Marraskuun ja helmikuun välinen ajanjakso on lääketieteellisen kuvantamisen kannalta varsin mielenkiintoinen – kaksi suurta konferenssia tuo esiin alan uusimman kehityksen tänä aikana. Radiological Society of North America (RSNA) sai marraskuun 2018 lopussa päätökseen nelipäiväisen vuosikokouksensa, joka on maailman suurin radiologian tapahtuma. Sen viime vuoden tunnuslause: Huomisen radiologia tänään. Todellakin, kun terveydenhuolto katsoo futuristisiin teknologioihin, niin myös radiologia. Helmikuussa järjestettiin Healthcare Information and Management Systems Society (HIMSS) -konferenssi, jossa jälleen on esillä lääketieteellisen kuvantamisen teknologiaa.
Kummastakin konferenssista tässä Frost & Sullivanin näkemys kuvantamisen huipputeknologioista ja siitä, miten ne kehittyvät edelleen.
Tekoäly
Ei ole epäilystäkään siitä, että tekoäly (AI) on valloittanut radiologian, ja tänä vuonna keskitytään siihen, miten teknologia saataisiin toimimaan entistäkin paremmin radiologien kanssa. Menemättä yksityiskohtiin siitä, miten se tarkalleen ottaen toteutetaan ja mitä käyttötapauksia varten, alla on esitys siitä, miten se muuttaa potilaskokemusta.
Tekoäly ohjaa lääkäriä valitsemaan potilaalle parhaan mahdollisen kuvantamistutkimuksen (oireiden perusteella) sen sijaan, että hän tekisi yhden ja tilaisi sitten toisen.
Magneettiresonanssikuvauksen (MRI) tai tietokonetomografian (CT) varsinainen prosessi olisi paljon nopeampi kuin nykyään, kun tekoäly opastaa teknikkoa siinä, miten hän voi parhaiten asettua laitteeseen ja valmistella oikeat asetukset kuvausta varten (iän, sukupuolen, kohdealueen tai -sairauden jne. perusteella).
Potilas altistuisi myös nykyistä pienemmille säteilyannoksille. Laadukkaan, diagnoosia tukevan kuvan saamiseksi tarvitaan suuria (mutta turvallisia) säteilyannoksia. Tekoälyn avulla voidaan kuitenkin käyttää pienempiä annoksia jonkin verran heikkolaatuisten kuvien tuottamiseen ja muuntaa ne sitten korkealaatuisiksi, jolloin hyödynnetään koneista saatavaa raakadataa, jota ei tällä hetkellä käsitellä.
Radiologit saavat todennäköisesti myös raportteja paljon nopeammin – tekoälyn tukemana radiologit pystyvät käsittelemään skannaamiaan kuvia nopeammin ja ilman, että heiltä jäävät huomaamatta tärkeät piirteet, sillä tekoäly nostaa ne etukäteen esiin tarkistusta varten.
Potilas saa myös todennäköisemmin ensimmäisen kerran oikean diagnoosin sekä paremman ja yksilöllisemmän hoito-ohjelman, sillä tekoäly tutkii potilaan sairaushistoriaa ja kuvia vertailemalla ennustetta samankaltaisiin aiempiin tapauksiin ja ohjaamalla radiologeja ja lääkäreitä parhaalle kliiniselle polulle parhaan mahdollisen lopputuloksen aikaansaamiseksi.
Kokonaisuutena tämä tarkoittaa potilaiden kannalta sitä, että potilaat voivat odottaa, että prosessissa on saavutettu paljon suurempi tehokkuus ja tarkkuus. Kaikki suuret lääketieteellisen kuvantamisen yritykset sekä yli 100 startup-yritystä työskentelevät tämän vision toteuttamiseksi.
Lisätty todellisuus
Lisätty todellisuus (AR) ja virtuaalitodellisuus (VR) ovat löytämässä monia uusia sovelluksia terveydenhuollossa. Kirurgit valmistautuvat leikkaukseen tutkimalla potilaasta otettuja röntgenkuvia. Kolmiulotteinen kuvantaminen on parantanut heidän kykyään visualisoida paremmin potilaan anatomiaa. Haasteena on kuitenkin ollut alueen todellisen sijainnin reaaliaikainen arviointi leikkauksen aikana. Paras ratkaisu on ollut tarjota läpivalaisutukea itse leikkauksen aikana. AR:n avulla lääketieteelliset kuvat voidaan muuntaa ja asentaa AR-kuulokkeisiin, joita kirurgi voi käyttää leikkauksen aikana. Esimerkki AR-pohjaisesta leikkausta edeltävästä suunnitteluratkaisusta on Novaradin OpenSight AR -järjestelmä, joka on nyt saanut Yhdysvaltain elintarvike- ja lääkeviraston (FDA) hyväksynnän. Tämä vähentää tehokkaasti potilaiden säteilyaltistusta ja tarjoaa samalla kirurgille paremmat suunnittelumahdollisuudet.
Kolmiulotteinen tulostus
Potilaat saavat ennen leikkausta selityksen tulevasta toimenpiteestä. Joissakin innovatiivisissa lähestymistavoissa on käytetty AR-tekniikoita auttamaan potilaita ymmärtämään omaa anatomiaansa ja sitä, mitä leikkauksen aikana tapahtuu. RSNA:ssa newyorkilaiset tutkijat esittelivät tuloksia testeistä, joissa testattiin AR-mallien ja 3D-tulostettujen mallien käyttöä potilaskoulutuksessa. Tuomio: 3D-tulostetut mallit auttoivat potilaita paljon tehokkaammin ymmärtämään munuais- tai eturauhaskasvaimen erityiset yksityiskohdat ja auttoivat siten potilaita tekemään varmemmin ja varmemmin oikeita leikkausvalintoja. Vastaavista syistä 3-D-tulostus on hyödyllistä myös kirurgien kannalta, jotta he voivat valmistautua leikkauksiin paremmin.
Cinematic Rendering and Digital Twin Technology
Ymmärtääksemme elinten, kuten sydämen, monimutkaista toimintaa, 3-D-kuvat voidaan yhdistää lisätietoihin, jotka syötetään elokuvamaisiin renderointityökaluihin. Näin saadaan realistinen visualisointi elinten toiminnoista, mikä voi auttaa kirurgeja toimenpiteiden suunnittelussa, lääketieteellisten toimenpiteiden selittämisessä potilaille ja häiriöiden paremmassa diagnosoinnissa. Tämä on yksi tapa, jolla teknologia voi auttaa tekemään potilaalle oikean diagnoosin nopeammin, mikä takaa nopeamman hoidon ja paremman kokonaishyvinvoinnin.
Konseptiltaan samankaltainen on digitaalinen kaksosteknologia. Digitaalisista kaksosista on tulossa toinen alan painopistealue, ja Siemens, GE Healthcare ja Philips pyrkivät käyttämään tätä teknologiaa erilaisissa käyttötapauksissa. Esimerkiksi Siemens Healthineers keskusteli elinten digitaalisen kaksosteknologiansa (joka perustuu tekoälyyn) mahdollistavan elimen fysiologian simuloinnin, joka auttaa lääkäreitä valitsemaan parhaan mahdollisen hoidon – jota testataan virtuaalisesti digitaalisella kaksosella.
Teknologia nousussa
Vaikka monet teknologiat vaikuttavat terveydenhuoltoon, tekoäly dominoi tänä vuonna, ja pienemmällä määrällä painotettiin kolmiulotteista kuvantamista ja tulostusta. Myös muut alat, kuten kyberturvallisuus, alkavat näkyä radiologiassa, ja potilastietojen yksityisyys on tärkeä aihe myös radiologiassa.