Французские исследователи обнаружили, что три коммерчески доступных алгоритма искусственного интеллекта, предназначенные для обнаружения переломов на рентгеновских снимках, эффективны для использования в отделении неотложной помощи. 

Группа под руководством доктора Валери Буссон из больницы Ларибуазьер в Париже оценила эффективность SmartUrgence, Rayvolve и BoneView — трех алгоритмов, одобренных в Европе (два в США), — на рентгеновских снимках пациентов, госпитализированных с травмами скелета, в течение двух месяцев. Исследователи отметили, что производительность алгоритмов была от хорошей до высокой.

«Мы обнаружили, что обнаружение ИИ острых периферических переломов в ежедневной рентгенологической практике в отделении неотложной помощи эффективно», — написала группа.

Интерпретация рентгеновских снимков переломов в условиях неотложной помощи может быть сложной задачей и сопряжена со значительным риском диагностических ошибок, некоторые из которых, по словам авторов, могут привести к серьезным последствиям. Предыдущие исследования показали, что эти три алгоритма ИИ демонстрируют значительные перспективы в качестве вспомогательных средств.

Буссон и его коллеги попытались дополнительно оценить способность алгоритмов выявлять острые периферические переломы у пациентов, поступающих в отделение неотложной помощи, и сравнили их друг с другом с помощью исследования, которое включало 1500 рентгеновских снимков 1210 пациентов.

Команда использовала алгоритмы для анализа 13 областей тела на наличие переломов. Четыре врача-рентгенолога опорно-двигательного аппарата определили основную истину по рентгеновским снимкам со сравнительными характеристиками алгоритмов, используемых для определения точности, чувствительности и специфичности. Кроме того, исследователи проанализировали эффективность алгоритмов в подгруппах интересов в зависимости от пола, возраста и области тела.

Bousson и коллеги обнаружили, что распространенность переломов среди рентгеновских снимков составляет 23,7%, и они сообщили о хорошей или высокой эффективности каждого из них для выявления острых периферических переломов; Они отметили, что точность и специфичность были значительно выше для SmartUrgence и BoneView по сравнению с Rayvolve для всей популяции (p < 0,0001) и для подгрупп.

«Производительность обнаружения ИИ острых периферических переломов в ежедневной рентгенологической практике в отделении неотложной помощи была от хорошей до высокой и зависела от алгоритма ИИ, возраста пациента и исследуемой области тела», — написала группа.

Результаты исследования сопоставимы с результатами, полученными в предыдущих исследованиях по оценке производительности алгоритмов, пишут авторы. Однако одной из сильных сторон этого исследования является включение рентгеновских снимков без специального выбора пациентов, областей тела, переломов или высококачественных рентгенограмм, написали они.

«Ранее алгоритмы не обучались на рентгенограммах из нашего отделения, что отражает реальное использование коммерческих алгоритмов ИИ», — отмечают авторы.

Полное исследование можно найти здесь .

Источник