אלגוריתם למידה עמוקה עשויה לאבחן באופן מדויק מקרים של דימום תוך-גולגולתי חד בבדיקת CT של הראש, עם תוצאות דומות לאלו המתקבלות ע”י נוירו-רדיולוגים מיומנים מאוד, כך עולה מתוצאות מחקר חדש שפורסמו במהלך חודש אוקטובר בכתב העת Proceedings of the National Academy of Sciences. יתרה מזאת, בחלק מהמקרים טכנולוגיית הבינה המלאכותית זיהתה ממצאים חריגים עדינים, אשר לא זוהו ע”י הרדיולוגים.
החוקרים פיתחו מערכת למידה עמוקה בשם PatchFCN ובחנו את המערכת באמצעות 4,396 בדיקות CT. הם בחנו את תוצאות האלגוריתם אל מול ארבעה רדיולוגים מומחים בסדרה בלתי-תלויה של 200 בדיקות CT ראש שנבחרו באקראי (25 חיוביות ו-175 שליליות).
האלגוריתם הדגים שיעורי דיוק גבוהים לאלגוריתם, עם שטח מתחת לעקומת ה-ROC של 0.991 לזיהוי בדיקות CT חיוביות לדימום תוך-גולגולתי חד, ואלו עלו על הדיוק של 2 מבין 4 הרדיולוגים. בנוסף, האלגוריתם היה בעל רגישות של 100% וסגוליות שהתקרבה ל-90%, כך שמדובר בכלי סקר הולם.
האלגוריתם עשוי לסייע בזיהוי ממצאים חריגים עדינים מאוד ולסווג חריגות לסוגי פתולוגיות שונות. התועלת האפשרית של האלגוריתם כוללת דיוק, או הפחתת מספר הטעויות בפענוח בדיקות הדמיה, לצד קבלת תשובות בשלב מוקדם יותר. האלגוריתם עשוי גם להביא לחסכון בעלויות.
החוקרים קוראים להשלים מחקר עולם-אמיתי להוכחת התועלת של האלגוריתם החדש והחלו ליישם את האלגוריתם לבדיקות CT ממרכזי טראומה ברחבי ארצות הברית.
Proc Natl Acad Sci. Published online October 21, 2019
השאירו תגובה
רוצה להצטרף לדיון?תרגישו חופשי לתרום!