Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#News
{{{sourceTextContent.title}}}
L'intelligenza artificiale accelera l'analisi dell'esame radiografico del torace
{{{sourceTextContent.subTitle}}}
Un sistema novello di intelligenza artificiale (AI) può ridurre drammaticamente il tempo stato necessario per ricevere un'opinione esperta del radiologo sulla radiografia del torace anormale con i risultati critici, reclama un nuovo studio.
{{{sourceTextContent.description}}}
Sviluppato dai ricercatori all'College Londra (KCL di re; Il Regno Unito), l'università di Warwick (Coventry, Regno Unito) ed altre istituzioni, il sistema di AI sono stati sviluppati facendo uso di 470.388 radiografie del torace adulte istituzionali completamente anonimizzate hanno acquistato dal 2007 al 2017. I rapporti accompagnanti della radiologia sono stati preelaborati facendo uso di un sistema interno di elaborazione del linguaggio naturale (NLP) che modella la lingua radiologica, che ha analizzato i rapporti del testo per dare la priorità ad ogni radiografia come critico, urgente, non urgente, o normale.
Un insieme di due reti neurali dell'avvolgimento profonde (CNNs) poi è stato preparato per predire la priorità clinica dagli aspetti radiologici da solo. La prestazione del sistema nella priorità della radiografia è stata provata in una simulazione usando un insieme indipendente di 15.887 radiografie. La prestazione di previsione è stata valutata con l'area nell'ambito della curva ROC, con la sensibilità, la specificità, il valore predittivo positivo (PPV) ed il valore predittivo negativo (NPV) anche determinato, con l'intenzione di automatizzare la segnalazione adulta in tempo reale delle radiografie del torace basata sull'aspetto di immagine.
I risultati hanno rivelato che le radiografie del torace normali (usate per diagnosticare e controllare una vasta gamma di circostanze che colpiscono i polmoni, il cuore, le ossa ed i tessuti molli) sono state individuate dal sistema di AI con una sensibilità di 71%, una specificità di 95%, PPV di 73% e NPV di 94%. Il termine di elaborazione medio che usando gli algoritmi è stato ridotto a partire da 11,2 agli appena 2,7 giorni per i risultati critici della rappresentazione e i 7,6 - 4,1 giorni per i risultati urgenti della rappresentazione, in paragone ai dati storici. Lo studio è stato pubblicato il 19 gennaio 2019, in radiologia.
«Le esigenze cliniche aumentanti nei confronti degli instituti della radiologia universalmente hanno sfidato i modelli correnti di prestazione di servizi. Non è più fattibile per molti instituti della radiologia con il loro livello di assunzione di personale corrente da riferire tempestivamente tutto il MD normale acquistato delle radiografie, conducendo ai grandi lavori arretrati degli studi non riferiti,» ha detto l'autore Professor senior Giovanni Montana, dell'università di Warwick. «nel Regno Unito, è stimato che in qualunque momento ci sia oltre 300.000 radiografie che aspettano oltre i 30 giorni riferire. I modelli alternativi di cura, quali gli algoritmi di dispositivo ottico del computer, hanno potuto essere usati notevolmente per ridurre i ritardi nel corso dell'identificazione e dell'agire sui raggi x anormali -- specialmente per le radiografie del torace.»
L'uso del CNN una cascata di molti strati delle unità di elaborazione non lineari per le immagini o altri dati caratterizzare estrazione e trasformazione, con ogni strato successivo facendo uso dell'uscita dallo strato precedente come input per formare una rappresentazione gerarchica.