Naukowcy z Uniwersytetu Innopolis, Państwowego Uniwersytetu Medycznego w Kazaniu i
W eksperymencie opisanym w artykule w Journal ofDigital Imaging, uczestniczyło czterech praktykujących radiologów z doświadczeniem zawodowym od trzech do 30 lat. Podczas badania naukowcy zarejestrowali, jak porusza się wzrok lekarza podczas badania zdjęcia rentgenowskiego. Analiza pierwotna pokazuje, ile czasu zajmuje specjaliście ocena obrazu i które obszary przyciągają uwagę lekarza. Dalsza analiza z wykorzystaniem sztucznej inteligencji ujawniła kluczowe wzorce.
Stanowisko pracy radiologa wyposażone w system śledzenia wzroku do prowadzenia eksperymentu. Zdjęcie: Uniwersytet Innopolis
Radiologów poproszono o przeanalizowanie 400obrazy narządów klatki piersiowej na specjalnym urządzeniu z dodatkowo zainstalowanym systemem śledzenia wzroku. Algorytm opracowany na Uniwersytecie w Innopolis w oparciu o zmodyfikowaną architekturę sieci neuronowej U-Net identyfikował kontury płuc na zdjęciach rentgenowskich klatki piersiowej i mierzył obszar obrazu płuca, na który patrzył lekarz.
Średnio radiolog badał od 55 do 65 procobszar płuc na zdjęciu rentgenowskim. Eksperyment pokazał, że im więcej obrazów zinterpretowali lekarze, tym mniejszą część płuc objęli spojrzeniem, a najbardziej doświadczony radiolog z trzydziestoletnim stażem pokazał spojrzeniem najmniejszy obszar pokrycia płuc.
Ilya Pershin, inżynier naukowy, Laboratorium Sztucznej Inteligencji w Medycynie, Uniwersytet Innopolis
Badanie wykazało, że na każde 100badanych obrazów obszar radiogramu, na który zwraca uwagę lekarz, zmniejszył się średnio o 1,3–7,6%. Wpływ zmęczenia na analizę rentgenowską obserwowano u wszystkich lekarzy i różnych patologii na obrazach, ale w różny sposób: w obecności oznak niebezpiecznych zmian nawet „zmęczeni” radiolodzy uważniej przyglądali się obrazom.
Przykład oceny okolic, na które utkwił wzrok lekarzy. Zdjęcie: Uniwersytet Innopolis
Autorzy badania zauważają, że zaginionypatologia na zdjęciu to jeden z najczęstszych błędów medycznych popełnianych przez radiologów. Zrozumienie, w jaki sposób zmęczenie i inne czynniki wpływają na jakość analizy obrazu, pomoże zoptymalizować systemy sztucznej inteligencji do analizy obrazu i wesprze radiologów w uzyskaniu większej ilości informacji w celu postawienia dokładnej diagnozy.
Czytaj więcej:
Tajemnica czerwonych pasów na satelicie Jowisza zostaje ujawniona
Migreny i bóle głowy znalazły nowe wyjaśnienie
Znaleziono „niemożliwą” planetę. Wymyka się współczesnej nauce