Вчені пояснюють, як вживання в їжу різноманітних продуктів знижує ризик хронічних захворювань
Стаття
Згідно з новим масштабним дослідженням, перша у своєму роді генеративна система штучного інтелекту, розроблена в Northwestern Medicine, революціонізує радіологію, підвищуючи продуктивність, виявляючи небезпечні для життя стани за мілісекунди та пропонуючи проривне рішення для глобальної нестачі радіологів.
«Наскільки мені відомо, це перше застосування штучного інтелекту, яке явно покращило продуктивність, особливо в охороні здоров'я. Навіть в інших областях я не бачив нічого близького до 40-відсоткового зростання», – доктор Моцціар Етемаді, старший автор, доцент кафедри анестезіології в Файнберзькій медичній школі Північно-Західного університету та кафедрі біомедичної інженерії в Інженерній школі Маккорміка Північно-Західного університету
Для дослідження система штучного інтелекту була розгорнута в режимі реального часу в мережі 12 лікарень Northwestern Medicine, де за п'ятимісячний період 2024 року було проаналізовано приблизно 24 000 радіологічних звітів.
Потім команда Etemadi порівняла час генерації рентгенографічних звітів і клінічну точність з інструментом штучного інтелекту та без нього. Результати: Покращення ефективності заповнення рентгенографічного звіту в середньому на 15,5% – деякі радіологи досягли приросту до 40% – без шкоди для точності. Подальші роботи, які ще не опубліковані, показують приріст ефективності до 80% і дозволяють використовувати інструмент для комп'ютерної томографії. Зекономлений час дозволив радіологам набагато швидше ставити діагнози, особливо в критичних випадках, коли кожна секунда на рахунку.
За словами авторів дослідження, це перший у світі інструмент генеративної радіології на основі штучного інтелекту, інтегрований у клінічний робочий процес. Це також перший випадок, коли генеративна модель штучного інтелекту продемонструвала як високу точність, так і підвищену ефективність для всіх типів рентгенівських знімків, від черепа до пальців ніг.
На відміну від інших вузьких інструментів штучного інтелекту, які зараз є на ринку, які зосереджені на виявленні одного стану, цілісна модель Northwestern аналізує весь рентгенівський або комп'ютерний скан. Потім він автоматично генерує звіт, який є повним на 95% і персоналізованим для кожного пацієнта, який радіолог може використовувати для використання, перегляду та доопрацювання. Ці звіти узагальнюють ключові висновки та пропонують шаблон, який доповнює діагностику та лікування радіологів.
«Для мене та моїх колег не буде перебільшенням сказати, що це подвоїло нашу ефективність. Це така величезна користь і підсилювач сили», — сказав співавтор доктор Самір Аббуд, керівник відділення екстреної радіології в Північно-Західній медицині та клінічний доцент радіології у Файнберзі.
На додаток до підвищення ефективності, система штучного інтелекту виявляє небезпечні для життя стани, такі як пневмоторакс (колапс легень) в режимі реального часу ще до того, як радіолог подивиться на рентгенівські знімки. У той час як модель штучного інтелекту генерує звіти для кожного зображення, автоматизований інструмент відстежує ці звіти на предмет критичних результатів і зіставляє їх із записами пацієнтів. Якщо система виявляє новий стан, який вимагає термінового втручання, вона може негайно попередити радіологів.
«У будь-який день у відділенні невідкладної допомоги нам може знадобитися переглянути 100 зображень, і ми не знаємо, на якому з них є діагноз, що рятує життя», — сказав Аббуд. «Ця технологія допомагає нам швидше сортувати, тому ми швидше виявляємо найтерміновіші випадки та швидше доставляємо пацієнтів до лікування».
Команда Північно-Західного університету також адаптує модель штучного інтелекту для виявлення потенційно пропущених або відстрочених діагнозів, таких як рак легенів на ранніх стадіях.
Замість того, щоб адаптувати великі, навчені веб-навчанням моделі, такі як ChatGPT, інженери Northwestern побудували власну систему з нуля, використовуючи клінічні дані з мережі Northwestern Medicine. Це дозволило команді створити легку, гнучку модель штучного інтелекту, розроблену спеціально для радіології в Північно-Західному університеті — швидше, точніше і вимагає набагато менше обчислювальної потужності.
«Системам охорони здоров'я не потрібно покладатися на технологічних гігантів», — сказав перший автор доктор Джонатан Хуанг, студент третього курсу Медичної школи Файнбергського університету, який має ступінь доктора філософії в галузі біомедичної інженерії в Маккорміку.
«Наше дослідження показує, що створення кастомних моделей штучного інтелекту є цілком доступним для типової системи охорони здоров'я, без потреби в дорогих і непрозорих сторонніх інструментах, таких як ChatGPT. Ми вважаємо, що ця демократизація доступу до штучного інтелекту є ключовою для його прийняття в усьому світі», – додав Етемаді.
Радіологія стає одним із вузьких місць у сфері охорони здоров'я. Очікується, що до 2033 року в США не вистачатиме до 42 000 радіологів, оскільки обсяги візуалізації щорічно збільшуються на 5%, а кількість місць у радіологічній ординатурі збільшується лише на 2%.
Система штучного інтелекту Northwestern пропонує рішення, яке допомагає радіологам очищати затори та надавати результати за години, а не дні. І хоча ця технологія потужна, вона не замінить людей.
«Вам все ще потрібен радіолог як золотий стандарт», – сказав Аббуд. «Медицина постійно змінюється – нові ліки, нові пристрої, нові діагнози – і ми повинні переконатися, що штучний інтелект не відстає. Наша роль полягає в тому, щоб гарантувати, що кожна інтерпретація є правильною для пацієнта».
Два патенти були схвалені на технологію Northwestern Medicine, а інші знаходяться на різних стадіях процесу затвердження. Інструмент знаходиться на ранніх стадіях комерціалізації.
Дослідження має назву «Ефективність та якість генеративної рентгенографічної звітності з використанням штучного інтелекту».
Джерело: Північно-Західний університет
