Лента новостей → Программное обеспечение для сортировки пациентов на основе ИИ значительно сокращает время выполнения рентгенологических заключений, но с оговоркой
Согласно новому исследованию, опубликованному в понедельник, программное обеспечение для сортировки пациентов на основе искусственного интеллекта может значительно сократить время выполнения радиологических заключений при оценке результатов КТ на предмет тромбоэмболии легочной артерии.
Такие устройства точно определяют результаты обследований пациентов, содержащие срочные результаты, и отдают им приоритет при рассмотрении в очереди на рентгенологический осмотр. Это может помочь им быстрее сообщать о неотложных проблемах, что приводит к более раннему началу лечения и улучшению результатов, пишут эксперты в JACR .
Исследователи из Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США и Чикагского университета недавно решили оценить одно из таких программных обеспечений, чтобы понять, как оно может повысить эффективность. Они обнаружили очевидные преимущества: устройство помогло сократить время выполнения заказов в обычном режиме работы, но не в нерабочее время, говорится в анализе.
«Это исследование было мотивировано противоречивыми результатами в недавней литературе относительно преимуществ устройств сортировки на основе ИИ для экономии времени в клинических условиях», – написали 29 сентября Йи Лам Элим Томпсон , доктор философии, старший научный сотрудник FDA, и соавторы. «Анализируя когорты пациентов в рабочее и нерабочее время отдельно, мы обнаружили, что сортировка на основе ИИ значительно сокращает время обработки отчетов в периоды высокой рабочей нагрузки, но оказывает минимальное влияние, когда клиника менее загружена».
В анализе было использовано более 11 000 КТ-ангиографии легких (КТ-ангиографии легких) взрослых с контрастным усилением для визуализации кровеносных сосудов в легких, с подозрением на тромбоэмболию легочной артерии, зарегистрированных в Чикагском университете в период с 2018 по 2022 год. Рентгенологи обрабатывали отчеты с помощью программного обеспечения Microsoft (ранее Nuance) и протестированного программного обеспечения для триажа BriefCase производства Aidoc. Устройство предназначено для выявления подозрения на тромбоэмболию легочной артерии при КТ-ангиографии с заявленной чувствительностью (правильное определение заболевания при наличии) 90,6% и специфичностью (выявление пациентов без тромбоэмболии легочной артерии) 89,9%. Томпсон и соавторы извлекли из системы более 527 000 записей, чтобы установить базовый уровень времени считывания данных.
Среднее время выполнения заказа до внедрения искусственного интеллекта составляло около 68,9 минут в обычные рабочие часы, а затем сократилось до 46,7 минут, что на 32,2%. Однако в нерабочее время изменение было менее значительным: с 44,8 минут до внедрения искусственного интеллекта до 42 минут после внедрения программного обеспечения, что составляет изменение почти на 6,3%. Клинически наблюдаемая экономия времени в обычные рабочие часы (около 22,2 минут) была признана «значительной», в то время как экономия в нерабочее время (около 2,82 минут) — нет, заключили авторы. Исследователи также использовали ранее разработанную вычислительную модель QuCAD, которая моделирует и прогнозирует время выполнения отчётов на основе различных факторов, таких как численность персонала.
Исследование различных сценариев рабочего процесса с помощью вычислительной модели подтвердило, что небольшие изменения параметров рабочего процесса приводят к разным выводам относительно преимуществ экономии времени при сортировке на основе ИИ.
«Благодаря этому моделированию мы обнаружили, что на экономию времени могут существенно влиять параметры клинического рабочего процесса, включая время между поступлением пациентов на обследование, количество рентгенологов, время, затрачиваемое рентгенологом на считывание данных, распространенность заболеваний и диагностическую эффективность ИИ», — заключили авторы. «Наши результаты подчеркивают важнейшую роль клинического рабочего процесса в определении эффективности устройств для сортировки пациентов на основе ИИ, поскольку экономия времени может проявляться не во всех клинических ситуациях. Вычислительная модель QuCAD может помочь пользователям понять клинические условия, при которых устройство для сортировки пациентов на основе ИИ может обеспечить оптимальную экономию времени».
Подробнее, в том числе о возможных ограничениях исследования, читайте в Журнале Американского колледжа радиологии .
Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.