Een recente grootschalige studie, gepubliceerd op 12 juli, heeft aangetoond dat kunstmatige intelligentie (AI) veelbelovend is in het verminderen van de werklast van radiologen in poliklinische settings, specifiek bij de analyse van thoraxfoto's. De studie, uitgevoerd door wetenschappers van Siemens Healthineers, betrof het testen van een algoritme op radiografieën van meer dan 14. 000 patiënten bij Zwanger-Pesiri Radiology LLP, een poliklinisch beeldvormingscentrum in het noordoosten van de VS. Het algoritme, genaamd 'AI NAD Analyzer', was in staat om gevallen zonder actievere bevindingen correct te classificeren met een gevoeligheid van 29% en een opbrengst van bijna 21%. De specificiteit, ofwel het vermogen om beelden met ziekte van die zonder te onderscheiden, was ongeveer 99%, met een miss rate van slechts 0, 3% van de gevallen. Het AI-systeem heeft geen kritische bevindingen over het hoofd gezien en miste significante bevindingen in slechts 0, 06% van de gevallen.

De auteurs van de studie merkten op dat AI in een poliklinische populatie 20% van de thoraxfoto's kon identificeren als geen actievere ziekte bevattend, wat mogelijk een gestroomlijnd leesprotocol zou kunnen toestaan, de efficiëntie zou kunnen verbeteren en de dagelijkse werklast voor radiologen zou kunnen verminderen. De onderzoekers benadrukten ook het belang van workflowintegratie en waarschuwden tegen potentiële vooroordelen veroorzaakt door onjuiste AI-resultaten. Ze suggereerden dat toekomstige iteraties van het systeem de AI NAD Analyzer zouden kunnen combineren met andere AI-systemen om een meer uitgebreid beslissingsondersteuningssysteem te creëren. Om de volledige studie te lezen, klik op de verstrekte link.