Rad AI: az RSNA 2025 után a radiológiai AI már bizonyítékot keres
A radiológiai mesterséges intelligencia az ígéretek bemutatása helyett egyre inkább azt bizonyítja, hogyan illeszkedik a mindennapi klinikai munkába. A Rad AI hat, az RSNA 2025 konferencia előtt megfogalmazott előrejelzését értékelte, és több területen helyesnek találta korábbi várakozásait.
- A Rad AI hat RSNA 2025-ös előrejelzését értékelte.
- A radiológiai AI-nak a klinikai munkafolyamatban is bizonyítania kell az értékét.
- A fotonszámláló CT-nél a képminőség és a kisebb dózis került előtérbe.
- A munkaerőhiány miatt a radiológiai munkát újra kell szervezni.
- Az AI irányítása és utólagos ellenőrzése formálisabb szerepet kaphat.
Az AI-nak már a munkafolyamatban kell bizonyítania
A Rad AI szeptember 18-án közzétett értékelése szerint az RSNA 2025 egyik fontos témája az volt, hogy a képalkotás a vizsgálat eredeti célján túlmutató, személyre szabottabb következtetésekhez segíthet hozzá. A konferencia programjában szerepelt többek között az alkalmi képalkotás a szív- és anyagcsere-kockázatok előrejelzésére, az AI-val támogatott léziófelismerés, a kockázati besorolás és a daganatok jellemzése. Az emlődiagnosztikában olyan kutatásokat is bemutattak, amelyek az AI-modellek hosszú távú emlőrákkockázat-becslését vizsgálták.
A cég szerint 2026-ban a hangsúly egyre inkább arra kerülhet, mit kezdenek az orvosok az így nyert információval. A technológia bemutatása önmagában kevésbé lesz elegendő, a valós klinikai környezetben történő alkalmazást és annak hatását kell igazolni.
A második előrejelzést a Rad AI „nagyon frissnek” minősítette. Az RSNA 2025 az AI kutatásból klinikai alkalmazásba történő átmenetét mutatta be például a stroke-triázs, a szívkockázat-besorolás és a daganatjellemzés területén. Az American College of Radiology adatai szerint a megkérdezett tagok közel 90 százaléka már használ valamilyen AI-megoldást a gyakorlatban, miközben az FDA által engedélyezett orvosi AI-eszközök csaknem 80 százaléka radiológiai felhasználási esethez kapcsolódik. A Rad AI több mint 190, a munkafolyamat szót tartalmazó ülésre számítva nagyobb figyelmet vár a valós teljesítmény, a megfigyelés és az integráció iránt.
A hardver és a munkaerőhiány is meghatározza a következő lépést
A hardveres innovációról szóló előrejelzés csak részben igazolódott. A fotonszámláló CT az RSNA 2025 kiemelt témái közé tartozott, a funkcionális képalkotástól és a sugárdózis csökkentésétől a képminőségen át több klinikai alkalmazásig. A technológiai fejlesztéseket egyre inkább konkrét előnyökhöz kapcsolták. A forrás által idézett, a Radiology folyóiratban 2026-ban közölt tanulmány szerint tüdőrákos betegeknél a fotonszámláló CT a hagyományos CT-hez képest 66 százalékkal alacsonyabb sugárterheléssel és 27 százalékkal kisebb jódkitettséggel járt, miközben javult a képminőség és a diagnosztikai magabiztosság.
A munkaerőhiányra vonatkozó jóslat szintén beigazolódott. Az AuntMinnie.com egymást követő harmadik évben nevezte a radiológiai munkaerőhiányt a szakma legnagyobb fenyegetésének, a növekvő képalkotási esetszámokat pedig a második legnagyobb kihívásnak. Egy első szintű traumaközpont 12 hónapnyi éjszakai CT-adatai alapján három radiológus az átlagos óránkénti igény 90 százalékát tudta lefedni, a valós ingadozásokat figyelembe véve viszont öt radiológus kellett volna az esetek 85 százalékában.
Az irányítás és a fenntarthatóság előtérbe kerülhet
A fenntarthatóság egyelőre nem vált a munkaerőhiányhoz, az AI-hoz vagy a munkafolyamatokhoz hasonló súlyú üzleti témává. Az RSNA 2025 programjában szerepeltek energiahatékonysággal, életciklus-értékeléssel és a radiológia környezeti lábnyomának csökkentésével foglalkozó ülések. Az ACR és az RSNA közös állásfoglalása arra kérte a radiológiai vezetőket, hogy működési és beszerzési döntéseikben vegyék figyelembe az energiát, a berendezéseket, az anyagokat és az ellátási lánc fenntarthatóságát. A Rad AI szerint az AI növekvő energia- és vízigénye közelebb hozhatja ezt a kérdést az infrastruktúra, a hatékonyság és a költségek témájához.
A radiológus szerepe közben bővülhet az AI irányításával, a vállalati stratégiával és a leletezésen túli döntésekkel. Az ACR 2026-ban elfogadta első, képalkotási AI-ra vonatkozó gyakorlati paraméterét, és jóváhagyta az AI-akkreditáció feltérképezését és kidolgozását. A Rad AI szerint az RSNA 2026 közeledtével ezért egyre fontosabb lesz, hogyan irányítják, ellenőrzik és építik be az AI-t a munkafolyamatokba. A cég értékelése alapján a következő időszak kérdése az lehet, hogyan működik együtt az AI, a leletezés, a képalkotás, az adatok és a radiológus.
