AI: Ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να διαφοροποιήσει με ακρίβεια μεταξύ φυσιολογικών και μη φυσιολογικών ακτινογραφιών θώρακος θα μειώσει σημαντικά τον βαρύ φόρτο εργασίας που αντιμετωπίζουν οι ακτινολόγοι παγκοσμίως.
Σύμφωνα με μια μελέτη που δημοσιεύτηκε στο Radiology, μια δημοσίευση της Radiological Society of North America, ένα εργαλείο τεχνητής νοημοσύνης (AI) μπορεί με επιτυχία να διακρίνει μεταξύ φυσιολογικών και μη φυσιολογικών ακτινογραφιών θώρακος σε κλινικό πλαίσιο (RSNA). Οι ακτινογραφίες θώρακα χρησιμοποιούνται για τον εντοπισμό ενός ευρέος φάσματος καρδιακών και πνευμονοπαθειών. Οι άτυπες ακτινογραφίες θώρακος μπορούν να υποδείξουν μια ποικιλία προβλημάτων, συμπεριλαμβανομένου του καρκίνου και των χρόνιων πνευμονικών διαταραχών.
Ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να διαφοροποιήσει με ακρίβεια μεταξύ φυσιολογικών και μη φυσιολογικών ακτινογραφιών θώρακος θα μειώσει σημαντικά τον βαρύ φόρτο εργασίας που αντιμετωπίζουν οι ακτινολόγοι παγκοσμίως. «Υπάρχει μια εκθετικά αυξανόμενη ζήτηση για ιατρική απεικόνιση, ειδικά διατομική όπως η αξονική τομογραφία και η μαγνητική τομογραφία», δήλωσε ο συν-συγγραφέας της μελέτης Louis Lind Plesner, M.D., από το Τμήμα Ακτινολογίας στο Νοσοκομείο Herlev and Gentofte στην Κοπεγχάγη, στη Δανία.
«Εν τω μεταξύ, υπάρχει παγκόσμια έλλειψη εκπαιδευμένων ακτινολόγων. Η τεχνητή νοημοσύνη έχει δείξει πολλά υποσχόμενη, αλλά θα πρέπει πάντα να ελέγχεται διεξοδικά πριν από οποιαδήποτε εφαρμογή», πρόσθεσε. Γι’ αυτήν την αναδρομική, πολυκεντρική μελέτη, ο Δρ Plesner και οι συνεργάτες του θέλησαν να προσδιορίσουν την αξιοπιστία της χρήσης ενός εργαλείου τεχνητής νοημοσύνης που μπορεί να αναγνωρίσει κανονικές και μη φυσιολογικές ακτινογραφίες θώρακα.
Οι ερευνητές χρησιμοποίησαν ένα εργαλείο τεχνητής νοημοσύνης που διατίθεται στο εμπόριο για να αναλύσουν τις ακτινογραφίες θώρακα 1.529 ασθενών από τέσσερα νοσοκομεία στην πρωτεύουσα της Δανίας. Συμπεριλήφθηκαν ακτινογραφίες θώρακος από ασθενείς του τμήματος επειγόντων περιστατικών, νοσοκομειακούς ασθενείς και εξωτερικούς ασθενείς. Οι ακτινογραφίες ταξινομήθηκαν από το εργαλείο τεχνητής νοημοσύνης είτε ως «κανονική υψηλής εμπιστοσύνης» ή «κανονική μη υψηλής εμπιστοσύνης» ως φυσιολογική και μη φυσιολογική, αντίστοιχα.
Ως πρότυπο αναφοράς χρησιμοποιήθηκαν δύο πιστοποιημένοι ακτινολόγοι θώρακα (θώρακα). Ένας τρίτος ακτινολόγος χρησιμοποιήθηκε σε περιπτώσεις διαφωνιών και και οι τρεις γιατροί είχαν τυφλωθεί στα αποτελέσματα της τεχνητής νοημοσύνης. Από τις 429 ακτινογραφίες θώρακος που ταξινομήθηκαν ως φυσιολογικές, οι 120 ή το 28%, ταξινομήθηκαν επίσης από το εργαλείο AI ως φυσιολογικές. Αυτές οι ακτίνες Χ, ή το 7,8% όλων των ακτίνων Χ, θα μπορούσαν ενδεχομένως να αυτοματοποιηθούν με ασφάλεια από ένα εργαλείο τεχνητής νοημοσύνης. Το εργαλείο AI εντόπισε μη φυσιολογικές ακτινογραφίες θώρακος με 99,1% ευαισθησία.
«Το πιο εκπληκτικό εύρημα ήταν πόσο ευαίσθητο ήταν αυτό το εργαλείο τεχνητής νοημοσύνης για όλα τα είδη παθήσεων του θώρακα», είπε ο Δρ. Plesner. Επιπλέον, το εργαλείο τεχνητής νοημοσύνης είχε συνολικά καλύτερη ευαισθησία από τους πιστοποιημένους από το κλινικό συμβούλιο ακτινολόγους. Σύμφωνα με τους ερευνητές, περαιτέρω μελέτες θα μπορούσαν να κατευθυνθούν προς μεγαλύτερη προοπτική εφαρμογή του εργαλείου τεχνητής νοημοσύνης όπου οι αυτόνομα αναφερόμενες ακτινογραφίες θώρακος εξακολουθούν να εξετάζονται από ακτινολόγους.
Το εργαλείο τεχνητής νοημοσύνης απέδωσε ιδιαίτερα καλά στον εντοπισμό φυσιολογικών ακτινογραφιών της ομάδας εξωτερικών ασθενών σε ποσοστό 11,6%. Αυτό υποδηλώνει ότι το μοντέλο τεχνητής νοημοσύνης θα είχε ιδιαίτερα καλή απόδοση σε περιβάλλοντα εξωτερικών ασθενών με υψηλό επιπολασμό φυσιολογικών ακτινογραφιών θώρακα. «Η ακτινογραφία θώρακος είναι μια από τις πιο κοινές απεικονιστικές εξετάσεις που γίνονται παγκοσμίως», είπε ο Δρ Plesner, προσθέτοντας, «Ακόμα και ένα μικρό ποσοστό αυτοματοποίησης μπορεί να οδηγήσει σε εξοικονόμηση χρόνου για τους ακτινολόγους, τον οποίο μπορούν να δώσουν προτεραιότητα σε πιο περίπλοκα θέματα».
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
