（文章來源：DIGITIMES）

隨著人工智能(AI)醫(yī)療成像技術持續(xù)發(fā)展，原本放射科醫(yī)生擔心被取代的恐懼，也逐漸轉變成樂觀的期待。除了一般成像設備廠商外，亞馬遜(Amazon)、IBM與Google也都陸續(xù)加入了成像技術算法的發(fā)展。

Google Health在2020年的北美放射醫(yī)學大會(RSNA)上，展示了能夠為醫(yī)療數(shù)字影像傳輸(DICOM)相關檔案去識別化的新技術。此外，醫(yī)療科技公司Change Healthcare的成像網絡(Imaging Network)系統(tǒng)，也是透過Google的云端平臺提供影像歸檔、瀏覽與人工智能分析等服務。

相較于幾年前，放射科醫(yī)生現(xiàn)在已不再擔心人工智能成像技術會搶走他們的飯碗，反而更加期待新技術所能提供的幫助，人工智能在醫(yī)療成像的應用也越來越多樣化。

IHSM Technology調查發(fā)現(xiàn)，2018年約有15%的機器學習算法取得美國食品藥品監(jiān)督管理局(FDA)等機構的核準，到了2019年，取得核準的比例增加到28%。在調查的363款成像設備中，有16.5%屬于胸、肺成像設備，有18.2%為神經科應用。

醫(yī)療產業(yè)目前對于算法尚未有明確統(tǒng)一的定義，而IHSM Technology則將深度學習定義為可支援計算機持續(xù)自我訓練、提升任務表現(xiàn)的神經網絡。

由于這類算法會根據現(xiàn)實世界的經驗作出調整，因此算法在通過批準后，可能還會持續(xù)改變。FDA正嘗試為這種可持續(xù)學習、具適應能力的算法，提出合適的法律批準流程，并希望供應商能依據病患可能承受的風險，評估算法的各項調整。

FDA已宣布將把乳房攝影、超音波乳房病灶、肺結節(jié)X光、齟齒檢測等醫(yī)療成像應用，從三級裝置重分類為需要特殊管制的二級裝置。同時，F(xiàn)DA也提出了明確的特殊管制內容，以確保裝置能安全并有效的完成工作。

未來新一代的算法應用，將會使用更大量的數(shù)據進行訓練。盡管FDA提出了更簡化的核準流程，但另一方面，F(xiàn)DA將更加強對深度學習算法的控管，為病患提供必要的安全支援。
? ? ?