Η τεχνητή νοημοσύνη αποτελεί πλέον ένα αποτελεσματικό εργαλείο για τη διάγνωση καταγμάτων των οστών και έχει τη δυνατότητα να βοηθήσει ουσιαστικά τους ορθοπεδικούς, ιδίως των νοσοκομείων σε πολυάσχολα τμήματα επειγόντων περιστατικών, σύμφωνα με μια νέα επιστημονική μελέτη.
Οι ερευνητές, με επικεφαλής τη δρ Ρέιτσελ Κούο του Τμήματος Ορθοπεδικής, Ρευματολογίας και Μυοσκελετικών Επιστημών της Οξφόρδης, που έκαναν τη σχετική δημοσίευση στο περιοδικό «Radiology» της Ακτινολογικής Εταιρείας της Βόρειας Αμερικής, αξιολόγησαν 42 έρευνες που συνέκριναν τη διαγνωστική ακρίβεια στην ανίχνευση καταγμάτων μεταξύ των γιατρών και των συστημάτων τεχνητής νοημοσύνης.
Η μελέτη (μετα-ανάλυση) δεν βρήκε καμία άξια λόγου στατιστική διαφορά, με την ακρίβεια (ευαισθησία) της τεχνητής νοημοσύνης να είναι 91% έως 92%. «Βρήκαμε ότι η τεχνητή νοημοσύνη αποδίδει με υψηλό βαθμό ακρίβειας, συγκρίσιμο με την απόδοση των κλινικών γιατρών», τόνισε η δρ Κούο.
Η μη διάγνωση ή η διάγνωση με καθυστέρηση ενός κατάγματος μέσω ακτινογραφίας είναι ένα συχνό λάθος με δυνητικά σοβαρές επιπτώσεις για τον ασθενή. Συχνά οι ορθοπεδικοί κατακλύζονται από απεικονιστικές εξετάσεις, πράγμα που δυσκολεύει μερικές φορές την ορθή και έγκαιρη διάγνωση.
Η τεχνητή νοημοσύνη μπορεί να βοηθήσει εν προκειμένω τους υπερφορτωμένους γιατρούς, καθώς και όσους χρειάζονται μια δεύτερη γνώμη αλλά αδυνατούν να βρουν άλλον ειδικό, κάτι που αφορά ιδιαίτερα τις περιπτώσεις πολλαπλών καταγμάτων του ασθενούς.
«Η τεχνητή νοημοσύνη μπορεί να βοηθήσει ως ένα "δεύτερο μάτι", παρέχοντας στους γιατρούς είτε τη διαβεβαίωση ότι έχουν κάνει τη σωστή διάγνωση, είτε ωθώντας τους να ρίξουν μια δεύτερη ματιά στις ακτινογραφίες, προτού προχωρήσουν στη θεραπεία των ασθενών», ανέφερε η Κούο. Πρόσθεσε πάντως ότι η έρευνα στην ανίχνευση καταγμάτων από την τεχνητή νοημοσύνη παραμένει σε πολύ πρώιμο προκλινικό στάδιο. Γι' αυτό, όπως είπε, «είναι ακόμη σημαντικό οι γιατροί να συνεχίσουν να ασκούν τη δική τους κρίση. Η τεχνητή νοημοσύνη δεν είναι αλάνθαστη και υπόκειται σε μεροληψίες και σφάλματα».
Η διεύθυνση για την επιστημονική δημοσίευση:
https://pubs.rsna.org/doi/10.1148/radiol.211785
