 介入放射学家Judy Wawira Gichoya（埃默里大学，亚特兰大，美国） interventionalnews.com
Judy Wawira Gichoya计算进步
哪些计算技术将改变介入放射学（IR）？ Judy Wawira Gichoya也加入进来，为目前的发展提供了一个现实的前景。
在将人工智能（AI）作为我们工具包的重要组成部分时，介入放射科医师对增强了我们临床工作的新设备的热情揭示了一个显著的差距。在2024年西方血管造影学会（Western angiography Society）会议期间（9月21-26日，美国考艾岛），我调查了数百名执业介入放射医师，了解他们目前或计划使用机器人技术的情况。普遍的情绪可以用一个词来概括：冷漠。
在2025年美国介入肿瘤学会（Society of Interventional Oncology， SIO）科学年会（1月30日至2月3日，拉斯维加斯）的“25年计算进展”（25 years of Computational Advances）会议上，我进行了反思，认为行动应该是未来每一位介入放射科医师的重点。
目前可用的大多数AI工具主要是为诊断放射学设计的，顺便由介入放射学医师使用。参与肺栓塞应对团队（pert）的一些人间接参与了检出偶发肺栓塞的分诊流程。会议展览经常提到AI来告知我们最新的进展，但这些系统在我们的日常工作中并不常用。事实上，在美国亚特兰大埃默里大学的IR部门使用了一个经皮穿刺活检机器人一年后，机器人公司破产了，我们的实践在没有“机器人”的情况下继续。我们的居民对没有机器人的教育更满意。
虽然IR仍然是放射学的一个不太为人所知的分支，但初级保健诊所和电子病历系统正在随着AI的整合而进步。其中一项应用是环境倾听（ambient hearing），即人工智能转录和书写临床记录，这已成为医院初级保健提供者的必要条件。通过AI生成的患者信息草稿、AI辅助的出院总结和鉴别诊断，甚至端到端AI辅助的放射学解读，每一位希望拥有工作诊所的介入放射学医师的梦想正在放射学之外实现。然而，新数据反映了IR的现实——数据显示了多年在不符合人体工程学灵活性设计的房间内穿戴铅造成的工作场所损伤，缺乏证据表明IR在多学科医疗中的价值，持续的劳动力短缺，以及持续的IR沙漠（远程操作干预仍然是一个梦想）。
行动的呼吁始于理解AI架构的进步，以及基础模型的不断发展。这些模型的训练方法是将文本、视频和图片等数据压缩到表示空间中，然后生成响应提示的内容。学习的自我监督性质，可以被认为是“填空”，允许以最少的人力输入训练这些模型。已经为放射学开发了几个模型，为IR开发的相同技术将克服用于AI开发的小数据集的以往限制，捕获多模态数据，并减少注释成本和工作量。如果设计得当，该模型库可以用于支持代理，这些代理可以参与肿瘤委员会的讨论，协助临床和程序文档，为开发用于患者轨迹映射和机器人环境模拟的数字双胞胎提供基础设施。
2024年，我与作者合作撰写了一篇关于AI治疗IR的两部分系列文章文章介绍了一例接受PE血栓切除术的患者，该患者被AI分诊系统自动从过夜列表中标记出来【Warren BE 2024 Warren BE 2024】。随后，它触及了数字化转型的所有可能要点，包括患者同意和聊天机器人交互、生理和疼痛状态的多感官监测、个性化血管造影导管的3D打印、人工智能生成的医嘱和程序文件
虽然未来，我相信技术进步正在实现，但需要介入放射科医生的投入，而不是继续开发孤立的单一应用，而是设想一个使我们能够为所有患者提供卓越护理的未来。
|