A mesterséges intelligencia használata segíti a medencetörések röntgen diagnosztikáját

Közösségek - MSK | 2020. augusztus 01. 22:56 | Utolsó módosítás dátuma - 2020. október 01. 19:01 | Forrás: https://www.auntminnie.com/index.aspx?sec=sup&sub=xra&pag=dis&ItemID=129710#_=_

A mesterséges intelligencia (AI) DCNN (deep convolutional neural network) használata a röntgenképek elemzéséhez javítja a radiológus teljesítményét a medencetörések azonosításában- írja egy tanulmány, amelyet az European Journal of Radiology publikált.

A mesterséges intelligencia használata segíti a medencetörések röntgen diagnosztikáját

A medencetörések röntgenfelvételen történő észlelése időnként kihívást jelentő feladat.

Dr. Tsubasa Mawatari vezette csoport által kiadott tanulmány azt elemzi, hogy a DCNN potenciálisan azonosíthat olyan vonalakat, amelyek az emberi szem számára nem észlelhetők.

A csípőtörés az időskorúak kórházi ellátásának egyik legyakoribb oka és nagyrészt röntgenvizsgálaton alapul a diagnózisa. Néhány beteg esetén a törésvonal nem azonosítható a rávetülő lágyrészárnyékok vagy technikai okok miatt. A röntgenen rejtve maradó medencetörések becsült aránya 3 és 10% között mozog.

Ezen páciensek esetén további képalkotó vizsgálatokra van szükség (CT vagy MRI), ami nemcsak a kórházi költségeket növeli és további sugárterhelésnek teszi ki a beteget, de a kezelés megkezdését is késlelteti.

Matawari és a kollegái azt feltételezik, hogy a DCNN használata javíthatná a radiológusok teljesítményét a medencetörések azonosításában. Vizsgálatuk során kifejlesztettek egy AI algoritmust, mellyel összevetették a medencetörések röntgenfelvételeit a CT és MRI vizsgálatokkal.

7 radiológus vizsgálta az esetek az AI használatával és anélkül. Összesen 327 beteg vett részt a vizsgálatban, akiknek volt CT vagy MRI vizsgálatuk és azon csípőtörést diagnosztizáltak. Ebből 302 eset segítségével „tanították” a röntgenhez használt AI algoritmust, majd a maradék 25 esetet a rendszer tesztelésére használták.

A csoport vizsgálta a radiológusok és az algoritmus teljesítményét és arra jutottak, hogy az AI algoritmus javította a radiológus teljesítményét.

Összegzés: a szerzők tehát azt állítják, hogy a DCNN fokozhatja a diagnosztikai pontosságot.

 

Referálta: 

Dr. Soltész Ágnes

Debreceni Egyetem Kenézy Gyula Egyetemi Kórház Központi Radiológiai Diagnosztika