越来越意识到x射线剂量风险的人群推广其超低剂量时，它们就具有竞争优势。
• 儿童肿瘤患者对累积辐射的破坏性影响高度敏感，但不太适合无剂量替代方案，如超声或磁共振成像(MRI)。
• 为了穿透多余的皮下脂肪而接受高剂量辐射的肥胖患者。
• 小而复杂的解剖结构，如心血管、骨科和耳鼻喉颞骨。
• 3-D后处理、重建、渲染和打印过程需要低噪声和高对比度的3-D数据集，这需要在解剖边界之间清楚地划定空间，以便产生最佳结果。

对于上面的用例，IR的局限性更加广泛。首先，大量应用红外图像的典型“蜡状”外观会减慢放射科医生的工作流程，因为需要增加时间来确保病理不遗漏或解剖结构不改变。此外，红外根本不能应用于许多超低剂量检查，这导致放射科医生不得不“通读”噪声大、诊断质量低的图像，这既困难又耗时。

老式CT扫描仪的独特挑战

上述挑战在老式CT扫描仪上进一步加剧，因为它们的管、探测器和自动剂量管理软件往往不太复杂，所以图像本身就会产生噪音。因此，它们在任何给定的剂量水平下产生更多的噪声，通常需要更高的剂量来维持诊断图像质量。

虽然旧的扫描仪是可靠的，非常适合常规成像，因此非常常见，但其固有的局限性使其不太适合某些患者队列。因此，成像机构通常不会将它们用于某些高级程序或患者类型。这可能会增加患者积压和等待时间，并导致技术人员工作负载平衡和模式利用效率低下。这些老旧的扫描仪也有固定的电力、服务和操作成本，需要通过更高的利用率来抵消。任何增加其临床效用的机会都对组织具有重要的财务和运营意义。

虽然一些新的基于人工智能的CT图像重建软件只在某些高级型号的新扫描仪上可用，但市场上已经出现了其他厂商中立的解决方案。这些厂商中立的解决方案是一个关键的发展，因为它们可以普遍应用于所有厂商的所有新和旧型号CT扫描仪。通过延长所有CT扫描仪的诊断寿命和延迟资金和专业服务成本，这提供了显著的财务价值。它还可以通过平衡CT成像工作流程，提高模式利用率和协调整个组织的图像质量，提高操作效率，减少患者积压和等待时间。

机器学习是一个新的机会

基于人工智能的新机器学习技术在CT成像中的应用提供了一个新的变量，临床和技术利益相关者可以使用它直接管理剂量和图像质量，因此，间接地管理它们所影响的所有后续财务、临床和操作因素。

低剂量CT程序产生的图像噪声对成像服务的质量、效率和成本产生负面的级联效应。基于人工智能的DLR和后处理技术能够在几秒钟内处理CT图像，从而在比IR更广泛的剂量和检查类型范围内减少图像噪声。

通过这些技术，可以消除剂量和质量之间的折衷，带来临床、操作和经济效益。因为其中一些是厂商中立的技术，它们使所有CT扫描仪的图像质量保持一致。放射科医生可以更快速、更自信地解释图像，而不需要适应今天常见的图像质量变化。这为放射科医生提供了提高阅读效率的机会，因为它可以缩短阅读某些扫描仪检查结果所需的时间。

这可能对来自老式扫描仪的考试或具有挑战性的考试更有影响，这些考试本身就比较嘈杂，或包括更微妙的病理学解剖。在财务上，与效率低下的工作流程相关的操作成本显著降低，资本设备更换可以推迟，由于整体生产力提高，报销增加。

从患者的角度来看，可以通过利用DLR和后处理来解决对辐射负面影响的担忧，从而提供能达到最低剂量的筛查服务。通过这样做，成像机构可以更好地吸引新的转诊和患者，特别是针对高风险人群的项目，如低剂量肺筛查。事实上，最近低剂量肺筛查资格的扩大为医疗保健组织利用这项新技术创造了一个重要的机会。

这种新技术的早期采用者有机会探索对放射学生产力各个领域的影响，包括(但不限于)以下程度:

• 剂量可以在所有CT扫描仪和患者人群中普遍减少
• 细微病理的显著性变化
• 改善放射科医生报告周转时间和临床信心
• 在急诊科的应用中，红外的处理速度会限制其临床应用
• 增加患者吞吐量、模式和技术人员利用率以及延长CT扫描仪的使用寿命带来的财务ROI

DLR的潜力

基于人工智能的深度学习重建和后处理在CT成像工作流程的临床、操作和财务方面具有巨大的积极影响。它有可能大幅和持续地减少辐射剂量暴露，低于目前的行业指南，并远远超过以前使用现有迭代重建技术所能达到的水平。

对于所有CT扫描仪和所有类型的CT研究，全面降低图像噪声和协调图像质量可以对成像程序的质量、效率和成本产生深远影响，特别是对高风险患者和具有挑战性的使用情况，如儿科和肺部筛查研究。即使在低剂量协议已经实施的情况下，使用这些新的人工智能衍生方法也可以进一步提高诊断图像质量、模式利用率和放射工作流程效率。

随着患者越来越担心辐射可能带来的负面影响，越来越多的患者积极寻求能提供最低剂量的筛查方案。尽可能低(和可)可以有新的意义，使用新的DLR和后处理方法。这反过来又能给提供者组织带来竞争优势。他们将在其他低剂量筛查项目中脱颖而出，为患者提供最安全、最可靠的CT筛查项目。

DLR和相关AI后处理技术的早期采用者能够在图像质量、诊断准确性、技术人员、放射科医生和患者满意度方面实现即时回报。长期来看，运营效率的提高、患者吞吐量的增加和模式利用的优化都有可能在运营和财务业绩方面带来额外的显著改善。

米凯尔Strindlund的总裁兼首席执行官AlgoMedica Inc .)在加入AlgoMedica之前，他最近是Hermes Medial Solutions AB的首席执行官，这是一家专注于核医学的瑞典医疗IT公司。在此之前，Strindlund是飞利浦医疗保健公司计算机断层扫描部门的全球业务主管。他还曾担任西门子医疗(Siemens Medical)和Getinge Maquet等大型公司的业务部门负责人，以及较小的上市MedTech公司的首席执行官。

成像相关内容:

首次群体来源CT图像质量研究的初步结果报告

降低患者辐射剂量以满足监管需求

美国医疗成像辐射暴露在过去十年中下降

到2025年，辐射剂量管理市场价值4.2265亿美元