ИИ показал надежные результаты в ветеринарной радиологии

Программное обеспечение на основе искусственного интеллекта обнаружило 94,4% всех нормальных результатов, в то время как лучший рентгенолог-человек обнаружил только 93,6% нормальных результатов.

Постановка медицинских диагнозов людьми может быть подвержена ошибкам, а предвзятость приводит к систематически предвзятым суждениям и шуму, вызывающему ошибки из-за случайных отклонений в суждениях. Для смягчения этих проблем в медицинских службах приняты многочисленные стратегии и протоколы. Перспективным и быстроразвивающимся средством является искусственный интеллект (ИИ). Такие методы, как нейронные сети и автокодировщики, которые отлично подходят для распознавания медицинских изображений, открывают большие перспективы для радиологии. Исследования показали, что ИИ может эффективно распознавать аномалии в различных задачах распознавания радиологических изображений.

До настоящего времени эти исследования были сосредоточены в основном на радиологии человека. Искусственный интеллект успешно применяется в медицине и теперь набирает популярность в ветеринарии. Такое развитие событий особенно актуально, учитывая нехватку специалистов и их ограниченную доступность, что ограничивает доступ к медицинской диагностике в ветеринарии, особенно к диагностической визуализации. Организации специалистов по радиологии в Соединенных Штатах и ??Европе насчитывают менее 2000 членов, обслуживающих весь европейский и североамериканский континенты. Поэтому разумно задаться вопросом, может ли распространение радиологического ИИ улучшить результаты в ветеринарной медицине. Во-первых, если ИИ будет работать не хуже, чем рентгенологи-люди, он может помочь повысить доступность диагностики. Во-вторых, если ИИ работает так же хорошо, как человек, но совершает ошибки иначе, чем человек, эффективные протоколы могут использовать сильные стороны обоих. В-третьих, ИИ может способствовать повышению качества диагностики и, следовательно, улучшению общих результатов лечения. Если ИИ будет более точным, он сможет снизить предвзятость. Кроме того, ИИ, скорее всего, продемонстрирует меньше случайных отклонений, чем столь же точный эксперт-человек, улучшая результаты за счет снижения или устранения шума.

Изучение возможности надежного использования ИИ в ветеринарной радиологии

Чтобы разобраться в этих предпосылках, было проведено международное исследование с целью сравнить диагностическую эффективность интерпретации рентгенограмм собак и кошек с использованием широко используемого коммерческого и фирменного программного обеспечения для рентгенологии на основе искусственного интеллекта и эффективность работы ветеринарных рентгенологов. Они выдвинули гипотезу, что диагностическая эффективность программного обеспечения на основе ИИ для радиологии будет по крайней мере такой же высокой, как у среднестатистического рентгенолога-человека, а диагностическая эффективность программного обеспечения на основе ИИ для радиологии будет ниже по сравнению с показателями среднестатистического рентгенолога-человека в условиях высокой неопределенности. Для проведения работы были получены рентгеновские снимки, каждый из которых был оценен ветеринарными рентгенологами и программным обеспечением на основе искусственного интеллекта.

ИИ был обучен на большом многоцентровом наборе данных, включающем рентгенографические изображения и клинические данные из более чем 3000 ветеринарных клиник в более чем десяти странах. Программное обеспечение обрабатывало только предоставленные изображения, не принимая во внимание дополнительную клиническую информацию. На основании информации, полученной по всем рентгеновским снимкам в ходе исследования, он дал закодированный диагноз — нормальный или патологический — для каждого случая.

С другой стороны, были наняты сертифицированные ветеринарные рентгенологи. Участвующие рентгенологи имели доступ к анамнезу и клиническим признакам. Им было предложено предоставить письменный отчет на английском языке в цифровом формате. Отчет должен был содержать описательную и диагностическую часть и быть написан в том стиле, к которому привык рентгенолог.

84% результатов были нормальными, а 16% — ненормальными.

В 50 рентгенографических исследованиях в среднем было сделано 5,64 рентгенограммы, при этом диапазон составлял от 1 до 16 рентгенограмм на исследование. В исследовании приняли участие одиннадцать ветеринарных рентгенологов, каждый из которых предоставил в среднем 24,8 рентгенологических отчетов (диапазон 24–25), что в среднем составило 5,46 отчетов на исследование. Консенсус установил несбалансированную выборку с 84% нормальных результатов и 16% аномальных.

Были определены рентгенологи с худшими, средними и наилучшими показателями эффективности. Программное обеспечение на основе искусственного интеллекта оказалось значительно точнее, чем любой среднестатистический рентгенолог. Однако существенной разницы в результатах между лучшим рентгенологом и программным обеспечением на основе искусственного интеллекта не наблюдалось. Таким образом, «программное обеспечение ИИ оказалось не менее точным, чем любой рентгенолог, подтвердив нашу первую гипотезу».

Поскольку частота аномалий в выборке составляла 16%, «она была несбалансированной», а эффективность обнаружения аномалий сильно различалась. В то время как худший рентгенолог обнаружил лишь немногим более 6 из 10 аномалий, средний рентгенолог обнаружил более 8 из 10 аномалий, а лучший рентгенолог обнаружил 92% аномалий. В этом случае «люди-рентгенологи, как правило, обнаруживали аномалии значительно лучше, чем программное обеспечение на основе искусственного интеллекта (68,8%), при этом 9 рентгенологов были значительно более чувствительны». Чувствительность двух рентгенологов существенно не отличалась от чувствительности программного обеспечения на основе искусственного интеллекта.

При анализе способностей наблюдателей обнаруживать нормальность была обнаружена обратная картина по сравнению с чувствительностью. Программное обеспечение на основе искусственного интеллекта обнаружило 94,4% всех нормальных результатов, в то время как лучший рентгенолог-человек обнаружил только 93,6% нормальных результатов, средний рентгенолог-человек обнаружил 88,3% нормальных результатов, а худший рентгенолог-человек обнаружил 79,8% нормальных результатов. «Программное обеспечение ИИ значительно превзошло десять рентгенологов». Однако ветеринарный рентгенолог оказался столь же хорош в определении отклонений от нормы, как и программное обеспечение на основе искусственного интеллекта.

Тестирование в условиях высокой неопределенности

Для проверки второй гипотезы исследования были отобраны случаи с высокой степенью неоднозначности, в которых рентгенологические данные были более детализированными и требовали более подробного клинического контекста. В ситуации высокой неоднозначности точность снизилась для худшего (0,484), среднего (0,650) и лучшего рентгенологов (0,741), а также для программного обеспечения на основе ИИ (0,701). «Программное обеспечение на основе ИИ оказалось значительно точнее, чем семь рентгенологов, но незначительно менее точно, чем лучший рентгенолог, что опровергает нашу вторую гипотезу». ИИ не обнаружил отклонений так же, как и семь рентгенологов. По их словам, с точки зрения специфичности ИИ показал себя значительно лучше всех рентгенологов, за исключением двух, но значительно хуже лучшего рентгенолога.

«Наша гипотеза о том, что рентгенологи-люди превзойдут ИИ по точности в крайне неоднозначной ситуации, предполагала, что пластичность человеческого мышления лучше подойдет для этого, чем механистическое распознавание образов ИИ на основе конечного обучающего набора, но в этом исследовании это было опровергнуто».

Подводя итог, исследователи приходят к выводу, что современный ИИ для коммерческой ветеринарной радиологии может надежно использоваться для определения описательных результатов на основе рентгенограмм собак и кошек, что делает его пригодным для более широкого использования и повышает доступность экспертов в этой области. Хотя ИИ демонстрирует потенциал для расширения возможностей ветеринарной диагностики, «его оптимальное использование заключается в дополнении к человеческому опыту». Используя сильные стороны ИИ и людей-рентгенологов, ИИ «может повысить точность диагностики, увеличить доступность экспертных мнений и улучшить результаты лечения пациентов в ветеринарной медицине».

https://www.diarioveterinario.com/t/5192775/afirman-ia-radiologia-veterinaria-puede-utilizar-forma-fiable

Источник: www.diarioveterinario.com

Комментарии: