Sztuczna inteligencja skraca czas odczytu zdjęć RTG o 25%, jak wynika z badania opublikowanego w JACR. Rośnie zaufanie lekarzy do raportów AI, choć wciąż wymagają nadzoru.
W skrócie:
- Czas potrzebny radiologom na analizę zdjęć RTG klatki piersiowej spadł średnio z 25,8 do 19,3 sekundy, co stanowi redukcję o niemal jedną czwartą.
- Akceptowalność raportów AI, czyli odsetek opisów zatwierdzonych bez poprawek, wzrosła z 54,6% do 60,2%, co wskazuje na rosnące zaufanie do technologii.
- Model AI (KARA-CXR) radził sobie lepiej z prawidłowymi wynikami (68,9% akceptacji) niż ze zdjęciami wykazującymi nieprawidłowości (52,6% akceptacji).
Radiologia to dziedzina, w której każda sekunda ma znaczenie, a ludzkie oko – choć niezastąpione – bywa zmęczone. Dlatego wieści płynące z bostońskiego Mass General Brigham i opublikowane na łamach prestiżowego Journal of the American College of Radiology (JACR) brzmią jak scenariusz z przyszłości, która właśnie nadeszła. Naukowcy postanowili sprawdzić, jak poradzi sobie sztuczna inteligencja w roli asystenta radiologa. Do eksperymentu wykorzystali publicznie dostępny zbiór 756 zdjęć rentgenowskich klatki piersiowej oraz model AI o nazwie KARA-CXR, stworzony przez Kakao Brain wyłącznie do celów badawczych. Efekty? Co najmniej obiecujące.
Jak szybko AI potrafi postawić diagnozę?
Główny wniosek z badania jest prosty i mocny – AI znacząco przyspiesza pracę. Średni czas, jakiego pięciu radiologów biorących udział w eksperymencie potrzebowało na interpretację jednego zdjęcia, skurczył się z 25,8 do zaledwie 19,3 sekundy. To spadek o prawie 25%. Przeliczając to na setki badań, z którymi radiolog mierzy się każdego dnia, mówimy o oszczędnościach idących w godziny. Godziny, które można przeznaczyć na bardziej złożone przypadki lub po prostu na złapanie oddechu w niezwykle wymagającej pracy.
Model KARA-CXR miał za zadanie wygenerować wstępny raport zawierający wyłącznie opis znalezisk, bez formułowania ostatecznych wniosków czy zaleceń. Tę część pozostawiono człowiekowi. Badanie pokazało jednak, że lekarze coraz chętniej polegają na maszynowej analizie. Wskaźnik “akceptowalności”, czyli odsetek raportów AI zatwierdzonych przez specjalistę bez żadnych poprawek, wzrósł w trakcie trwania eksperymentu z 54,6% do 60,2%. Jak ujęli to autorzy badania, sugeruje to “rosnące zaufanie do raportów generowanych przez AI w miarę upływu czasu”. Zaufanie, które buduje się powoli, ale konsekwentnie.
Czy maszyna widzi więcej niż człowiek?
Diabeł, jak zwykle, tkwi w szczegółach. Sztuczna inteligencja okazała się znacznie skuteczniejsza w ocenie zdjęć, na których nie było żadnych nieprawidłowości. W takich przypadkach jej raporty akceptowano bez zastrzeżeń w 68,9% przypadków. To logiczne – łatwiej opisać normę niż patologię. Kiedy jednak na zdjęciu pojawiały się anomalie, wskaźnik akceptacji spadał do 52,6%. To wyraźny sygnał, że na obecnym etapie rozwoju technologii ludzki nadzór, doświadczenie i intuicja pozostają kluczowe, zwłaszcza w diagnostyce skomplikowanych schorzeń.
Sami badacze studzą nieco entuzjazm. Podkreślają, że ich odkrycia uwypuklają potrzebę ludzkiej weryfikacji w trudnych diagnostycznie sytuacjach. “Co prawda radiolodzy czuli się coraz bardziej komfortowo, zatwierdzając raporty generowane przez AI bez modyfikacji, niekoniecznie wpłynęło to na trafność diagnostyczną ostatecznych raportów” – czytamy w publikacji. To ważna uwaga. Oszczędność czasu jest istotna, ale nigdy nie może odbywać się kosztem precyzji diagnozy i bezpieczeństwa pacjenta.
Co dalej z AI w medycznych gabinetach?
Eksperyment z Bostonu to kolejny krok na drodze do integracji AI z systemem opieki zdrowotnej. Nie jest to jeszcze rewolucja, która pozbawi radiologów pracy – raczej ewolucja narzędzi, które mają im tę pracę ułatwić. Dr Eun Kyoung Hong, główna autorka badania, podkreśla, że potrzebne są dalsze analizy, najlepiej prowadzone w realnych warunkach klinicznych, a nie w laboratoryjnym zaciszu.
“Przyszłe badania powinny zbadać sposoby na zwiększenie dokładności (…) wstępnych raportów generowanych przez AI oraz sprawdzić, jak rosnące zaufanie do AI wpływa na podejmowanie decyzji i wydajność diagnostyczną radiologów” – stwierdziła dr Hong. Innymi słowy, musimy dowiedzieć się, czy ciągła ekspozycja na raporty AI zmieni progi akceptacji u lekarzy i jak takie zmiany mogą wpłynąć na decyzje kliniczne oraz losy pacjentów. Technologia jest gotowa, ale my musimy nauczyć się z niej mądrze korzystać. A to – jak pokazuje historia – jest zawsze najtrudniejszym elementem każdej innowacji.