یک مطالعه بزرگ‌مقیاس اخیر که در ۱۲ ژوئیه منتشر شد، نشان داد که هوش مصنوعی (AI) در کاهش حجم کاری رادیولوژیست‌ها در مراکز سرپایی، به‌ویژه در تحلیل عکس‌های رادیوگرافی قفسه سینه، نویدبخش است. این مطالعه که توسط دانشمندان از شرکت Siemens Healthineers انجام شده بود، شامل تست یک الگوریتم بر روی تصاویری از بیش از ۱۴۰۰۰ بیمار در مرکز رادیوگرافی Zwanger-Pesiri Radiology LLP در شمال شرقی ایالات متحده بود. این الگوریتم، که به نام "AI NAD Analyzer" شناخته می‌شود، توانست کیس‌های بدون یافته‌های قابل پیگیری را با حساسیت ۲۹٪ و تحقق تقریبی ۲۱٪ به درستی طبقه‌بندی کند. دقت آن، یا توانایی تمایز تصاویر دارای بیماری از تصاویر بدون بیماری، تقریباً ۹۹٪ بود و نرخ نادیده‌گیری آن تنها ۰. ۳٪ بود. سیستم هوش مصنوعی هیچ گونه یافته بحرانی را از دست نداد و تنها در ۰. ۰۶٪ از موارد یافته‌های مهم را از دست داد.

نویسندگان این مطالعه تاکید کردند که در جمعیت سرپایی، هوش مصنوعی می‌تواند ۲۰٪ از تصاویر رادیوگرافی قفسه سینه را بدون بیماری قابل پیگیری تشخیص دهد که این می‌تواند اجازه دهد که پروتکلی ساده شده برای خواندن اجرا شده و بهره‌وری را بهبود بخشد و حجم کاری روزانه رادیولوژیست‌ها را کاهش دهد. محققان همچنین بر اهمیت یکپارچگی فرآیند کاری و احتیاط در برابر تعصبات ممکن ناشی از نتایج نادرست هوش مصنوعی تاکید کردند. آنها پیشنهاد کردند که نسخه‌های آینده این سیستم می‌تواند AI NAD Analyzer را با سایر سیستم‌های هوش مصنوعی ترکیب کند تا یک سیستم پشتیبانی تصمیم جامع‌تر ایجاد شود. برای خواندن مطالعه کامل، روی لینک ارائه شده کلیک کنید.