A mesterséges intelligencia használata segíti a medencetörések röntgen diagnosztikáját
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 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