人工智能和机器学习已经证明了它们在改善医学成像方面的潜力，从提高CT扫描的质量到检测乳腺癌。
但是，在医学成像领域中，人工智能和机器学习的正式培训仍然很少：该报告指出，有组织的人工智能和机器学习课程仅限于少数机构，并且缺乏培训机会。
为了更好地让放射科住院医师使用AI和机器学习，并促进这些技术在医学成像中的应用，最近，布莱根妇女医院(BWH)的三名资深放射科住院医师开发了一种数据科学途径，以提供全面的入门经验面向四年级居民的人工智能和机器学习。
该途径将正式指导和实际问题解决方法纳入居民的课程，使他们能够与数据科学家合作。
该论文的共同主要作者沃尔特·维金斯(Walter F. Wiggins)医学博士说：“全国各地有许多放射学住院医师计划，试图弄清楚如何将AI纳入他们的培训中。”
“我们认为也许我们的经验可以帮助其他计划找出将这类培训纳入其选修课程或更一般的住院医师课程的方法。”
该途径可通过麻省总医院(MGH)和BWH临床数据科学中心(CCDS)灵活的教育，实验和研究活动时间表，使居民沉浸于AI和机器学习中。
通过该途径，居民可以接触到AI和机器学习应用程序开发的各个方面，例如数据策划，模型设计，质量控制和临床测试。居民在不同阶段为模型和工具开发做出了贡献，他们在试点期间的工作得出了12份被接受的摘要，供在国家会议上介绍。
试点项目的反馈导致为未来的居民建立了正式的AI和机器学习课程。
威金斯说：“放射科医生一直必须管理，分析和处理数据，才能进行工作。”“我们已经拥有可以利用的基础技能和基础设施，以使对AI和ML感兴趣的居民真正发展并成为临床应用这些技能的领导者。”
该途径为放射科居民提供了直接与数据科学家合作的机会，以更好地了解他们如何使用机器学习工具解决图像分析问题。
这种伙伴关系使数据科学家能够更好地了解放射科医生如何在临床环境中解决放射学问题。数据科学家可以轻松地整合到临床实践中。
“此类课程的重要组成部分是学习数据科学家所说的语言，并向他们介绍我们放射科医生所说的语言，以便我们可以进行更好，更有效的协作。我认为我在所有这些项目中都经历了整个过程，这是我从中获得的最佳经验。”
“我也希望其他机构的人们可以阅读这份手稿，并找到一些有用的东西，以将其融入住院医师课程或为信息学和/或数据科学开发专门的途径。”
研究小组表示，该途径的框架可以在其他组织中轻松实施，这有助于在放射学中广泛使用AI和机器学习。
研究人员总结说：“可以推论到该计划成功的关键因素可以归结为任何其他培训机构，这是有动机的学习者，敬业的导师以及与多学科AI-ML研究环境的融合。”