AI-ul care poate revoluționa radiologia: identifică tumori, AVC și scleroză multiplă din RMN-uri
Un nou model de inteligență artificială ar putea ajuta radiologii să identifice anomalii cerebrale în scanările RMN pentru orice afecțiune, inclusiv accident vascular cerebral, scleroză multiplă sau tumori cerebrale.
Studiul, realizat de cercetători de la King’s College London și publicat în Radiology AI, arată cum AI-ul ar putea reduce acumularea tot mai mare de examinări, cauzată de deficitul de radiologi și de creșterea constantă a cererii de RMN-uri din ultimul deceniu, potrivit news-medical.
Aceste întârzieri pot afecta semnificativ tratamentul și pot duce la rezultate mai slabe pentru pacienți, deoarece scanările RMN sunt esențiale pentru diagnosticarea și monitorizarea unor afecțiuni cerebrale precum tumorile, AVC-urile și anevrismele.
Inteligența artificială ar putea diminua presiunea asupra departamentelor de radiologie prin trierea scanărilor și prin accelerarea procesului de raportare.
Pentru a demonstra acest lucru, modelul a fost instruit să facă diferența dintre scanările „normale” și „anormale”, reușind să atingă un nivel ridicat de acuratețe în comparație cu evaluările radiologilor experți.
În continuare, modelul a fost testat pe afecțiuni specifice – folosind scanări RMN noi, care nu au fost incluse în setul de date inițial – precum accident vascular cerebral, scleroză multiplă și tumori cerebrale, și a reușit să le recunoască cu acuratețe.
Majoritatea modelelor AI existente sunt construite pe seturi mari de date etichetate manual de radiologi, un proces costisitor și consumator de timp.
Pentru a elimina această barieră, echipa a dezvoltat un model care se antrenează singur, fără intervenția specialiștilor, folosind simultan peste 60.000 de scanări RMN și rapoartele lor radiologice. Cercetătorii au proiectat sistemul astfel încât acesta să poată căuta și recupera cazuri similare pe baza unei imagini sau a unei interogări textuale, precum „gliom”, un tip de tumoră cerebrală — funcție utilă pentru diagnostic sau instruire.
Studiul sugerează că modelul ar putea fi utilizat chiar în momentul scanării pentru a semnala imagini anormale și pentru a sprijini deciziile clinice prin sugerarea posibilelor constatări, detectarea erorilor din rapoarte sau recuperarea cazurilor similare din arhive. Acest lucru ar accelera diagnosticul și ar reduce întârzierile, îmbunătățind rezultatele pentru pacienți.
„Următorul pas este desfășurarea unui studiu multicentric randomizat în Marea Britanie, pentru a vedea în practică modul în care detectarea anomaliilor poate îmbunătăți fluxurile de lucru. Ne bucurăm să anunțăm că acest trial va începe în spitale în 2026”, a declarat Booth.
