En ny undersøgelse fra University of Warwick har afsløret, at et AI-system kan analysere røntgenbilleder og diagnosticere medicinske problemer lige så præcist som læger.
Denne AI, der er udviklet i et samarbejde mellem Warwick, King's College London og flere NHS-sites, blev trænet på 2,8 millioner historiske røntgenbilleder af brystkassen fra over 1,5 millioner patienter.
Den er i stand til at scanne for 37 mulige tilstande og viser samme eller større nøjagtighed end læger i 94% af tilfældene (35 ud af 37 tilstande). For at sikre AI'ens nøjagtighed blev over 1.400 røntgenbilleder, som den analyserede, krydstjekket af erfarne radiologer i forhold til historiske diagnoser.
Der har været mange lignende anvendelser af AI til medicinske scanninger, herunder CoDoC af Google, hvilket reducerer arbejdsbyrden ved at analysere medicinske scanninger med 66%.
Softwaren brugt i dette nylige studieX-Raydar scanner for potentielle problemer umiddelbart efter, at der er taget røntgenbilleder, og kvantificerer sandsynligheden for hver enkelt abnormitet.
Den prioriterer akutte tilstande og hjælper lægerne med at stille en tidseffektiv diagnose, hvilket er afgørende i en tid med personalemangel og voksende ventelister.
Dr. Giovanni Montana, hovedforfatter og professor i datavidenskab ved Warwick, forklarede AI'ens potentiale som et screeningsværktøj eller til at give "den ultimative second opinion" ved at eliminere Menneskelige fejl og bias. Han fremhævede dens træning på millioner af røntgenbilleder og dens effektivitet i upartisk analyse.
Professor Vicky Goh fra King's College London, medforfatter og tidligere formand for Royal Society of Radiologists, forudser omfattende AI-systemer som X-Raydar som fremtidens medicin, der kan hjælpe overbelastede læger.
AI'en tager sig også af effektiviteten i tilfælde, hvor der ikke findes nogen abnormiteter på røntgenbilleder, hvilket udgør omkring halvdelen af alle tilfælde.
Ved at identificere disse tilfælde giver AI radiologerne mulighed for at fokusere mere på komplekse og kritiske tests.
Dette er især relevant i betragtning af radiologmanglen i Storbritannien, som rapporteret af Royal College of Radiologists, der forårsager forsinkelser i behandlingen på 97% af landets kræftbehandlingscentre.
X-Raydar-softwaren er blevet open source til ikke-kommerciel brug for at fremskynde forskning og udvikling inden for dette område.
Dette slutter sig til mange spændende medicinske anvendelser af AI, herunder en model, der hjalp med at accelerere brystkræftscreeningsprocesser med over 44% og en Googles AI-system designet til at give second opinions til læger.
NHS har en lang række erfaringer med at anvende medicinske AI-teknologier på grund af samarbejdet med DeepMind, herunder en nylig AI-værktøj til diagnosticering af lungekræft.