Hay un par de razones por las que …
- Los radiólogos hacen más que interpretar imágenes médicas: la respuesta de David Channin a la radiología: ¿qué hacen los radiólogos?
- La interpretación de la imagen, en sí misma, es más complicada de lo que la mayoría de los no radiólogos entienden. Hay un cubo muy grande de observaciones de imágenes con ejes de anatomía, fisiopatología y modalidad de imagen.
- Hasta la fecha, la mayoría de las imágenes médicas AI / aprendizaje profundo / aprendizaje automático se han acercado a ese cubo con técnicas supervisadas dirigidas a cada observación individual. Esto requerirá una gran cantidad de algoritmos integrados. Para ser utilizado, significativamente, para ayudar o eventualmente reemplazar a un radiólogo, cada uno de estos algoritmos necesitará aprobación regulatoria. Esto implica una importante recopilación de datos, documentación y tiempo de revisión.
- Las técnicas supervisadas requieren no solo colecciones de gran cantidad de imágenes sino también colecciones igualmente grandes de anotaciones de la verdad fundamental que deben ser realizadas, en su mayoría, por expertos costosos. Estas colecciones no están disponibles para muchas / la mayoría de las observaciones, especialmente las de situaciones raras.
- No está claro si el aprendizaje no supervisado de grandes colecciones de imágenes sin anotaciones puede mejorar.
- Para ser más útiles, estos algoritmos deberán integrarse en el flujo de trabajo humano (en el futuro previsible). No podrá comprar todos los algoritmos que necesita de un proveedor. Existen estándares para la interoperabilidad, pero aún no abordan todas las necesidades de integración de AI / DL / ML.
