Sztuczna inteligencja pomaga radiologowi w czytelni odróżnić raka okrężnicy od zapalenia uchyłków

Algorytm głębokiego uczenia się do tomografii komputerowej osiągnął doskonałą dokładność w oddzielaniu raka okrężnicy od ostrego zapalenia uchyłków.

Co więcej, w nowym badaniu, w którym odtworzono warunki panujące w czytelni, model poprawił i znacznie poprawił wydajność diagnostyczną radiologów posiadających certyfikat zarządu oraz rezydentów radiologii.

Algorytm, trójwymiarowa konwolucyjna sieć neuronowa (CNN), został opracowany i zatwierdzony przez radiologów i chirurgów z Uniwersytetu Technicznego w Monachium w Niemczech.

Sieć JAMA jest otwarta Raport zespołu został opublikowany w Internecie 27 stycznia [1].

Sebastian Ziegelmayer, lekI Rickmer Braren, lekarz medycynyOna i jej koledzy pracowali z dokumentacją 585 pacjentów, którzy przeszli tomografię komputerową i operację z powodu raka okrężnicy lub ostrego zapalenia uchyłków w okresie 15 lat, kończącym się w 2020 roku.

Aby opracować swój model, zespół wykorzystał ramki ograniczające na skanach, aby ręcznie zaznaczyć chore jelita wraz z przylegającymi błonami, które łączą jelita ze ścianą jamy brzusznej.

Mieli 10 radiologów oceniających wyniki w warunkach czytelni z pomocą CNN i bez niej. Trzech czytelników było rezydentami z mniej niż trzema latami doświadczenia, czterech było rezydentami z co najmniej trzema latami, a trzech miało certyfikat zarządu. Dwóch z nich było podspecjalistami w dziedzinie gastroenterologii.