Pesquisadores da Universidade de Innopolis, Universidade Médica do Estado de Kazan e
Em um experimento descrito em um artigo no Journal ofDigital Imaging, participaram quatro radiologistas praticantes com experiência profissional variando de três a 30 anos. Durante o estudo, os cientistas registraram como o olhar do médico se movia ao estudar um raio-x. A análise inicial mostra quanto tempo o especialista leva para avaliar a imagem e quais áreas chamam a atenção do médico. Uma análise mais aprofundada usando IA revelou os principais padrões.
Estação de trabalho de um radiologista equipada com um sistema de rastreamento ocular para a realização de um experimento. Imagem: Universidade de Innopolis
Os radiologistas foram solicitados a analisar 400imagens dos órgãos torácicos em um dispositivo especial com um sistema de rastreamento ocular instalado adicionalmente. Um algoritmo desenvolvido na Universidade de Innopolis com base em uma arquitetura de rede neural U-Net modificada identificou o contorno dos pulmões nas radiografias de tórax e mediu a área da imagem dos pulmões que o médico examinou.
Em média, os radiologistas examinaram de 55 a 65%área dos pulmões nas fotografias. O experimento mostrou que quanto mais imagens os médicos interpretavam, menor era a parte dos pulmões que eles cobriam com o olhar, e o radiologista mais experiente, com trinta anos de experiência, demonstrava a menor área de cobertura pulmonar com o olhar.
Ilya Pershin, engenheira pesquisadora do Laboratório de Inteligência Artificial em Medicina, Universidade de Innopolis
O estudo mostrou que para cada 100das imagens estudadas, a área da radiografia que o médico presta atenção diminuiu em média 1,3–7,6%. A influência da fadiga na análise radiográfica foi observada entre todos os médicos e diversas patologias nas imagens, mas de formas diferentes: se houvesse sinais de alterações perigosas, mesmo os radiologistas “cansados” estudavam as imagens com mais atenção.
Um exemplo de avaliação das áreas onde o olhar dos médicos estava fixo. Imagem: Universidade de Innopolis
Os autores do estudo observam que a perdaA patologia na imagem é um dos erros médicos mais comuns cometidos pelos radiologistas. Compreender como a fadiga e outros fatores afetam a qualidade da análise de imagens ajudará a otimizar os sistemas de IA para análise de imagens e apoiará os radiologistas com informações adicionais para fazer diagnósticos precisos.
Consulte Mais informação:
O mistério das listras vermelhas no satélite de Júpiter é revelado
Enxaquecas e dores de cabeça encontraram uma nova explicação
Planeta "impossível" encontrado. Ela desafia a ciência moderna