Deployment of artificial intelligence algorithms for medical imaging analysis in a clinical environment

Tomàs Escudero, Norbert

Deployment of artificial intelligence algorithms for medical imaging analysis in a clinical environment

Citation

Tomàs Escudero, N. Deployment of artificial intelligence algorithms for medical imaging analysis in a clinical environment. 2024. handle: http://hdl.handle.net/10230/70111

This citation was generated automatically.

Abstract

The rapid evolution of Artificial Intelligence (AI) in medical imaging indicates a transformative shift in hospital environments. However, the full potential of these algorithms remains unrealized due to challenges in integrating them into healthcare facilities. Many hospital workflows, like image processing, and its downstream tasks, such as image segmentation, suffer from being slow, repetitive, and manual, aggravated by the limitations of black-box specialized vendor tools that obstruct innovation. This thesis presents a framework crafted specifically for seamlessly integrating AI algorithms into clinical settings. Designed to be extensible, user-friendly, with no software installation required, and vendor-neutral, the framework uses Orthanc, OHIF, and XNAT—three open-source web-based platforms incorporating these principles. Through the implementation and evaluation of two image segmentation algorithms, the framework’s efficacy and potential is showcased. Deployed and validated at Hospital de la Santa Creu i Sant Pau, this thesis opens the way for broader clinical integration of AI workflows, offering a promising avenue for future algorithm implementations and advancements.
La ràpida evolució de la Intel·ligència Artificial (IA) en la imatge mèdica indica un canvi transformador en els entorns hospitalaris. No obstant això, tot el potencial d’aquests algorismes segueix sense ser realitzat a causa dels reptes a l’hora d’integrar-los en instal·lacions sanitàries. Molts fluxos de treball hospitalaris, com el processament d’imatges, i les tasques subseqüents, com la segmentació d’imatges, solen ser lents, repetitius i manuals, agreujats per les limitacions de les eines especialitzades amb característiques ’black- box’ oferides pels proveïdors que obstrueixen la innovaci ́o. Aquest TFG presenta una estructura dissenyada específicament per integrar sense problemes els algorismes d’IA en entorns cl ́ınics. Dissenyat per a ser extensible, fàcil d’utilitzar, sense cap instal·laci ́o de programari, i allunyat dels proveïdors, el ’framework’ utilitza Orthanc, OHIF i XNAT, tres plataformes web de codi obert que incorporen aquests principis. A través de la implementació i avaluació de dos algorismes de segmentació d’imatges, es mostrarà l’eficàcia i el potencial del marc. Desplegat i validat a l’Hospital de la Santa Creu i Sant Pau, aquest TFG obre el camí per a una integració clínica m ́es àmplia dels fluxos de treball d’IA, oferint una via prometedora per a futures implementacions i avenços en algoritmes.