Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
L'intelligence artificielle accélère l'analyse de radiographie de la poitrine
{{{sourceTextContent.subTitle}}}
Un système nouveau de l'intelligence artificielle (AI) peut nettement réduire le temps requis pour recevoir une opinion experte de radiologue sur les radiographies de la poitrine anormales avec des résultats critiques, réclame une nouvelle étude.
{{{sourceTextContent.description}}}
Développé par des chercheurs à Collège de Londres du Roi (KCL ; Le Royaume-Uni), l'université de Warwick (Coventry, Royaume-Uni), et d'autres établissements, le système d'AI ont été développés utilisant 470 388 radiographies de poitrine adultes institutionnelles entièrement anonymized ont acquis à partir de 2007 à 2017. Les rapports de accompagnement de radiologie ont été prétraités utilisant un système interne de traitement de langage naturel (NLP) modelant la langue radiologique, qui a analysé les rapports de texte libre pour donner la priorité à chaque radiographie en tant que critique, urgent, non-urgent, ou normal.
Un ensemble de deux réseaux neurologiques circonvolutionnaires profonds (CNNs) a été alors formé pour prévoir la priorité clinique seuls des aspects radiologiques. La représentation de système dans le classement par ordre de priorité de radiographie a été examinée dans une simulation à l'aide d'un ensemble indépendant de 15 887 radiographies. La représentation de prévision a été évaluée avec le secteur sous la courbe de caractéristique de fonctionnement de récepteur, avec la sensibilité, la spécificité, la valeur prévisionnelle positive (PPV), et la valeur prévisionnelle négative (NPV) également déterminée, avec l'intention d'automatiser le reportage adulte en temps réel de radiographies de poitrine basé sur l'aspect d'image.
Les résultats ont indiqué que des radiographies de poitrine normales (employées pour diagnostiquer et surveiller un large éventail de conditions affectant les poumons, le coeur, les os, et les tissus mous) ont été détectées par le système d'AI avec une sensibilité de 71%, spécificité de 95%, PPV de 73%, et NPV de 94%. Le délai moyen d'attente de reportage employant les algorithmes a été réduit de 11,2 à juste 2,7 jours pour des résultats critiques de représentation, et de 7,6 à 4,1 jours pour des résultats urgents de représentation, en comparaison avec des données historiques. L'étude a été éditée le 19 janvier 2019, en radiologie.
« Les exigences cliniques croissantes vis-à-vis des services de radiologie dans le monde entier ont contesté les modèles actuels de prestation de service. Il n'est plus faisable pour beaucoup de services de radiologie avec leur niveau de personnel actuel de rapporter toute la DM simple acquise de radiographies en temps utile, menant à de grands arriérés des études non rapportées, » a dit l'auteur Professor supérieur Giovanni Montana, de l'université de Warwick. « au R-U, on l'estime qu'à tout moment il y a plus de 300 000 radiographies attendant plus de 30 jours le reportage. Des modèles alternatifs du soin, tels que des algorithmes de vision d'ordinateur, ont pu être employés pour réduire considérablement des retards en cours d'identification et action sur les rayons X anormaux -- en particulier pour des radiographies de poitrine. »
L'utilisation du CNN une cascade de beaucoup de couches d'unités de traitement non linéaires pour des images ou d'autres données comporter l'extraction et la transformation, avec chaque couche successive utilisant la sortie de la couche précédente comme entrée afin de former une représentation hiérarchique.