Istraživači sa Sveučilišta Innopolis, Kazanskog državnog medicinskog sveučilišta i
U eksperimentu opisanom u članku u Journal ofDigital Imaging, sudjelovala su četiri praktična radiologa s profesionalnim iskustvom od tri do 30 godina. Tijekom istraživanja znanstvenici su zabilježili kako se pomiče liječnikov pogled dok proučava rendgensku snimku. Primarna analiza pokazuje koliko je vremena potrebno stručnjaku da procijeni sliku i koja područja privlače pozornost liječnika. Daljnja analiza pomoću umjetne inteligencije otkrila je ključne obrasce.
Radno mjesto radiologa opremljeno sustavom za praćenje oka za provođenje eksperimenta. Slika: Sveučilište Innopolis
Radiolozi su zamoljeni da analiziraju 400snimke organa prsnog koša na posebnom uređaju s dodatno ugrađenim sustavom za praćenje oka. Algoritam razvijen na Sveučilištu Innopolis na temelju modificirane arhitekture U-Net neuronske mreže identificirao je konturu pluća na rendgenskim snimkama prsnog koša i izmjerio područje slike pluća koju je liječnik pogledao.
U prosjeku, radiolozi su pregledali 55 do 65% odpodručje pluća na rendgenu. Eksperiment je pokazao da što su više slika liječnici tumačili, to su manji dio pluća pokrivali pogledom, a najiskusniji radiolog s tridesetogodišnjim iskustvom pokazao je najmanju površinu pokrivenosti pluća pogledom.
Ilya Pershin, istraživački inženjer, Laboratorij za umjetnu inteligenciju u medicini, Sveučilište Innopolis
Studija je pokazala da na svakih 100proučavanih slika, područje radiografije na koje liječnik obraća pozornost smanjilo se u prosjeku za 1,3–7,6%. Utjecaj umora na rendgensku analizu uočen je kod svih liječnika i raznih patologija na slikama, ali na različite načine: u prisutnosti znakova opasnih promjena čak su i "umorni" radiolozi pažljivije proučavali slike.
Primjer procjene područja na koja su bile uprte oči liječnika. Slika: Sveučilište Innopolis
Autori studije napominju da nestalipatologija na slici jedna je od najčešćih medicinskih pogrešaka radiologa. Razumijevanje načina na koji umor i drugi čimbenici utječu na kvalitetu analize slike pomoći će optimizirati sustave umjetne inteligencije za analizu slike i podržati radiologe s više informacija za postavljanje točne dijagnoze.
Čitaj više:
Misterij crvenih pruga na Jupiterovom satelitu je otkriven
Migrene i glavobolje pronašle su novo objašnjenje
Pronađen "nemogući" planet. Ona prkosi modernoj znanosti