Investigadores de la Universidad de Innopolis, la Universidad Médica Estatal de Kazán y
En un experimento descrito en un artículo del Journal ofDigital Imaging, participaron cuatro radiólogos en ejercicio con experiencia profesional de tres a 30 años. Durante el estudio, los científicos registraron cómo se mueve la mirada del médico al estudiar una radiografía. El análisis primario muestra cuánto tiempo le toma al especialista evaluar la imagen y qué áreas llaman la atención del médico. Un análisis posterior con IA reveló patrones clave.
Lugar de trabajo de un radiólogo equipado con un sistema de seguimiento ocular para realizar un experimento. Imagen: Universidad de Innopolis
Se pidió a los radiólogos que analizaran 400imágenes de los órganos del tórax en un dispositivo especial con un sistema instalado adicionalmente para el seguimiento ocular. Un algoritmo desarrollado en la Universidad de Innopolis basado en una arquitectura modificada de la red neuronal U-Net identificó el contorno de los pulmones en las radiografías de tórax y midió el área de la imagen pulmonar que miró el médico.
En promedio, los radiólogos examinaron del 55 al 65% deárea pulmonar en rayos x. El experimento demostró que cuantas más imágenes interpretaban los médicos, menor parte de los pulmones cubrían con una mirada, y el radiólogo más experimentado con treinta años de experiencia demostraba la menor área de cobertura de los pulmones con una mirada.
Ilya Pershin, ingeniero de investigación, Laboratorio de Inteligencia Artificial en Medicina, Universidad de Innopolis
El estudio encontró que por cada 100de las imágenes estudiadas, el área de la radiografía, a la que presta atención el médico, disminuyó en un promedio de 1,3 a 7,6%. El efecto de la fatiga en el análisis de rayos X se observó en todos los médicos y varias patologías en las imágenes, pero de diferentes maneras: en presencia de signos de cambios peligrosos, incluso los radiólogos "cansados" estudiaron las imágenes con más cuidado.
Un ejemplo de evaluación de las áreas en las que se fijaron los ojos de los médicos. Imagen: Universidad de Innopolis
Los autores del estudio señalan que la faltapatología en el cuadro es uno de los errores médicos más comunes de los radiólogos. Comprender cómo la fatiga y otros factores afectan la calidad del análisis de imágenes ayudará a optimizar los sistemas de IA para el análisis de imágenes y brindará a los radiólogos más información para realizar un diagnóstico preciso.
Lee mas:
Se revela el misterio de las rayas rojas en el satélite de Júpiter
Las migrañas y los dolores de cabeza encuentran una nueva explicación
Encontrado planeta "imposible". Ella desafía la ciencia moderna