Efektívnosť práce rádiológov bola hodnotená pomocou sledovania pohybu očí

Výskumníci z Innopolis University, Kazan State Medical University a

Univerzita v Kodani ukázala, ako na toÚnava ovplyvňuje kvalitu röntgenovej analýzy. Včasná identifikácia príznakov únavy pomôže prepojiť systém AI ako „druhý názor“. 

V experimente opísanom v článku v časopise Journal ofDigital Imaging sa zúčastnili štyria praktizujúci rádiológovia s odbornou praxou od troch do 30 rokov. Počas štúdie vedci zaznamenali, ako sa doktorov pohľad pohybuje pri štúdiu röntgenového žiarenia. Primárna analýza ukazuje, ako dlho trvá špecialistovi vyhodnotiť snímku a ktoré oblasti priťahujú pozornosť lekára. Ďalšia analýza pomocou AI odhalila kľúčové vzory.

Pracovisko rádiológa vybavené očným sledovacím systémom na vykonávanie experimentu. Obrázok: Univerzita Innopolis

Rádiológovia boli požiadaní, aby analyzovali 400snímky hrudných orgánov na špeciálnom zariadení s dodatočne inštalovaným systémom na sledovanie očí. Algoritmus vyvinutý na Innopolis University založený na upravenej architektúre neurónovej siete U-Net identifikoval obrys pľúc na röntgenových snímkach hrudníka a zmeral oblasť pľúcneho obrazu, na ktorú sa lekár pozrel.

V priemere rádiológovia vyšetrili 55 až 65 % zoblasť pľúc na röntgene. Experiment ukázal, že čím viac obrázkov lekári interpretovali, tým menšiu časť pľúc zakryli pohľadom a najskúsenejší rádiológ s tridsaťročnou praxou preukázal pohľadom najmenšiu oblasť pokrytia pľúc.

Ilya Pershin, výskumný inžinier, Laboratórium umelej inteligencie v medicíne, Innopolis University

Štúdia zistila, že na každých 100zo študovaných snímok sa plocha röntgenového snímku, ktorej lekár venuje pozornosť, znížila v priemere o 1,3–7,6 %. Vplyv únavy na röntgenovú analýzu bol pozorovaný u všetkých lekárov a rôznych patológií na obrázkoch, ale rôznymi spôsobmi: v prítomnosti príznakov nebezpečných zmien dokonca aj „unavení“ rádiológovia študovali obrázky pozornejšie.

Príklad hodnotenia oblastí, na ktoré sa upierali zraky lekárov. Obrázok: Univerzita Innopolis

Autori štúdie poznamenávajú, že nezvestnípatológia na obrázku je jednou z najčastejších lekárskych chýb rádiológov. Pochopenie toho, ako únava a ďalšie faktory ovplyvňujú kvalitu analýzy obrazu, pomôže optimalizovať systémy AI pre analýzu obrazu a podporí rádiológov ďalšími informáciami na stanovenie presnej diagnózy.

Čítaj viac:

Záhada červených pruhov na satelite Jupitera je odhalená

Migrény a bolesti hlavy našli nové vysvetlenie

Nájdená „nemožná“ planéta. Popiera modernú vedu