![](https://www.termedia.pl/f/pages/54513_173abacaf68056379b70d2be2de620a9_blog.jpg)
Sztuczna inteligencja skutecznie ocenia RTG klatki piersiowej
Autor: Damian Matusiak
Data: 21.01.2024
Działy:
Doniesienia naukowe
Aktualności
Można zaryzykować stwierdzenie, że świat wkroczył w erę sztucznej inteligencji. Także w medycynie perspektywa jej wykorzystania jest obiecująca i kusząca, stąd pojawia się coraz więcej badań dokumentujących użyteczność algorytmów AI. Jedna z ważnych prac ukazała się na łamach „The Lancet Digital Health”.
Systemy sztucznej inteligencji służące do automatycznej interpretacji rentgenogramów klatki piersiowej mogą okazać się bardzo pomocne w zakresie standaryzacji raportowania i uzyskiwania natychmiastowego opisu, co z pewnością uwolniłoby wiele placówek opieki zdrowotnej od problemu niewystarczającego dostępu do radiologów. Potencjał to jedno, drugie to jego umiejętne uwolnienie; istnieje niewiele systemów sztucznej inteligencji wytrenowanych na dużych zbiorach danych, z których mogliby korzystać klinicyści. Ten stan rzeczy zmienił wieloośrodkowy zespół naukowców z Wielkiej Brytanii, który opracował i zbadał wiarygodność powyższego typu algorytmu.
Korzystając z krajowych rejestrów medycznych, obejmujących 2 513 546 obrazów i opisów RTG klatki piersiowej z lat 2006 - 2019, zaimplementowano dane do specjalnie napisanego algorytmu (X-Raydar-NLP), który następnie został wytestowany na trzech retrospektywnych zbiorach danych: zestawie badań wybranych losowo z pełnego zbioru (103 328 zdjęć), losowego zbioru z 6 ośrodków klinicznych (każdy opis opatrzony adnotacjami trzech doświadczonych radiologów, 1427 badań) oraz niezależnego zbioru danych składającego się z badań z adnotacjami algorytmu NLP (252 374).
Wyniki okazały się bardzo obiecujące; uzyskano średnie AUC wynoszące 0,919 w pierwszej z testowanych baz danych, 0,864 dla zbioru opisów RTG przez doświadczonych radiologów i 0,842 w ostatnim z wcześniej wspomnianych zbiorów. Jest to wynik oznaczający równoznaczność z oryginalnymi ludzkimi opisami wykorzystanych w badaniu rentgenogramów, w tym w zakresie wielu klinicznie ważnych zmian, w tym odmy opłucnowej, zmian zapalnych lub litych. Odnotowano także niewielką, lecz istotną poprawę w zakresie identyfikacji mniej istotnych zmian (średnio o 13,3 proc.) oraz zmian krytycznych (o 5,6 proc.).
Era sztucznej inteligencji jest w początkowej fazie, a już odnotowuje niekiedy spektakularne sukcesy, także w medycynie; potwierdzenie powyższego doniesienia w kolejnych tego typu badaniach może w krótkim czasie zrewolucjonizować systemy opieki zdrowotnej na całym świecie.
Korzystając z krajowych rejestrów medycznych, obejmujących 2 513 546 obrazów i opisów RTG klatki piersiowej z lat 2006 - 2019, zaimplementowano dane do specjalnie napisanego algorytmu (X-Raydar-NLP), który następnie został wytestowany na trzech retrospektywnych zbiorach danych: zestawie badań wybranych losowo z pełnego zbioru (103 328 zdjęć), losowego zbioru z 6 ośrodków klinicznych (każdy opis opatrzony adnotacjami trzech doświadczonych radiologów, 1427 badań) oraz niezależnego zbioru danych składającego się z badań z adnotacjami algorytmu NLP (252 374).
Wyniki okazały się bardzo obiecujące; uzyskano średnie AUC wynoszące 0,919 w pierwszej z testowanych baz danych, 0,864 dla zbioru opisów RTG przez doświadczonych radiologów i 0,842 w ostatnim z wcześniej wspomnianych zbiorów. Jest to wynik oznaczający równoznaczność z oryginalnymi ludzkimi opisami wykorzystanych w badaniu rentgenogramów, w tym w zakresie wielu klinicznie ważnych zmian, w tym odmy opłucnowej, zmian zapalnych lub litych. Odnotowano także niewielką, lecz istotną poprawę w zakresie identyfikacji mniej istotnych zmian (średnio o 13,3 proc.) oraz zmian krytycznych (o 5,6 proc.).
Era sztucznej inteligencji jest w początkowej fazie, a już odnotowuje niekiedy spektakularne sukcesy, także w medycynie; potwierdzenie powyższego doniesienia w kolejnych tego typu badaniach może w krótkim czasie zrewolucjonizować systemy opieki zdrowotnej na całym świecie.