AI는 흉부 X선 분석에서 방사선 전문의의 작업량을 줄입니다: 연구

Brief news summary

Siemens Healthineers는 외래 환경에서 방사선 전문의의 작업량에 미치는 영향을 평가하기 위해 인공지능(AI)을 사용하는 연구를 수행했습니다. 이 알고리즘은 14,000명 이상의 환자 방사선 사진에서 테스트되어 유망한 결과를 보였습니다. AI 시스템은 '특이사항 없음' 사례를 민감도 29%와 약 21%의 수확률로 정확히 분류했습니다. 그 특이도는 거의 99%였으며 누락률은 단 0.3%에 불과했습니다. 중요한 소견이 누락되는 것은 0.06%의 빈도로 드물었습니다. 연구자들은 AI 시스템이 조치가 필요 없는 흉부 방사선을 식별하는 데 도움이 될 수 있지만 방사선 전문의의 검토가 여전히 중요하다고 강조했습니다. 그들은 AI 시스템의 결과를 사용하여 긴급 사례를 우선적으로 처리하고 워크플로를 간소화할 것을 제안했습니다. 또한, 이 AI 시스템을 다른 시스템과 결합하면 의사 결정 지원이 향상될 수 있습니다. 연구자들은 워크플로 통합의 중요성과 AI 시스템의 최적 성능을 위한 지속적인 품질 관리의 중요성을 강조하며 결론을 내렸습니다.

7월 12일에 발표된 최근 대규모 연구에 따르면 인공지능(AI)이 외래 환경에서 특히 흉부 X선 분석에서 방사선 전문의의 작업량을 줄이는 데 유망한 것으로 나타났습니다. Siemens Healthineers의 과학자들이 수행한 이 연구는 미국 북동부에 있는 외래 영상 센터인 Zwanger-Pesiri Radiology LLP의 14, 000명 이상의 환자 방사선 사진에서 알고리즘을 테스트했습니다. 'AI NAD Analyzer'라는 알고리즘은 민감도 29%와 약 21%의 수확률로 조치 가능한 소견이 없는 사례를 올바르게 분류할 수 있었습니다. 질환이 있는 이미지를 구별하는 특이도는 약 99%였으며 누락률은 단 0. 3% 사례에 불과했습니다. AI 시스템은 중요한 소견을 간과하지 않았으며 중요한 소견을 놓친 경우는 단 0. 06%에 불과했습니다.

이 연구 저자들은 외래 환자 인구에서 AI가 20%의 흉부 방사선을 조치가 필요 없는 질병으로 식별할 수 있으며, 이는 잠재적으로 효율성을 높이고 방사선 전문의의 일일 작업량을 줄일 수 있는 간소화된 판독 프로토콜을 가능하게 할 수 있다고 언급했습니다. 연구자들은 또한 워크플로우 통합의 중요성과 잘못된 AI 결과로 인한 잠재적 편견에 대한 경고를 강조했습니다. 그들은 시스템의 향후 버전이 다른 AI 시스템과 'AI NAD Analyzer'를 결합하여 보다 포괄적인 의사 결정 지원 시스템을 만들 수 있다고 제안했습니다. 전체 연구를 읽으려면 제공된 링크를 클릭하십시오.