12 જુલાઈએ પ્રકાશિત થયેલા તાજેતરના મોટા પાયાના અભ્યાસમાં જાણવા મળ્યું છે કે આર્ટિફિશિયલ ઈન્ટેલિજન્સ (એઆઈ) બાહ્ય દર્દી પરિસ્થિતિઓમાં, ખાસ કરીને છાતીના રેડિયોગ્રાફ્સના વિશ્લેષણમાં રેડિયોલોજિસ્ટનો વર્કલોડ ઘટાડવામાં આશાસ્પદ છે. સિમેન્સ હેલ્થાઇનિયર્સના વૈજ્ઞાનિકો દ્વારા કરાયેલ અભ્યાસમાં એન્ડ્વરગ મૃત્યુ પામેલા 14, 000 થી વધુ દર્દીઓના રેડિયોગ્રાફ્સ પર અલ્ગોરિધમની પરીક્ષણ કરવામાં આવી. એ આલ્ગોરિધમ, જેને "એઆઈ નેડ એનાલાઇઝર" કહેવામાં આવે છે, પાસે 29% સંવેદનશીલતા સાથે કોઈ કાર્યક્ષમ શોધ ના કરવાના કેસોને સાચી રીતે વર્ગીકૃત કરવાની ક્ષમતા હતી અને લગભગ 21% ની પેદાશકારી હતી. તે ની વિશિષ્ટતા, અથવા રોગવાળા છબિઓને વિનાની છબિઓથી અલગ કરવાની ક્ષમતા, લગભગ 99% હતી, ફક્ત 0. 3% કેસોનો અભાવ દર સાથે. એઆઈ સિસ્ટમ કોઈ પણ મહત્વપૂર્ણ શોધના અવગણન કર્યા વગર અને ફક્ત 0. 06% કેસોમાં અગત્યની શોધોની ચૂક કરી હતી.

અભ્યાસના લેખકોએ નોંધ્યું છે કે બાહ્ય દર્દી વસ્તી માં, એઆઈ 20% ના છાતી રેડિયોગ્રાફ્સને ક્યારેય કોઈ કાર્યક્ષમ રોગવિદ્યા વગરના તરીકે ઓળખી શકે છે, જેના કારણે શક્ય છે કે શરૂઆતેલો વાંચન પ્રોટોકોલ સંભવિત રીતે કાર્યક્ષમતા સુધારી શકાય અને રેડિયોલોજિસ્ટ્સની દૈનિક વર્કલોડ ઘટાડી શકે છે. સંશોધકોએ કાર્યપ્રવાહ સંકલનના મહત્વને પણ ભારાથી અને ખોટા એઆઈ પરિણામો દ્વારા સંભવિત પક્ષપાત સામે ચેતવણી આપી હતી. તેઓએ સૂચન કર્યું કે સિસ્ટમના ફ્યુચર ઇટ્રેશન એઆઈ નેડ એનાલાઇઝરની સાથે અન્ય એઆઈ સિસ્ટમ્સને સંકલન કરી વધારે વ્યાપક નિર્ણય આધારિત સિસ્ટમ બનાવી શકે છે. આખા અભ્યાસ વાંચવા માટે, આપેલ લિંક પર ક્લિક કરો.