Согласно исследованию, опубликованному в журнале Radiology , искусственный интеллект (ИИ) повышает точность диагностики рака молочной железы у рентгенологов при анализе скрининговых маммограмм, помогая им уделять больше внимания подозрительным областям.

Предыдущие исследования показали, что ИИ для поддержки принятия решений повышает эффективность работы рентгенологов, повышая чувствительность диагностики рака без увеличения времени, затрачиваемого на считывание данных. Однако влияние ИИ на визуальные паттерны поиска рентгенологов остаётся недостаточно изученным.

Чтобы получить более подробную информацию, исследователи использовали систему отслеживания движения глаз для сравнения эффективности работы рентгенологов и особенностей визуального поиска при анализе скрининговых маммограмм без использования системы поддержки принятия решений на основе искусственного интеллекта и с её использованием. Система включала небольшое устройство с камерой, расположенное перед экраном, двумя инфракрасными источниками света и центральной камерой.

Инфракрасные лучи освещают глаза рентгенолога, а отражения улавливаются камерой, что позволяет вычислить точные координаты глаз рентгенолога на экране.

«Анализируя эти данные, мы можем определить, на каких участках маммограмм фокусируется рентгенолог и как долго, что дает ценную информацию о моделях интерпретации снимков», — говорит Джесси Дж. Дж. Гоммерс, магистр наук из отделения медицинской визуализации Медицинского центра Университета Радбауд в Неймегене, Нидерланды, соавтор исследования.

В ходе исследования 12 рентгенологов проанализировали результаты маммографических исследований 150 женщин, в том числе 75 с раком молочной железы и 75 без него.

Точность диагностики рака молочной железы среди рентгенологов была выше при использовании ИИ по сравнению с чтением без вспомогательных средств. Различий в средней чувствительности, специфичности или времени чтения не обнаружено.

«Результаты обнадёживают», — сказал Гоммерс. «Благодаря информации, полученной с помощью ИИ, рентгенологи справились значительно лучше».

Данные слежения за движениями глаз показали, что рентгенологи тратили больше времени на изучение областей, содержащих реальные поражения, при наличии поддержки ИИ.

«Рентгенологи, по-видимому, корректировали свои действия при считывании данных в зависимости от уровня подозрения ИИ: когда ИИ давал низкую оценку, это, вероятно, успокаивало рентгенологов, помогая им быстрее разбираться с совершенно нормальными случаями», — сказал Гоммерс. «И наоборот, высокие оценки ИИ побуждали рентгенологов проводить повторный, более тщательный анализ, особенно в более сложных или малоизвестных случаях».

По словам Гоммерс, маркировка областей, создаваемая ИИ, функционировала как визуальные подсказки , направляя внимание рентгенологов на потенциально подозрительные области. По сути, ИИ, по её словам, действовал как дополнительная пара глаз, предоставляя рентгенологам дополнительную информацию, которая повышала как точность, так и эффективность интерпретации.

«В целом, ИИ не только помог рентгенологам сосредоточиться на нужных случаях, но и направил их внимание на наиболее важные области в этих случаях, что говорит о значимой роли ИИ в повышении как производительности, так и эффективности скрининга рака молочной железы », — сказал Гоммерс.

Гоммерс отметил, что чрезмерное доверие ошибочным рекомендациям ИИ может привести к пропуску рака или ненужным повторным обращениям за дополнительной диагностикой. Однако многочисленные исследования показали, что ИИ может интерпретировать результаты маммографии не хуже рентгенологов, что позволяет предположить, что риск получения ошибочной информации от ИИ относительно низок.

Гоммерс отметил, что для снижения риска ошибок важно, чтобы ИИ был высокоточным, а рентгенологи, использующие его, чувствовали ответственность за свои решения.

«Ключевую роль играет обучение рентгенологов тому, как критически интерпретировать информацию, полученную с помощью ИИ», — сказала она.

В настоящее время исследователи проводят дополнительные исследования, чтобы выяснить, когда следует предоставлять информацию ИИ, например, сразу после открытия дела или по запросу. Кроме того, исследователи разрабатывают методы прогнозирования неопределённости ИИ в своих решениях.

«Это позволит более избирательно использовать поддержку ИИ, применяя ее только тогда, когда это, вероятно, принесет значимую пользу», — сказал Гоммерс.

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.