Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
Est-ce qu'AI le temps de radiologues par triaging des radiographies de la poitrine, mais il épargne est médicalement faisable ?
{{{sourceTextContent.subTitle}}}
Il y est eu d'abondance d'exagération autour du potentiel de l'intelligence artificielle (AI) de soulager des charges de travail de radiologie. Et une nouvelle approche circonvolutionnaire de réseau neurologique a détaillé dans une étude de radiologie du 22 janvier a considérablement réduit rapporter l'arriéré par triaging exactement des radiographies de la poitrine en temps réel.
{{{sourceTextContent.description}}}
« Les résultats préliminaires rapportés ici sont passionnants car ils démontrent qu'un système d'AI peut être avec succès formé utilisant une base de données très grande des données radiologiques par habitude acquises, » ont dit le co-auteur Giovanni Montana, doctorat, de l'université de Warwick à Coventry, l'Angleterre, dans une déclaration préparée. « Avec davantage de validation clinique, on s'attend à ce que cette technologie réduise la charge de travail d'un radiologue par une quantité importante en détectant tous les examens normaux ainsi plus de temps peut être passé sur ceux qui exigent plus d'attention. »
L'équipe avait l'habitude plus de 470 000 radiographies de la poitrine adultes De-identifiées pour développer leur plate-forme d'AI. Un algorithme de traitement de langage naturel (NLP) a analysé les rapports de radiologie pour marquer l'image en tant que l'un ou l'autre de critique, non-urgent ou « l'étape importante critique » normale-un dans l'étude, Montana a noté.
Après essai du système sur un ensemble indépendant de 15 887 images, ils ont rapporté les radiographies de la poitrine normales détectées par plate-forme avec une sensibilité de 71 pour cent, spécificité de 95 pour cent, de valeur prévisionnelle positive de 73 pour cent et de valeur prévisionnelle négative de 99 pour cent.
Après des simulations, le Montana et les collègues ont rapporté que les résultats critiques ont reçu une opinion de radiologue en 2,7 jours, en moyenne, beaucoup de plus rapide que la moyenne de 11,2 jours pour une pratique réelle. Pour des résultats urgents, le reportage moyen a été réduit à 4,1 jours, vers le bas de 7,6 jours.
Il y avait un certain nombre de limitations citées par les auteurs d'étude. Dans un éditorial relatif, William F. Auffermann, DM, doctorat, avec l'université de la santé d'Utah à Salt Lake City, a contesté l'utilisation de l'équipe des données d'un système simple de santé. Auffermann a argué du fait qu'un algorithme qualifié avec des données d'un établissement peut ne pas traduire bien à d'autres centres.
Une étude a édité le 6 novembre 2018 dans la médecine de PLOS examinée cette notion, et a trouvé des algorithmes qualifiés pour détecter la pneumonie sur des radiographies de la poitrine exécutées mal une fois examinée sur des données d'un autre système de santé.
Auffermann a noté le système décrit dans l'étude pourrait avoir un impact « substantiel » des délais décroissants si utilisé dans un arrangement clinique, mais a souligné plus d'essai est nécessaire avant que cela devienne une réalité.
« On peut imaginer un futur système de sélection d'AI où le patient est tenu brièvement dans le service de radiologie tandis qu'un algorithme d'AI exécute une sélection initiale rapide pour des résultats critiques avant que le patient laisse le département, » Auffermann concluait. « La façon précise dont un tel système peut être mis en application requerra davantage d'étude avant qu'il soit prêt d'aider le soin d'hospitalisé. »