22:00 
Новая модель искусственного интеллекта может помочь рентгенологам выявлять аномалии головного мозга при МРТ при всех состояниях, включая инсульт, рассеянный склероз и опухоли головного мозга.
Исследование, проведенное исследователями из Королевского колледжа Лондона и опубликованное в Radiology AI, показывает, как искусственный интеллект может решить проблему растущего количества невыполненных заказов из-за нехватки рентгенологов, а также растущего спроса на МРТ из года в год на протяжении более десяти лет.
Эти задержки могут привести к задержкам в лечении и ухудшению результатов лечения пациентов, поскольку МРТ жизненно важны для диагностики и мониторинга ряда состояний головного мозга, таких как опухоли, инсульты и аневризмы.
ИИ может помочь снизить нагрузку на радиологические отделения за счет сортировки сканирований и увеличения скорости отчетности.
Для этого модель сначала попросили различать «нормальные» и «аномальные» сканы, что она и сделала точно по сравнению с оценками экспертов-рентгенологов.
Затем он был протестирован в конкретных условиях — с использованием новых МРТ-сканирований, которые не были включены в обучающие данные, таких как инсульт, рассеянный склероз и опухоли головного мозга, и смог их точно распознать.
Большинство моделей ИИ в настоящее время создаются на основе больших наборов данных, маркируемых вручную опытными рентгенологами, что стоит дорого и требует много времени.
Чтобы преодолеть эту проблему, команда создала модель искусственного интеллекта, которая обучалась (без необходимости привлечения опытных рентгенологов) на более чем 60 000 существующих МРТ головного мозга, одновременно используя соответствующие отчеты о радиологии.
Обучая систему сканированию и языку, который рентгенологи используют для их описания, мы можем научить ее понимать, как выглядят отклонения".
Доктор Томас Бут, старший автор исследования, преподаватель нейровизуализации в Королевском колледже Лондона и консультант-нейрорадиолог в больнице Королевского колледжа.
Исследователи также разработали модель, которая показала, что при
Исследование показывает, что модель можно использовать во время сканирования, чтобы отмечать аномальные результаты сканирования и поддерживать принятие клинических решений, предлагая результаты рентгенологам, обнаруживая потенциальные ошибки в отчетах или извлекая аналогичные случаи из прошлых обследований. диагнозов и сократить задержки в отчетности, что поможет улучшить результаты лечения пациентов.
"Следующим шагом будет проведение рандомизированного многоцентрового исследования по всей Великобритании, чтобы увидеть, как обнаружение отклонений улучшает рабочие процессы на практике. Мы рады сообщить, что это исследование начнется в больницах в 2026 году", прокомментировал Бут.
