Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Effectiveness of using artificial intelligence technologies for dual descriptions of the results of preventive lung examinations
7
Zitationen
10
Autoren
2022
Jahr
Abstract
<h3></h3> Методы лучевой диагностики все более масштабно применяются при массовых профилактических осмотрах (скринингах) для выявления различных патологических состояний. С целью повышения эффективности программ скрининга в ряде ведущих стран мира предусмотрены двойные описания результатов исследований, что неоспоримо увеличивает рабочую нагрузку на врачей-рентгенологов. В связи с эти крайне актуальной становится задача автоматизированного анализа результатов скрининговых исследований. <h3>ЦЕЛЬ ИССЛЕДОВАНИЯ</h3> Оценить влияние делегирования полномочий по выполнению первого описания медицинскому программному обеспечению на основе технологий искусственного интеллекта (ИИ) на длительность процесса двойного описания результатов флюорографии. <h3>МАТЕРИАЛ И МЕТОДЫ</h3> Исследование выполнено на базе Московского референс-центра лучевой диагностики (ГБУЗ «НПКЦ ДиТ ДЗМ»). В исследование включено 13 901 флюорографическое исследование. Реализованы два сценария двойного описания исследований: в первом случае участвовали врач-рентгенолог и алгоритм ИИ, во втором — два врача-рентгенолога. Просмотр результатов ИИ и описание исследований проводилось в Едином радиологическом информационном сервисе Единой медицинской информационно-аналитической системы города Москвы. Выполнен статистический анализ данных. <h3>РЕЗУЛЬТАТЫ</h3> По сценарию №1 проведено двойное описание 1435 результатов флюорографии, по сценарию №2 — 12 446. В первом сценарии врач, получив данные машинного анализа, затрачивал на подготовку заключения в среднем 0,9±3,0 мин. Во втором сценарии продолжительность работы врача, осуществлявшего первый просмотр, составила 0,8±2,1 мин; второй просмотр — 0,4±1,0 мин. Общая длительность проведения двойного описания в формате «врач + ИИ» колебалась от 0,7 до 1241,2 мин, составив в среднем 199,3±330,3 мин. Во втором сценарии общая длительность проведения двойного описания составила 1 838,5±3671,4 мин. <h3>ЗАКЛЮЧЕНИЕ</h3> Делегирование первого описания алгоритму искусственного интеллекта принципиально ускоряет предоставление результатов флюорографии, повышая их доступность для обследованных лиц и медицинских работников, направляющих пациентов на обследование. Актуальнейшим вопросом становится точность работы соответствующих технологий искусственного интеллекта, а обязательность их регистрации в качестве медицинского изделия не подлежит дальнейшему обсуждению.
Ähnliche Arbeiten
New response evaluation criteria in solid tumours: Revised RECIST guideline (version 1.1)
2008 · 28.787 Zit.
TNM Classification of Malignant Tumours
1987 · 16.123 Zit.
A survey on deep learning in medical image analysis
2017 · 13.485 Zit.
Reduced Lung-Cancer Mortality with Low-Dose Computed Tomographic Screening
2011 · 10.734 Zit.
The American Joint Committee on Cancer: the 7th Edition of the AJCC Cancer Staging Manual and the Future of TNM
2010 · 9.099 Zit.