ИИ сократит время необходимое для обработки аномальных рентгеновских снимков грудной клетки

Новое исследование показало, что новая система искусственного интеллекта (ИИ) может значительно сократить время, необходимое для того, чтобы рентгенограммы грудной клетки быстрее получили заключение

ИИ для обработки аномальных рентгеновских снимков

Новости роботов и высоких технологий не стоят на месте. Так недавно новое исследование показало, что новая система искусственного интеллекта (ИИ) может значительно сократить время, необходимое для того, чтобы аномальные рентгенограммы грудной клетки с критическими результатами быстрее получили заключение эксперта-радиолога, сократив среднюю задержку с 11 дней до менее 3 дней.

Рентгенография грудной клетки обычно проводится для диагностики и мониторинга широкого спектра состояний, влияющих на легкие, сердце, кости и мягкие ткани. Исследователи из WMG из Университета Уорика, работающие с больницами Ги и Сент-Томас, собрали полмиллиона анонимизированных рентгенограмм грудной клетки взрослого (рентген) и разработали систему искусственного интеллекта для компьютерного зрения, которая может распознавать рентгенологические нарушения в X -излучении в режиме реального времени.

Работа искуственного интеллекта для врачей

В процессе построения системы искусственного интеллекта команда разработала и проверила алгоритм обработки естественного языка (NLP), который может читать радиологический отчет, понимать выводы, упомянутые радиологом-докладчиком, и автоматически выводить уровень приоритета экзамена.

Применяя этот алгоритм к историческим экзаменам, команда создала большой объем учебных экзаменов, которые позволили системе ИИ понять, какие визуальные схемы в рентгеновских лучах прогнозировали уровень их срочности.

Исследовательская группа во главе с профессором Джованни Монтана, профессором по науке данных в WMG Университета Уорика, обнаружила, что нормальные рентгенограммы грудной клетки были обнаружены с положительным прогнозируемым значением 73% и отрицательным прогнозным значением 99%, а также со скоростью это означало, что ненормальные рентгенограммы с критическими результатами можно было бы расставить по приоритетам, чтобы получить мнение эксперта-радиолога гораздо раньше, чем в обычной практике.

Результаты исследования опубликованы сегодня, 22 января 2019 года, в ведущем журнале Radiology в статье, озаглавленной «Автоматическая сортировка и определение приоритетов рентгенограмм грудной клетки у взрослых с использованием глубоких искусственных нейронных сетей».

Дальнейшее развитие новой технологии

Профессор WMG Джованни Монтана сказал: «Искусственный интеллект на основе отчетов о том, что изображения могут быть ценным инструментом для улучшения рабочего процесса отдела и эффективности рабочей силы. Растущие клинические требования к радиологическим отделениям во всем мире бросают вызов существующим моделям предоставления услуг, особенно в системах здравоохранения, финансируемых государством.

Многие радиологические отделения с их текущим штатом сотрудников больше не имеют возможности своевременно сообщать обо всех полученных рентгенограммах, что приводит к большим объемам незавершенных исследований. По оценкам, в Соединенном Королевстве в любое время имеется более 300 000 рентгенограмм, которые ожидают более 30 дней.

Результаты этого исследования показывают, что альтернативные модели лечения, такие как алгоритмы компьютерного зрения, могут быть использованы для значительного сокращения задержек в процессе выявления и воздействия на аномальные рентгеновские снимки - особенно для рентгенограмм грудной клетки, на которые приходится 40% всех диагностических изображения выполняются по всему миру.

Применение этих технологий также распространяется на многие другие методы визуализации, включая МРТ и КТ . Все исторические рентгенограммы в этом наборе данных были официально представлены одним из 276 различных репортеров, включая сертифицированных радиологов, радиологов-стажеров и аккредитованных радиографов-репортеров.

Отчеты и изображения, использованные в этом исследовании, были анонимизированы до моделирования, поэтому не содержали никакой справочной информации или данных, идентифицирующих пациентов.



Автор статьи: Виктор Булавин