Efektivita práce radiologů byla hodnocena pomocí sledování pohybu očí

Výzkumníci z Innopolis University, Kazan State Medical University a

Univerzita v Kodani ukázala, jak na toÚnava ovlivňuje kvalitu rentgenové analýzy. Včasná identifikace známek únavy pomůže propojit systém AI jako „druhý názor“. 

V experimentu popsaném v článku v Journal ofDigital Imaging se zúčastnili čtyři praktičtí radiologové s profesionální praxí od tří do 30 let. Během studie vědci zaznamenali, jak se lékařův pohled pohybuje při studiu rentgenu. Primární analýza ukazuje, jak dlouho specialistovi trvá vyhodnocení snímku a které oblasti přitahují pozornost lékaře. Další analýza pomocí AI odhalila klíčové vzorce.

Pracoviště radiologa vybavené očním sledovacím systémem pro provádění experimentu. Obrázek: Univerzita Innopolis

Radiologové byli požádáni, aby analyzovali 400snímky hrudních orgánů na speciálním zařízení s dodatečně instalovaným systémem pro sledování očí. Algoritmus vyvinutý na Innopolis University založený na upravené architektuře neuronové sítě U-Net identifikoval obrys plic na rentgenových snímcích hrudníku a změřil oblast plicního obrazu, na kterou se lékař díval.

V průměru radiologové vyšetřili 55 až 65 % zoblast plic na rentgenu. Experiment ukázal, že čím více snímků lékaři interpretovali, tím menší část plic zakryli pohledem a nejzkušenější radiolog s třicetiletou praxí prokázal nejmenší plochu pokrytí plic pohledem.

Ilya Pershin, výzkumný inženýr, Laboratoř umělé inteligence v medicíně, Innopolis University

Studie zjistila, že na každých 100ze studovaných snímků se plocha rentgenového snímku, které lékař věnuje, zmenšila v průměru o 1,3–7,6 %. Vliv únavy na rentgenovou analýzu byl pozorován u všech lékařů a různých patologií na snímcích, ale různými způsoby: za přítomnosti známek nebezpečných změn dokonce i „unavení“ radiologové studovali snímky pečlivěji.

Příklad posouzení oblastí, na které se upíraly oči lékařů. Obrázek: Univerzita Innopolis

Autoři studie podotýkají, že nezvěstnípatologie na obrázku je jednou z nejčastějších lékařských chyb radiologů. Pochopení toho, jak únava a další faktory ovlivňují kvalitu analýzy obrazu, pomůže optimalizovat systémy umělé inteligence pro analýzu obrazu a podpoří radiology dalšími informacemi pro stanovení přesné diagnózy.

Přečtěte si více:

Záhada červených pruhů na satelitu Jupiteru je odhalena

Migrény a bolesti hlavy našly nové vysvětlení

Nalezena "nemožná" planeta. Popírá moderní vědu