Согласно исследованию, опубликованному в журнале Scientific Reports , коммерческая модель искусственного интеллекта оказалась на одном уровне с рентгенологами при выявлении отклонений на рентгенограммах грудной клетки и устранила разрыв в точности между рентгенологами и врачами, не являющимися рентгенологами.

В совокупности полученные результаты свидетельствуют о том, что система искусственного интеллекта Chest-CAD от Imagen Technologies может помочь врачам различных специальностей в точной интерпретации рентгеновских снимков грудной клетки, отметила Памела Андерсон, директор по данным и аналитике компании Imagen, и ее коллеги.

«Врачи, не являющиеся рентгенологами [специалисты по неотложной помощи, семейной медицине и внутренним болезням], зачастую первыми обследуют пациентов во многих медицинских учреждениях и регулярно интерпретируют рентгеновские снимки грудной клетки, когда рентгенолог недоступен», — пишут они.

Chest-CAD — это алгоритм глубокого обучения, одобренный Управлением по контролю за продуктами и лекарствами США в 2021 году. Программное обеспечение выявляет подозрительные области интереса (ROI) на рентгеновских снимках грудной клетки и присваивает каждой ROI одну из восьми клинических категорий в соответствии с рекомендациями RSNA по отчетности.

Авторы полагают, что для того, чтобы такие проверенные модели ИИ были наиболее полезными, они должны быть способны обнаруживать множественные отклонения, распространять их на новые группы пациентов и обеспечивать возможность клинического внедрения среди врачей разных специальностей.

Для этого исследователи сначала оценили автономную производительность Chest-CAD на большом курируемом наборе данных. Затем они оценили обобщаемость модели на отдельных общедоступных данных и, наконец, оценили точность рентгенологов и врачей-нерентгенологов без помощи и с помощью системы ИИ.

Автономная производительность для выявления аномалий грудной клетки была оценена на 20 000 взрослых случаях рентгенографии грудной клетки из 12 медицинских центров в США, набор данных независим от набора данных, используемого для обучения системы ИИ. Относительно эталонного стандарта, определенного группой экспертов-рентгенологов, модель продемонстрировала высокую общую площадь под кривой (AUC) 97,6%, чувствительность 90,8% и специфичность 88,7%, согласно результатам.

(A) Рентгенограмма грудной клетки без системы ИИ. (B) Рентгенограмма грудной клетки с системой ИИ показывает две области интереса легких (зеленые поля) и область интереса средостения/хил (желтый поле). Система ИИ выявила аномалии, которые были охарактеризованы как области интереса в легких и средостении/хил. Аномалии включали двусторонний фиброз верхней доли легкого (отнесенный к категории «Легкие») и гипертензию легочной артерии вместе с двусторонней ретракцией ворот легкого (отнесенный к категории «Средостение/хил»). Области интереса для каждой категории проиллюстрированы разными цветами для удобства чтения.Изображение доступно для перепечатки по лицензии Creative Commons (CC BY 4.0 DEED, Attribution 4.0 International) и любезно предоставлено Scientific Reports.

Затем на основе 1000 случаев из общедоступного набора данных Национальных институтов здравоохранения по рентгенографии грудной клетки под названием ChestX-ray8 система ИИ продемонстрировала высокую общую AUC 97,5%, чувствительность 90,7% и специфичность 88,7% при выявлении аномалий грудной клетки.

Наконец, как и ожидалось, рентгенологи оказались точнее врачей, не являющихся рентгенологами, при выявлении отклонений на рентгенограммах грудной клетки без помощи системы искусственного интеллекта, пишут авторы.

Тем не менее, рентгенологи все равно продемонстрировали улучшение при помощи системы ИИ с неподдерживаемой AUC 86,5% и поддерживаемой AUC 90%, согласно результатам. Врачи внутренних болезней продемонстрировали наибольшее улучшение при помощи системы ИИ с неподдерживаемой AUC 80% и поддерживаемой AUC 89,5%.

Авторы отметили, что, хотя при отсутствии вспомогательной помощи наблюдалась значительная разница в показателях AUC между врачами-рентгенологами и врачами, не являющимися рентгенологами (p < 0,001), при использовании вспомогательной помощи значимых различий не наблюдалось (p = 0,092). Это позволяет предположить, что система ИИ помогает врачам-нерентгенологам выявлять отклонения от нормы на рентгенограммах грудной клетки с такой же точностью, что и рентгенологи.

«Мы показали, что общая точность врачей повысилась при использовании системы ИИ, а врачи, не являющиеся рентгенологами, были столь же точны, как рентгенологи, при оценке рентгенограмм грудной клетки при использовании системы ИИ», — написала группа.

В конечном итоге, из-за нехватки рентгенологов, особенно в сельских округах США, другим врачам все чаще приходится заниматься интерпретацией рентгенограмм грудной клетки, несмотря на отсутствие подготовки, отметила группа.

«Здесь мы представляем доказательства того, что система ИИ помогает врачам, не являющимся рентгенологами, что может привести к расширению доступа к высококачественной интерпретации медицинских изображений», — заключили в исследовании.

Полное исследование доступно здесь .

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.