Forskare från Innopolis University, Kazan State Medical University och
I ett experiment som beskrivs i en artikel i Journal ofDigital Imaging, fyra praktiserande radiologer med yrkeserfarenhet från tre till 30 år deltog. Under studien registrerade forskare hur läkarens blick rör sig när de studerar en röntgen. Den primära analysen visar hur lång tid det tar för specialisten att utvärdera bilden och vilka områden som drar till sig läkarens uppmärksamhet. Ytterligare analys med hjälp av AI avslöjade nyckelmönster.
Arbetsplatsen för en radiolog utrustad med ett ögonspårningssystem för att utföra ett experiment. Bild: Innopolis University
Radiologer ombads att analysera 400bilder av bröstorganen på en speciell enhet med ett extra installerat system för ögonspårning. En algoritm utvecklad vid Innopolis University baserad på en modifierad arkitektur av U-Nets neurala nätverk identifierade lungornas kontur på lungröntgen och mätte området av lungbilden som läkaren tittade på.
I genomsnitt undersökte radiologer 55 till 65 % avlungområdet på röntgen. Experimentet visade att ju fler bilder läkare tolkade, desto mindre del av lungorna täckte de med en blick, och den mest erfarna radiologen med trettio års erfarenhet visade det minsta täckningsområdet av lungorna med en blick.
Ilya Pershin, forskningsingenjör, laboratoriet för artificiell intelligens i medicin, Innopolis University
Studien visade att för varje 100av de studerade bilderna minskade området på röntgenbilden, som läkaren uppmärksammar, med i genomsnitt 1,3–7,6%. Effekten av trötthet på röntgenanalys observerades hos alla läkare och olika patologier i bilderna, men på olika sätt: i närvaro av tecken på farliga förändringar studerade även "trötta" radiologer bilderna mer noggrant.
Ett exempel på att bedöma de områden som läkarnas ögon var fästa på. Bild: Innopolis University
Författarna till studien konstaterar att de saknadepatologi i bilden är ett av de vanligaste medicinska felen hos radiologer. Att förstå hur trötthet och andra faktorer påverkar kvaliteten på bildanalys kommer att hjälpa till att optimera AI-system för bildanalys och stödja radiologer med mer information för att göra en korrekt diagnos.
Läs mer:
Mysteriet med de röda ränderna på Jupiters satellit avslöjas
Migrän och huvudvärk hittade en ny förklaring
Hittade en "omöjlig" planet. Hon trotsar modern vetenskap