Sistem AI secara akurat mendeteksi temuan kunci dalam rontgen dada pasien pneumonia dalam 10 detik – ScienceDaily

Sistem AI secara akurat mendeteksi temuan kunci dalam rontgen dada pasien pneumonia dalam 10 detik – ScienceDaily


Dari 20 menit atau lebih hingga 10 detik.

Peneliti dari Intermountain Healthcare dan Stanford University mengatakan 10 detik adalah tentang seberapa cepat dibutuhkan sistem baru yang mereka pelajari yang menggunakan kecerdasan buatan untuk secara akurat mengidentifikasi temuan kunci dalam rontgen dada pasien di unit gawat darurat yang diduga menderita pneumonia.

Studi tersebut menemukan bahwa temuan ultra-cepat tersebut memungkinkan dokter membaca sinar-X untuk secara akurat mengkonfirmasi diagnosis pneumonia secara signifikan lebih cepat daripada praktik klinis saat ini, memungkinkan pengobatan dimulai lebih cepat, yang sangat penting bagi pasien yang sakit parah yang menderita pneumonia.

Temuan dari studi kolaboratif tersebut akan dipresentasikan pada Kongres Internasional European Respiratory Society 2019, yang diadakan di Madrid, Spanyol, pada Senin, 30 September 2019.

Para peneliti dari Intermountain dan Stanford mempelajari sistem CheXpert, model interpretasi sinar-X dada otomatis yang dikembangkan di Universitas Stanford yang menggunakan kecerdasan buatan, untuk meninjau gambar sinar-X yang diambil di sejumlah unit gawat darurat di rumah sakit Intermountain di seluruh Utah.

Setelah ditinjau, para peneliti menemukan sistem CheXpert mengidentifikasi temuan kunci dalam sinar-X dengan sangat akurat – dengan persetujuan tinggi untuk konsensus tiga ahli radiologi – dalam waktu sekitar 10 detik, yang secara signifikan mengungguli praktik klinis saat ini.

“CheXpert akan menjadi lebih cepat dan seakurat ahli radiologi yang melihat studi. Ini cara baru yang menarik dalam berpikir tentang mendiagnosis dan merawat pasien untuk memberikan perawatan terbaik,” kata Nathan C. Dean, MD, peneliti utama studi tersebut. , dan kepala seksi pengobatan paru-paru dan perawatan kritis di Intermountain Medical Center di Salt Lake City.

Model CheXpert dikembangkan oleh Stanford Machine Learning Group, yang menggunakan 188.000 studi pencitraan dada untuk membuat model yang dapat menentukan apa itu pneumonia dan bukan pneumonia pada sinar-X. Gambar-gambar ini diambil dari Stanford Medical Center di Palo Alto, California

Karena populasi pasien berbeda di setiap lokasi geografis, CheXpert kemudian disesuaikan untuk Utah dengan membaca 6.973 gambar tambahan dari bagian gawat darurat Intermountain.

“Kami telah mengembangkan algoritme pembelajaran mendalam yang dapat secara otomatis mendeteksi pneumonia dan temuan terkait di rontgen dada,” kata Jeremy Irvin, seorang mahasiswa PhD di Stanford, dan anggota tim peneliti. “Dalam studi awal ini, kami telah mendemonstrasikan potensi algoritme dengan memvalidasinya pada pasien di bagian gawat darurat di Intermountain Healthcare. Harapan kami adalah algoritme tersebut dapat meningkatkan kualitas perawatan pneumonia di Intermountain, dari meningkatkan akurasi diagnostik hingga mengurangi waktu hingga diagnosa.”

Di unit gawat darurat biasa, Dr. Dean menjelaskan, pasien yang diduga menderita pneumonia harus menjalani rontgen dada. Sementara membuat gambar-gambar itu adalah proses yang cepat, membacanya dapat memakan waktu karena sinar-X tersebut sejalan dengan gambar lain untuk diinterpretasikan oleh ahli radiologi. Proses tersebut dapat memakan waktu hingga 20 menit atau lebih, yang berarti kemungkinan penundaan dimulainya antibiotik untuk pasien pneumonia yang sangat sakit.

Di bagian gawat darurat Intermountain, laporan radiologi dijalankan melalui Cerner Natural Language Processing (NLP), yang merupakan alat pendukung yang saat ini digunakan untuk mendapatkan informasi yang diperlukan dari laporan ahli radiologi. NLP kemudian memasukkan informasi ke dalam ePNa, bagian alat pendukung keputusan klinis elektronik dari perawatan pneumonia biasa di Intermountain.

Untuk sebagian besar unit gawat darurat di mana ePNa tidak tersedia, model CheXpert dapat memberikan informasi dari rontgen dada langsung ke dokter, kata Dr. Dean.

“Dengan menggunakan sistem CheXpert, kami menemukan waktu interpretasi sangat cepat dan keakuratan laporan sangat tinggi,” tambahnya.

Untuk penelitian ini, ahli radiologi Intermountain mengkategorikan gambar dada dari 461 pasien Intermountain sebagai “kemungkinan”, “kemungkinan-tidak pasti”, “tidak mungkin-tidak pasti,” atau “tidak mungkin” menderita pneumonia. Mereka juga mengidentifikasi gambar yang mereka yakini menunjukkan pneumonia di beberapa bagian paru-paru, dan apakah pasien ini mengalami efusi parapneumonik, yang merupakan penumpukan cairan di antara paru-paru dan rongga dada.

Para ahli radiologi berbeda satu sama lain dalam kategorisasi mereka di lebih dari setengah pasien, seperti yang biasanya ditunjukkan dalam penelitian sebelumnya. Kinerja model CheXpert pada gambar yang sama sebanding dengan ahli radiologi.

Para peneliti menemukan bahwa model CheXpert mengungguli sistem saat ini yang menggunakan ahli radiologi untuk membuat laporan radiologi untuk semua temuan utama pneumonia, ditambah NLP. Itu juga melakukannya dalam waktu kurang dari 10 detik, dibandingkan dengan 20 menit hingga jam dari NLP. NLP laporan radiologi adalah penyebab paling sering kesalahan dalam ePNa.

“Sebuah studi tahun 2013 yang diterbitkan di JAMA Internal Medicine menemukan bahwa 59 persen kesalahan yang dibuat oleh ePNA disebabkan oleh pemrosesan NLP pada laporan radiologis, jadi kami ingin menggantinya dengan sistem yang lebih baik dan lebih cepat,” kata Dr. Dean.

Di luar masalah ePNa, dokter bagian gawat darurat yang melihat laporan radiologi sering ditantang untuk memahami bahasa tidak terstruktur yang digunakan oleh ahli radiologi dalam menafsirkan bayangan pada rontgen dada, tambah Dr. Dead.

Langkah selanjutnya, katanya, adalah model CheXpert yang akan digunakan langsung di bagian gawat darurat, yang dia harapkan akan terjadi di beberapa rumah sakit Perawatan Kesehatan Intermountain musim gugur ini.

Yayasan Riset dan Medis Intermountain mendanai penelitian ini.

Untuk Informasi Lebih lanjut silahkan Kunjungi : SGP Prize

Author Image
adminProzen