本文作者Sanjay M. Parekh博士，現為Signify Research Ltd高級分析師。
目前，全球有超過150家獨立軟體供應商正在開發用於醫學影像分析的人工智慧解決方案，因此，放射科醫生在眾多企業中挑選合適的供應商是一大挑戰。
以下是放射科醫生在與醫學影像AI供應商合作之前，應該考慮的10大因素（以及向供應商提出的疑問）：
1. 臨床相關性
醫院將人工智慧應用於其臨床工作流程的首要考慮是業務需求的相關性和契合度，人工智慧解決方案是否真正解決了科室的需求？
在放射學領域，人工智慧有數百個潛在的應用場景，但重點應該聚焦於哪些AI能產生最大影響的領域，如用自動化工具解決放射科醫生的重複性任務（例如，手動測量圖像特徵），並為更複雜的情況提供額外的信息和決策支持。
針對臨床相關性，放射科醫生應該向AI供應商提出以下問題：
用例（use case）是一個值得用AI解決的問題嗎？在放射科醫生參與有限的情況下，快速且容易診斷的用例可能無法支持AI。
-使用人工智慧對診斷和治療決策有什麼影響？它會改善病人的護理嗎？
-放射科醫生使用人工智慧優先做的事項是什麼？該如何確定？
-人工智慧解決方案在未來的幾年裡還會有意義嗎？
2. 算法開發
人工智慧第三次浪潮的興起，歸因於從經典機器學習到深度學習方法的技術轉變。人工智慧供應商面臨的挑戰仍然是減少終端用戶（放射科醫生）的深度學習模型「黑盒」現象，因此算法開發所用的方法是關鍵。
放射科醫生應該問的問題：
-使用了多少例圖像來訓練算法？
-這些圖像是從人口統計數據和醫學成像器械商那裡獲得的嗎?
-誰給圖片做了標註?開有經驗的放射科醫生還是其他人？
-通常有多少放射科醫生為每張標註做標註？如果有兩名放射科醫生對圖像進行了標註，那麼開發人員是否使用了第三名放射科醫生來處理其中的差異？
-是否使用臨床生物標記或活檢來驗證帶標註的圖像?
-用於訓練和驗證算法的圖像數據集與用於測試算法的圖像數據集是否不同？
3.臨床驗證
一旦開發出來，人工智慧算法應該進行理想的臨床研究，以測試其模型魯棒性、準確性和復現性
放射科醫生應該問的問題：
-什麼類型的臨床研究用於驗證？前瞻性研究同時使用病例和非病例資料，其重要性大於回顧性研究。
-臨床研究是否涉及單個或多個讀者?
-是單中心臨床研究還是多中心臨床研究?與現有的臨床實踐相比，人工智慧算法的性能如何?AI解決方案應該等於或優於當前的實踐標準。
4. 產品的監管
只有獲得監管許可的解決方案才能用於臨床實踐。目前，已有57家供應商獲得了美國FDA、CE Mark（歐洲）、PMDA（日本）和MFDS（韓國）四大監管機構之一對77種醫學影像機器學習算法的監管批准。
放射科醫生應該問的問題：
-供應商是否有美國FDA的監管批准？如果是，它收到了什麼類型的許可（即，是510（K）PMA還是de Novo ）?
-算法已全部清除，還是只清除部分？如果部分參與，哪部分被批准，為什麼？這個標籤清楚地標示給最終用戶了嗎？
-該解決方案是否在其他市場受到監管？例如，在鄰國或其他主要市場（如CE商標）？
-供應商是否有進一步的監管申請?
5. 工作流集成
人工智慧解決方案的結果，需要無縫地集成到放射科醫生首選的診斷查看器中。放射科醫生應該能夠查看和潛在地交互（編輯/接受/拒絕），在不影響生產力的情況下查看結果。
放射科醫生應該問的問題：
-人工智慧結果是否集成到PACS界面，或算法是否需要一個單獨的用戶界面來查看結果?
-人工智慧的結果是否可以根據放射科醫生的臨床判斷進行編輯、接受或拒絕？
-結果如何顯示？它們是作為圖像上的疊加顯示還是作為單獨的報告顯示？
– AI解決方案PACS /Modality供應商是否不可知？
6. 投資回報
放射科和醫療保健提供者希望看到人工智慧解決方案的投資回報。
放射科醫生應該問的問題：
-人工智慧解決方案是生產力工具，還是專注於質量改進的解決方案？缺乏放射科醫生的醫療服務提供商可能會看重能提高生產率的AI算法，但其他提供商可能會看重能提高診斷和治療決策質量的算法。
-人工智慧解決方案是否改變診斷路徑，為患者和醫療服務提供者提供價值？例如，減少侵入性手術的需要，從而降低病人的風險。
-人工智慧解決方案是否會改變治療路徑，從而為醫療服務提供者節省成本?
7. 部署
以安全、快速、低成本的方式向醫療服務提供商提供人工智慧解決方案是其成功的關鍵。
放射科醫生應該問的問題：
AI解決方案是在本地本地安裝還是需要訪問雲伺服器？
如果基於雲，是否在通過AI算法分析圖像之前刪除受保護的健康信息（PHI）？
AI算法是否需要專用的虛擬機？可以容器化嗎（例如Docker）？
8. 技術支持和收費方式
當放射科醫師採用來自多個供應商的人工智慧解決方案時，應該考慮處理單個合同和發票的管理開銷。算法開發人員提供的技術支持水平是另一個重要的考慮因素，如果算法會對PACS的性能產生負面影響，那麼除了可靠性之外。
放射科醫生應該問的問題:
-誰將為人工智慧算法提供技術支持?是算法開發者還是他們的發行夥伴？
-如何授權解決方案?是一次性（永久）的許可證費用，還是重複使用的軟體即服務（SaaS）許可證?
-發展商採用什麼定價模式？他們是按使用次數收費（例如，每次掃描次數收費），還是按價格收費（不管算法的使用情況）?
9. 供應商的融資能力
許多AI算法開發者都是依賴外部資金的初創公司。通過多輪融資籌集資金的能力，反映了一個供應商的潛在長期成功。
放射科醫生應該問的問題:
-至今已籌得多少資金，投資者是誰？
-供應商已獲得多少輪融資？
-一般的資助期為多久？最近的資助期何時完成？
10. 供應商的領導團隊
領導團隊（C-suite）和醫療諮詢委員會的信譽和經驗是供應商在產品開發和進入市場戰略方面取得成功的關鍵。
放射科醫生應該問的問題：
-誰是領導團隊和醫療諮詢委員會的成員?
-領導團隊是否有將醫療科技產品推向市場的經驗?
-領導團隊的成員是否有類似的工作經驗？