En ny studie fra University of Warwick har avslørt at et AI-system kan analysere røntgenbilder og diagnostisere medisinske problemer like nøyaktig som leger.
Denne kunstige intelligensen, som er utviklet gjennom et samarbeid mellom Warwick, King's College London og flere NHS-avdelinger, ble trent opp på 2,8 millioner historiske røntgenbilder av brystkassen fra over 1,5 millioner pasienter.
Den er i stand til å skanne etter 37 mulige tilstander, og viser seg å være like nøyaktig eller mer nøyaktig enn legene i 94% av tilfellene (35 av 37 tilstander). For å sikre at den kunstige intelligensen er nøyaktig, ble over 1400 røntgenbilder som ble analysert, kryssjekket av erfarne radiologer opp mot historiske diagnoser.
Det finnes en rekke lignende anvendelser av kunstig intelligens for medisinske skanninger, inkludert CoDoC av Google, noe som reduserer arbeidsmengden ved analyse av medisinske skanninger med 66%.
Programvaren som ble brukt i denne nye studienX-Raydar skanner etter potensielle problemer umiddelbart etter at røntgenbildene er tatt, og kvantifiserer sannsynligheten for hver enkelt abnormitet som oppdages.
Den prioriterer akutte tilstander og hjelper legene med å stille diagnoser på en tidseffektiv måte, noe som er kritisk i en tid med personalmangel og økende ventelister.
Dr. Giovanni Montana, hovedforfatter og professor i datavitenskap ved Warwick, forklarte AIs potensial som et screeningverktøy eller for å gi "den ultimate second opinion" ved å eliminere menneskelige feil og skjevheter. Han fremhevet opplæringen på millioner av røntgenbilder og dens effektivitet når det gjelder objektiv analyse.
Professor Vicky Goh ved King's College London, medforfatter og tidligere leder av Royal Society of Radiologists, ser for seg at omfattende AI-systemer som X-Raydar kan bli fremtidens medisin og hjelpe overbelastede leger.
Den kunstige intelligensen tar også for seg effektiviteten i tilfeller der røntgenbildene ikke viser noe unormalt, noe som utgjør omtrent halvparten av alle tilfeller.
Ved å identifisere disse tilfellene kan radiologene fokusere mer på komplekse og kritiske tester.
Dette er spesielt relevant med tanke på radiologmangelen i Storbritannia, som Royal College of Radiologists har rapportert om, og som fører til forsinkelser i behandlingen ved 97% av landets kreftbehandlingssentre.
X-Raydar-programvaren har fått åpen kildekode for ikke-kommersiell bruk for å sette fart på forskning og utvikling på dette feltet.
Dette føyer seg inn i rekken av spennende medisinske anvendelser av AI, inkludert en modell som bidro til å akselerere brystkreftscreening med over 44% og en Googles AI-system utformet for å gi leger en second opinion.
NHS har lang erfaring med å ta i bruk medisinsk teknologi basert på kunstig intelligens takket være samarbeidet med DeepMind, inkludert et nylig AI-verktøy for diagnostisering av lungekreft.
