Radiologins framtid i en tid av artificiell intelligens

Sista svarsdag: 8 oktober. Anmälningslänk: https://www.kth.se/form/future-of-radiology-langlotz

Curtis Langlotz föreläsning kommer att vara av intresse för radiologer, ingenjörer inom akademi och industri, AI-forskare och studenter.

Genom att delta kommer du att granska ursprunget till artificiell intelligens (AI) för medicinsk bildbehandling, förutsäga hur AI kommer att förändra radiologins praxis med hjälp av aktuella exempel och bedöma bristerna i AI som kommer att begränsa dess effekt på radiologins arbetskraft. Efter föreläsningen kommer du att kunna:

• Förstå bakgrunden till AI och maskininlärning och tillämpningen på medicinsk bildbehandling
• Förstå hur artificiell intelligens kommer att förändra radiologin med hjälp av aktuella exempel
• Beskriva hur stora språkmodeller kommer att påverka patienternas engagemang i radiologin
• Bedöma bristerna i artificiell intelligens som kan begränsa dess tillämplighet

Sammanfattning

Artificiell intelligens (AI) är ett otroligt kraftfullt verktyg för att bygga system för datorseende som stödjer radiologers arbete.  Under det senaste decenniet har metoder för artificiell intelligens revolutionerat analysen av digitala bilder, vilket har lett till ett stort intresse och en explosiv tillväxt i användningen av AI och maskininlärningsmetoder för att analysera kliniska bilder och text.  Dessa lovande tekniker skapar system som utför vissa bildtolkningsuppgifter på samma nivå som expertradiologer.  Metoder för djupinlärning utvecklas nu för bildrekonstruktion, kvalitetssäkring av bilder, bildtriagering, datorstödd detektion, datorstödd klassificering och utarbetande av radiologirapporter.  Systemen har potential att ge stöd i realtid till radiologer och annan bildbehandlingspersonal och därigenom minska antalet diagnostiska fel, förbättra patientresultaten och sänka kostnaderna.  Vi kommer att gå igenom ursprunget till AI och dess tillämpningar inom medicinsk bildbehandling och tillhörande text, definiera nyckeltermer och visa exempel på verkliga tillämpningar som antyder hur AI kan förändra radiologins praxis.  Vi kommer också att granska viktiga brister och utmaningar som kan begränsa tillämpningen av AI inom radiologi..

Dr. Langlotz är professor i radiologi, medicin och biomedicinsk datavetenskap samt Senior Associate Vice Provost för forskning vid Stanford University. Han är också chef för Center for Artificial Intelligence in Medicine and Imaging (AIMI Center), som består av över 150 fakultetsmedlemmar vid Stanford som bedriver tvärvetenskaplig forskning inom maskininlärning för att främja hälsa. Dr. Langlotz laboratorium utvecklar metoder för maskininlärning för att upptäcka sjukdomar och eliminera diagnostiska fel. Han har lett många nationella och internationella insatser för att förbättra medicinsk bildbehandling, inklusive terminologistandarden RadLex och Medical Imaging and Data Resource Center (MIDRC), en amerikansk nationell resurs för forskning runt bildbehandling.