Radiografii toracice, triate automat cu ajutorul inteligenței artificiale

Cercetătorii care au instruit un sistem AI pentru a interpreta și prioritiza radiografiile toracice bazate pe constatările urgente și critice, au observat că sistemul a fost capabil să facă distincția între raze X anormale și normale cu "precizie mare". Constatările critice ale sistemului au fost primite de către expert radiolog în 2,7 zile în medie. Aceasta depășește media de 11,2 zile din practica reală.

,,Sistemul nou dezvoltat ar putea fi folosit pentru a tria automat imaginile de la nivelul toracelui, ceea ce nu a fost disponibil pentru radiologi. În prezent, nu există modalități sistematice și automate de a trata radiografiile toracice și a le aduce pe cele cu constatări critice și urgente în partea superioară a grămezii de raportare", a mărturisit dr. Giovanni Montana, co-autor al studiului și profesor la Universitatea din Warwick.

 Mulți radiologi consideră că tehnologia de învățare profundă ar putea fi un instrument valoros în îmbunătățirea problemelor privind fluxul de lucru și eficiența forței de muncă.

Sistemul a fost dezvoltat folosind un set de date cu mai mult de 470.300 de radiografii toracice la adulți identificați, colectate din 2007 până în 2017. Rapoartele de radiologie au fost apoi preprocesate cu un sistem intern de procesare a limbajului natural (NLP), care prioritiza imaginile ca fiind critice, urgente, neregulate sau normale. Cercetătorii au instruit apoi un sistem AI pentru vizionarea pe computer a imaginilor cu raze X marcate pentru a prezice prioritatea clinică pe baza aspectului. Capacitatea sistemului de prioritizare a fost apoi testată pe un set de date independent de peste 15.800 de imagini.

Potrivit studiului, sistemul a fost capabil să detecteze raze X normale cu sensibilitate de 71%, specificitate de 95%, valoare predictivă pozitivă (PPV) de 73% și valoare predictivă negativă (NPV) de 99%.

,,Rezultatele inițiale raportate aici sunt incitante, deoarece demonstrează ca un sistem de AI poate fi antrenat cu succes folosind o bază de date foarte largă de radiologie obținute în mod curent”, a declarat Montana, potrivit Al In Healthcare.com.

 Această tehnologie este de așteptat să reducă volumul de muncă a radiologilor prin detectarea tuturor examenelor normale, astfel încât mai mult timp să poată fi cheltuit pe cele care necesită o mai mare atenție.