A maneira mais eficaz de alcançar a inteligência artificial durante a triagem para câncer de mama não é o atacado em cooperação com radiologistas humanos, não por atacado, mas no cruzamento da saúde e da tecnologia, o especialista em champanhe Urbana da Universidade de Illinois declarou novas pesquisas.
O estudo mostrou que uma estratégia “representativa”-onde a IA ajuda mamografias de baixo risco para radiologistas e sinalizadores humanos em bandeiras de alto risco, podem reduzir o custo da triagem em 30% sem comprometer a proteção dos cozinhas.
O professor de Administração de Empresas de Illinois e o estudioso da Deloteite Mehmet Aren Ahsen disse que essas pesquisas entre a crescente demanda pela detecção de câncer de mama primária e a crescente demanda entre as deficiências dos radiologistas podem ajudar o hospital e as clínicas em seu fluxo de trabalho de diagnóstico.
“Muitas vezes ouvimos a pergunta: a IA pode substituir esta ou aquela profissão?” Ahsen Dr. “Nesse caso, nossa pesquisa mostra que a resposta não está certa, mas certamente pode ajudar. ‘Podemos ver que o preço original da IA vem da substituição do homem, não da manifestação da tarefa estratégica que os divide”
Esta pesquisa, publicada pelo The Nature Communications Journal, co-autor de Mehmet US Ivachi e Radha Shukri na Universidade de Dallas do Texas; E Gustavo Stolovitsky, NYU Grman School of Medicine e Nyu Langon Health.
Os pesquisadores criaram um modelo de decisão para comparar as três técnicas de tomada de decisão na triagem de câncer de mama: um ideal clínico de corrente de técnica especialista em que os radiologistas leem cada mamografia; Uma técnica de automação, para que a IA avalie todas as mamografias sem supervisão humana; E uma estratégia representativa, na qual a IA realiza a triagem primária e refere-se aos casos de vago ou de alto risco ao radiologista.
O modelo é responsável por gastos extensos, incluindo implementação, tempo de radiologista, método de acompanhamento e potencial litígio de casos. Ele avaliou os resultados usando dados do mundo real de um desafio global de aglomeração de IA para mamografia, que é a iniciativa do câncer Munshot do Escritório de Política de Ciência e Tecnologia da Casa Branca. Foi patrocinado como parte disso.
Os pesquisadores descobriram que a delegação superou os métodos completamente de automação e especialistas, de acordo com o papel, custando até 30,1%.
Embora o conceito de automatizar completamente as tarefas radiológicas possa parecer aplicável em termos de habilidade, a pesquisa alerta que os sistemas atuais de IA ainda são menos em substituição do julgamento humano na linha complexa ou na fronteira.
Ahsen, professor de saúde na Faculdade de Medicina Carl Illinoi, disse que “a IA é ótima para identificar as mamografias de baixo risco”. “Mas, para casos de alto risco ou vago, os radiologistas ainda superam a IA. A estratégia da delegação ganha esse poder: a IA flui o estresse e as pessoas se concentram no campo mais difícil”.
Cerca de 40 milhões de mamografias são realizadas todos os anos nos EUA, a triagem de câncer de mama é uma ferramenta importante para a saúde pública. No entanto, o processo é intensivo e caro, tanto o procedimento de mão-de-obra quanto de acompanhamento alimentado por falsos positivos. E quando o câncer é perdido, o resultado pode causar danos significativos a pacientes falsos negativos e fornecedores de saúde, disse Ahsen.
Ahsen disse: “Um dos tópicos de mamografia é por causa do número perfeito editado, produz muitos falsos positivos e falsos negativos”, disse Ahsen. “Se você tiver 10% de taxas de falso positivo de 1 milhão de mamografias todos os anos, são quatro milhões de mulheres que estão sendo retiradas no hospital para obter mais consultas, triagem e testes e potencial biópsia”.
Todo esse processo aumenta apenas o estresse e a ansiedade do paciente, disse Ahsen.
“Esta é uma cena de pesadelo”, disse ele. “Os compromissos de acompanhamento geralmente levam algumas semanas, os pacientes saem com uma nuvem preta pendurada na cabeça, é estressante demais para eles” “
Com a IA e a delegação, é possível que os fornecedores de saúde possam fluir o processo.
Ahsen disse: “Você se torna uma tela, a AI vê algo que não gosta e sinaliza você para seguir -Up, quando você está no hospital”, disse Ahsen. “É provável que seja mais proficiente em uma flor de trabalho”.
A pesquisa levanta questões mais extensas sobre como a IA deve ser aplicada e controlada na medicina.
Ahsen disse: “Se o surto de câncer de mama for baixo ou moderado, a estratégia da delegação funcionará melhor”. “Nas populações de alto ensino, uma maior dependência de especialistas em humanos ainda pode ter certeza. Mas uma técnica rica em IA também pode se sair bem em situações em que não há muitos radiologistas nos países em desenvolvimento, por exemplo”.
Envolve a responsabilidade legal por outra possível mina terrestre. Ahsen disse que, se os sistemas de IA mantiveram a qualidade da responsabilidade estrita do que os médicos humanos, “as agências de saúde podem se afastar das técnicas de automação que envolvem a IA, mesmo que sejam caras”, disse Ahsen.
A pesquisa é possível em outras áreas de tratamento, como patologia e dermatologia, onde a precisão do diagnóstico é crítica, mas a IA é possível para melhorar a eficiência do fluxo de trabalho.
Com a capacidade de trabalho infinita da IA, “podemos usá -la 24/7, e não precisa fazer uma pausa para o café”, disse Ahsen. “A IA só continuará entrando em saúde, e nossa estrutura pode orientar hospitais, seguradoras, formuladores de políticas e profissionais de saúde para tomar decisões baseadas em evidências sobre a integração da IA.
“Não estamos apenas interrogando o que a IA pode fazer – estamos perguntando se deve fazê -lo e quando, quando e em que circunstâncias deve ser colocada como uma ferramenta para ajudar as pessoas”.
