Индивидуальный ИИ-ассистент повысит эффективность и снизит стресс

Искусственный интеллект (ИИ) может помочь рентгенологам и радиологам повысить эффективность своей работы, сократить время сканирования и усовершенствовать рабочий процесс. К такому выводу пришли исследователи из Университета Мэриленда и Медицинского центра Балтимора, штат Вирджиния (США).

«Чтобы справиться с увеличившейся во время пандемии COVID-19 нагрузкой на врача-диагноста, крайне необходимо оптимизировать его работу при помощи ИИ-алгоритмов», — отметили американские эксперты.

Ключевые аспекты применения ИИ в клинической рентгенологии:

Пандемия COVID-19 повысила необходимость в увеличении скорости сканирования и уменьшении лучевой нагрузки на пациентов и персонал. Алгоритмы ИИ стали применяться с целью реконструкции изображений КТ, МРТ, ПЭТ и т.д.

К примеру, генеративно-состязательные сети (Generative adversarial network, GAN) способны использовать большую базу медицинских изображений, чтобы предсказать, как будет выглядеть МР-изображение с более высоким разрешением на основе анализа МР-изображения с низким разрешением. Также существуют алгоритмы машинного обучения, способные повышать качество КТ-изображений. Подобные методы обладают огромным потенциалом для увеличения скорости сканирования и снижения дозы для пациентов.

С точки зрения авторов, еще одним механизмом модернизации рентгенологической службы при помощи ИИ станет повышение эффективности работы врача, уменьшение стресса и снижение уровня эмоционального выгорания, которые он испытывает. Исследования, проводимые в Балтиморском медицинском центре штата Вирджиния, показали, что рентгенологи тратят до 85 % своего времени на выгрузку изображений в PACS, систематизацию изображений и подготовку заключений. Лишь 15 % времени тратится на когнитивные аспекты и интерпретацию исследований. Авторы приводят пример врача, повысившего эффективность своей работы до 75 % благодаря привлечению шести ассистентов ИИ. Помощники помогали в подготовке изображений к интерпретации, а также создавали заключения на основании информации, полученной от врача. «Ассистенты проделывали феноменальный объем работы, позволяя врачу минимизировать усталость и стресс, сохраняя при этом максимальную эффективность работы. Ключевые вопросы заключаются в том, способен ли ИИ имитировать работу этих самых ассистентов и сможет ли рентгенолог использовать программное обеспечение ИИ для подготовки изображений к интерпретации таким образом, каким он считает наиболее эффективным? Смогут ли алгоритмы ИИ позволить рентгенологу излагать информацию в произвольной форме, а затем подготовить логичное и последовательное заключение на подпись врачу? Это основные вопросы, которые мы ставим перед ИИ», — рассказали авторы.

Эксперты отмечают, что основные проблемы проверки алгоритмов ИИ сводятся к тому, что их разработка производится на одном типе сканера или в одной географической местности, с одной популяцией пациентов и т.д. Помимо этого, не существует точного определения золотого стандарта интерпретации изображений. «Именно поэтому возникла идея создания адаптивного алгоритма ИИ, который способен продолжить обучение в условиях своего использования и приспособиться к работе с конкретным врачом, определенным набором аппаратов или популяции пациентов. Это, действительно, замечательная идея и захватывающая перспектива, которая позволит иметь врачу своего индивидуального ИИ- ассистента», — пишут авторы.

Помимо вышеизложенного, еще одним ключевым аспектом является то, что Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (Food and Drug Administration, FDA) заинтересовалось адаптивным ИИ-алгоритмом.

Значимым событием стал тот факт, что FDA высказали свое мнение по поводу разумности использования ИИ-алгоритмов, которые станут максимально безопасными и эффективными благодаря продолжительному обучению на различных аппаратах и группах пациентов или конкретных рентгенологах. «В частности, в эпоху пандемии COVID-19 подобный алгоритм смог бы изучить сущность нового заболевания и постепенно эволюционировать», — отмечают авторы.

Центр диагностики и телемедицины уже начал внедрение алгоритмов ИИ в систему здравоохранения города Москвы. На сегодняшний день использованы методы поддержки принятия решений на основе результатов анализа данных в рамках платформы Единого радиологического информационного сервиса (ЕРИС). Результаты эксперимента станут основой для национальных стандартов, регламентирующих применение ИИ в клинической медицине. Разработка документов ведется в Подкомитете 01 технического комитета по стандартизации «Искусственный интеллект» (ТК 164).

Источник: www.auntminnie.com

Комментарии: