Хотя инструмент для оценки узлов в легких на основе искусственного интеллекта, используемый при низкодозовой компьютерной томографии (НДКТ), помог рентгенологам выявлять больше узлов, имеющих клиническое значение, он не обязательно сократил время интерпретации, согласно исследованию, опубликованному в журнале American Journal of Roentgenology .

Полученные результаты удивительны и заслуживают дальнейших исследований и усовершенствования с помощью искусственного интеллекта, написала группа исследователей под руководством доктора медицинских наук Ый Джин Хвана из Медицинского колледжа Сеульского национального университета в Южной Корее.

«Наше исследование предоставляет прагматические доказательства относительно последствий использования ИИ для интерпретации результатов низкодозовой компьютерной томографии», — отметила группа исследователей, — «но для достижения большей эффективности по времени, вероятно, потребуется дальнейшая оптимизация интеграции инструмента ИИ в существующие системные инфраструктуры».

Инструменты искусственного интеллекта, разработанные для автоматического обнаружения, классификации и измерения узлов в легких, показали многообещающие результаты в экспериментальных условиях, однако данные, полученные в ходе реальной клинической практики, ограничены, пишут авторы. Они пояснили, что предыдущие исследования основывались на ретроспективных исследованиях, проведенных вне клинической практики, — подход, который затем поднимает вопросы о том, насколько наблюдаемые в лаборатории преимущества в эффективности переносятся на реальные рабочие процессы в радиологии.

Хван и его коллеги провели исследование с участием 911 бессимптомных взрослых, которые прошли низкодозовую компьютерную томографию (НДКТ) в рамках самостоятельных профилактических осмотров в больнице Сеульского национального университета в период с мая по сентябрь 2025 года. Исследователи случайным образом распределили участников в группу с использованием ИИ для интерпретации результатов (n=447) и в группу со стандартной интерпретацией без ИИ (n=464).

В экспериментальной группе команда использовала коммерчески одобренный инструмент на основе искусственного интеллекта (Aview Lung Nodule CAD; Coreline Soft ), который идентифицировал, классифицировал и измерял узлы. Десять торакальных радиологов с опытом работы от одного года до 25 лет после окончания ординатуры интерпретировали все исследования и сообщали только о некальцифицированных узлах размером 4 мм и более. Первичным результатом исследования было время интерпретации на одно исследование, а вторичными результатами — частота выявления узлов категории 3 или 4 по шкале Lung-RADS, всех узлов и частота рекомендаций по проведению последующей низкодозовой компьютерной томографии (НДКТ).

Следователи сообщили следующее:

Ни у одного человека ни в одной из групп не был диагностирован рак легких (медиана периода наблюдения составила 216 и 215 дней в контрольной и экспериментальной группах соответственно), написали они.

Хван и его коллеги предположили, что отсутствие экономии времени, вероятно, отражает «реальные ограничения» интеграции ИИ и PACS, а также повышенный контроль, который могут применять радиологи, когда результаты работы ИИ напрямую влияют на ведение пациентов. Они отметили, что, хотя ИИ повысил выявление клинически значимых узлов, он также выдал больше рекомендаций по дальнейшему наблюдению, что поднимает вопрос об использовании ресурсов в последующих этапах лечения в популяциях с низкой распространенностью рака легких.

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