Künstliche Intelligenz verbessert die Genauigkeit der Radiologen bei der Erkennung von Brustkrebs

Künstliche Intelligenz (KI) verbessert die Genauigkeit der Brustkrebs -Erkennung von Radiologen beim Lesen von Mammogrammen Radiologieein Journal der Radiological Society of North America (RSNA).

Frühere Untersuchungen haben gezeigt, dass KI zur Entscheidungsunterstützung die Leistung der Radiologen verbessert, indem sie die Empfindlichkeit für die Erkennung von Krebs erhöht, ohne die Lesezeit zu verlängern. Der Einfluss der KI auf die visuellen Suchmuster der Radiologen bleibt jedoch untererspalter.

Um mehr zu erfahren, verwendeten Forscher ein Augenverfolgungssystem, um die Leistung der Radiologen und visuelle Suchmuster beim Lesen von Mammogrammen ohne und mit einem KI -Entscheidungsunterstützungssystem zu vergleichen. Das System umfasste ein kleines vor dem Bildschirm befindlicher kleiner Kamera-basiertes Gerät mit zwei Infrarotlichtern und einer zentralen Kamera. Die Infrarotlichter beleuchten die Augen des Radiologen, und die Reflexionen werden von der Kamera erfasst, sodass die genauen Koordinaten der Augen des Radiologen auf dem Bildschirm berechnet werden.

Durch die Analyse dieser Daten können wir bestimmen, auf welche Teile der Mammogramme der Radiologe konzentriert und wie lange wertvolle Einblicke in ihre Lesemuster liefern. „

Jessie JJ Gommers, M.Sc., Gemeinsamer Erstautor der Studie des Abteilung für medizinische Bildgebung, Radboud University Medical Center in Nijmegen, Niederlande

In der Studie lesen 12 Radiologen Mammographieuntersuchungen von 150 Frauen, darunter 75 mit Brustkrebs und 75 ohne.

Die Genauigkeit der Brustkrebs -Erkennung bei den Radiologen war mit der AI -Unterstützung im Vergleich zu ungeteiltem Lesen höher. Es gab keinen Hinweis auf einen Unterschied in der mittleren Empfindlichkeit, Spezifität oder Lesezeit.

„Die Ergebnisse sind ermutigend“, sagte Gommers. „Mit der Verfügbarkeit der KI -Informationen haben sich die Radiologen deutlich besser entwickelt.“

Die Augenverfolgungsdaten zeigten, dass Radiologen mehr Zeit damit verbrachten, Regionen zu untersuchen, die tatsächliche Läsionen enthielten, als KI -Unterstützung verfügbar war.

„Radiologen schienen ihr Leseverhalten auf der Grundlage des Verdachts der KI anzupassen: Als die KI eine niedrige Punktzahl erzielte, beruhigte sie wahrscheinlich Radiologen und hilft ihnen, sich schneller durch eindeutig normale Fälle zu bewegen“, sagte Gommers. „Umgekehrt veranlassten die hohen KI -Werte Radiologen, ein zweites, sorgfältigeres Aussehen zu werfen, insbesondere in anspruchsvolleren oder subtileren Fällen.“

Die Region Markierungen der KI funktionierten wie visuelle Hinweise, so Gommers und leitete die Aufmerksamkeit der Radiologen auf potenziell verdächtige Bereiche. Im Wesentlichen, so sagte sie, fungierte die KI als zusätzliche Augen und lieferte den Radiologen zusätzliche Informationen, die sowohl die Genauigkeit als auch die Effizienz der Interpretation verbesserten.

„Insgesamt half AI nicht nur Radiologen, sich auf die richtigen Fälle zu konzentrieren, sondern lenkte ihre Aufmerksamkeit auch auf die relevantesten Regionen in diesen Fällen, was auf eine sinnvolle Rolle bei der Verbesserung der Leistung und der Effizienz des Brustkrebs -Screenings hinweist“, sagte Gommers.

Gommers stellte fest, dass die Übersteuerung auf fehlerhafte KI -Vorschläge zu fehlenden Krebsarten oder unnötigen Rückrufen für zusätzliche Bildgebung führen könnte. Mehrere Studien haben jedoch festgestellt, dass AI ebenso wie Radiologen in der Mammographie -Interpretation durchgeführt werden können, was darauf hindeutet, dass das Risiko fehlerhafter KI -Informationen relativ niedrig ist.

Um das Risiko von Fehlern zu mildern, ist es wichtig, dass die KI sehr genau ist und dass sich die Radiologen für ihre eigenen Entscheidungen verantwortlich fühlen.

„Die Aufklärung von Radiologen darüber, wie die KI -Informationen kritisch interpretiert werden können, ist der Schlüssel“, sagte sie.

Die Forscher führen derzeit zusätzliche Leserstudien durch, um zu untersuchen, wann KI -Informationen zur Verfügung gestellt werden sollen, z. B. sofort nach dem Öffnen eines Falls gegenüber Anfrage. Darüber hinaus entwickeln die Forscher Methoden, um vorherzusagen, ob KI über ihre Entscheidungen nicht sicher ist.

„Dies würde eine selektivere Nutzung der KI -Unterstützung ermöglichen und sie nur dann anwenden, wenn es wahrscheinlich einen sinnvollen Nutzen bietet“, sagte Gommers.

Quellen: