| Popis |
Umělá inteligence (AI) se stále častěji uplatňuje v radiologii, kde nabízí potenciál zlepšit přesnost a efektivitu diagnostiky, zejména při hodnocení běžných zobrazovacích metod, jako jsou RTG snímky hrudníku. Tato studie analyzuje výkonnost komerčního softwaru využívajícího strojové učení, resp. metody umělé inteligence (Carebot AI CXR; Carebot s.r.o.) při detekci abnormalit na RTG snímcích hrudníku ve srovnání s nezávislými hodnoceními tří radiologů různé úrovně zkušeností. Výzkum byl proveden ve spolupráci s Nemocnicí Tábor, která poskytla dataset 207 anonymizovaných RTG snímků, z nichž 196 bylo vyhodnoceno jako relevantních. Senzitivita a specificita AI byla porovnána s lidským hodnocením v pěti kategoriích abnormalit: atelektáza (ATE), konsolidace (CON), zvětšení srdečního stínu (CMG), pleurální výpotek (EFF) a plicní léze (LES). Software Carebot AI CXR dosáhl vysoké senzitivity ve všech hodnocených kategoriích (např. ATE: 0,909, CMG: 0,889, EFF: 0,951), přičemž jeho výkon byl konzistentní napříč všemi nálezy. Naopak specificita AI byla v některých kategoriích nižší (např. EFF: 0,792, CON 0,895), zatímco u radiologů dosahovala ve většině případů hodnot blížících se 1,000 (např. RAD 1 a RAD 2 EFF: 1,000). AI vykazovalo konzistentně vyšší senzitivitu než méně zkušení radiologové (např. RAD 1 ATE: 0,087, CMG: 0,327) a v některých případech i než zkušenější hodnotitelé, avšak za cenu mírného snížení specificity. Studie zahrnuje také kazuistiky, včetně falešně pozitivních a falešně negativních nálezů, které přispívají k hlubšímu pochopení výkonu AI v klinické praxi. Výsledky naznačují, že AI může efektivně doplňovat práci radiologů, zejména u méně zkušených lékařů, a zlepšit senzitivitu diagnostiky na RTG snímcích hrudníku.
|