Künstliche Intelligenz kann drastisch Zeit benötigt, um Prozess abnorme Brust X-Strahlen

Neue Forschung hat gefunden, dass eine neuartige Künstliche Intelligenz (AI) – system kann drastisch reduzieren die Zeit, die benötigt wird, um sicherzustellen, dass abnorme Brust X-Strahlen, mit kritischen Ergebnissen erhalten eine fachkundige radiologe Meinung nach eher, schneiden die Durchschnittliche Verspätung von 11 Tagen auf weniger als 3 Tagen. Chest X-Strahlen werden routinemäßig durchgeführt, um die diagnose und überwachung einer Vielzahl von Bedingungen, die die Lunge, Herz, Knochen und Weichteile.

Forscher von der WMG an der Universität von Warwick, die Arbeit mit Guy ‘s and St Thomas’ NHS Krankenhäuser, extrahiert einen Datensatz von einer halben Millionen anonymisierte Erwachsenen Brust Röntgenaufnahmen (X-Strahlen) und entwickelt ein KI-system für computer-vision, erkennen zu können, radiologische Auffälligkeiten in der X-Strahlen in Echtzeit und zeigen, wie schnell sich diese Prüfungen gemeldet werden sollten von einem Radiologen. In den Prozess des Aufbaus des KI-system, das team entwickelt und validiert ein Natural Language Processing (NLP) – Algorithmus, der Lesen kann, einen radiologischen Bericht verstehen, die Erkenntnisse erwähnt, die von der reporting radiologe, und automatisch Rückschlüsse auf die Priorität der Prüfung. Durch die Anwendung dieses Algorithmus auf die historischen Prüfungen, das team erzeugt einen großen Umfang der Ausbildung Prüfungen, erlaubt das AI-system zu verstehen, das visuelle Muster in X-rays wurden predictive Ihrer Dringlichkeit Ebene.

Das Forschungsteam, geführt von Professor Giovanni Montana, Chair in Data Science in WMG an der University of Warwick fand heraus, dass normale Brust Röntgenaufnahmen detektiert wurden, mit einer positiven vorhergesagten Wert von 73% und einen negativen prädiktiven Wertes von 99%, und mit einer Geschwindigkeit, die bedeutete, dass abnorme Röntgenaufnahmen mit kritischen Erkenntnisse könnten priorisiert werden, erhalten eine fachkundige radiologe Meinung nach viel früher als üblich.

WMG ist Professor Giovanni Montana sagte, “Künstliche Intelligenz led-reporting der Bildgebung könnte ein wertvolles Instrument zur Verbesserung der Abteilung workflow-und workforce-Effizienz. Die steigenden klinischen Anforderungen an die Radiologie-Abteilungen weltweit hat herausgefordert aktuellen service-delivery-Modellen, insbesondere in öffentlich finanzierten Gesundheitssysteme. Es ist nicht länger möglich für viele Radiologie-Abteilungen mit Ihrer derzeitigen Personalausstattung zu berichten, alle erworbenen plain Röntgenaufnahmen in einer fristgerechten Weise, die zu große Rückstände von nicht gemeldeten Studien. Im Vereinigten Königreich wird geschätzt, dass zu jeder Zeit gibt es über 300.000 Röntgenaufnahmen warten über 30 Tage für die Berichterstattung. Die Ergebnisse dieser Untersuchungen zeigen, dass alternative Modelle der Pflege, wie computer-vision-algorithmen, die verwendet werden könnten, erheblich reduziert Verzögerungen in den Prozess der Identifizierung und handeln auf abnorme Röntgenstrahlen-vor allem für den Brust-Röntgenaufnahmen, welche für 40% aller diagnostischen Bildgebung weltweit durchgeführt. Die Anwendung dieser Technologien erstreckt sich auch auf viele andere imaging-Modalitäten einschließlich MRI und CT.”