Sztuczna inteligencja może współpracować z lekarzami
Odpowiednio wytrenowana sztuczna inteligencja poprawiła wyniki radiologów diagnozujących raka płuc na zdjęciach rentgenowskich. Jednak SI musi być odpowiednio dopasowana do klinicznego kontekstu – pokazuje nowe badanie.
Sztuczna inteligencja coraz śmielej wkracza do medycznej diagnostyki, jednak niewiele badań sprawdzało nastawienie lekarzy do tej nowatorskiej technologii. Podjęli się tego naukowcy z Narodowego Uniwersytetu w Seulu (Korea Pd.) w badaniu z udziałem 30 specjalistów, w tym 20 radiologów z doświadczeniem od 5 do 18 lat oraz 10 rezydentów. Najpierw - jeszcze bez wsparcia SI - ocenili oni 120 zdjęć klatek piersiowych, w tym 60 pochodzących od pacjentów i pacjentek z rakiem płuc oraz 60 – od osób zdrowych.
W drugiej sesji pomogła im specjalnie do tego wytrenowana sztuczna inteligencja. Jednak części ekspertów pomagała precyzyjnie działająca SI, a części – mniej dokładna, przy czym specjaliści nie wiedzieli, z którym systemem współpracują.
Odpowiednie komputerowe wspomaganie może mieć niemałe znaczenie – wskazał eksperyment. W porównaniu do pierwszej sesji, eksperci wspomagani przez SI o wysokiej precyzji diagnostycznej wykazali większą dokładność w czasie diagnozowania widocznych na zdjęciach zmian (0,63 w porównaniu do 0,53), a także wyższą swoistość (0,94 w porównaniu do 0,88).
Z drugiej strony wsparcie przez AI o niskiej dokładności diagnostycznej nie spowodowało poprawy. Jednocześnie okazało się, że lekarze byli bardziej podatni na sugestie dokładnych algorytmów.
"Możliwe, że stosunkowo duża liczba próbek w badaniu wzmocniła pewność specjalistów odnośnie sugestii sztucznej inteligencji" – mówi główny autor badania, dr Chang Min Park. - "Uważamy, że w podatności ekspertów na sugestie SI obserwowaliśmy kwestię zaufania człowieka do sztucznej inteligencji. Jak się okazuje, ludzie są bardziej podatni na wpływ SI o wysokiej precyzji diagnostycznej".
"Badanie sugeruje, że sztuczna inteligencja może pomagać radiologom, ale tylko wtedy, gdy jej wyniki diagnostyczne są równorzędne lub przewyższają te uzyskiwane przez człowieka" – stwierdza dr Park.
Rezultaty badania podkreślają znaczenie korzystania z AI o wysokiej wydajności diagnostycznej – uważają naukowcy. Zauważają jednak, że definicja "SI o wysokiej wydajności diagnostycznej" może się różnić w zależności od zadania i kontekstu klinicznego.
Na przykład model SI, który potrafi wykrywać wszystkie nieprawidłowości na zdjęciach rentgenowskich klatki piersiowej, może wydawać się idealny, tymczasem w praktyce miałby ograniczoną wartość np. w przypadku masowego przesiewowego badania gruźlicy płuc.
"Nasze badanie sugeruje, że odpowiednie klinicznie zastosowanie SI wymaga zarówno opracowania modeli o wysokiej wydajności dla konkretnych zadań, jak i uwzględnienia właściwego kontekstu klinicznego, w którym ta SI będzie stosowana" - podsumowuje dr Park.
Źródło: pap.pl
wstecz Podziel się ze znajomymi