ઇલિનોઇસ (યુએસ) : રેડિયોલોજિકલ સોસાયટી ઓફ નોર્થ અમેરિકાની મેગેઝિન રેડિયોલોજીમાં પ્રકાશિત થયેલા અભ્યાસ મુજબ, ઉચ્ચ ડાયગ્નોસ્ટિક ચોકસાઈ સાથે આર્ટિફિશિયલ ઈન્ટેલિજન્સ અલ્ગોરિધમની મદદથી તપાસમાં રેડિયોલોજિસ્ટની કામગીરીમાં સુધારો થયો છે. છાતીના એક્સ-રે પર ફેફસાના કેન્સર અને AI સૂચનોની માનવ સ્વીકૃતિમાં વધારો.
છાતીના એક્સ-રે : AI-આધારિત ઇમેજ નિદાને તબીબી ક્ષેત્રે ઝડપી પ્રગતિ કરી છે, ત્યારે AI-આસિસ્ટેડ ઇમેજ રીડિંગમાં રેડિયોલોજિસ્ટના ક્લિનિકલ નિર્ધારણને અસર કરતા પરિબળો હજુ પણ ખરાબ રીતે શોધાયેલા છે. સિઓલ નેશનલ યુનિવર્સિટીના સંશોધકોએ જોયું કે આ પરિબળો છાતીના એક્સ-રેના AI-સહાયિત રીડિંગ દરમિયાન જીવલેણ ફેફસાના નોડ્યુલ્સની શોધને કેવી રીતે અસર કરી શકે છે.
એક્સ-રેનું મૂલ્યાંકન : આ પૂર્વવર્તી અભ્યાસમાં, પાંચથી 18 વર્ષનો અનુભવ ધરાવતા 20 થોરાસિક રેડિયોલોજિસ્ટ અને માત્ર બેથી ત્રણ વર્ષનો અનુભવ ધરાવતા 10 રેડિયોલોજીના રહેવાસીઓ સહિત 30 વાચકોએ AI વિના 120 છાતીના એક્સ-રેનું મૂલ્યાંકન કર્યું હતું. મૂલ્યાંકન કરાયેલા 120 છાતીના રેડિયોગ્રાફ્સમાંથી, 60 ફેફસાના કેન્સરના દર્દીઓ (32 પુરુષો) અને 60 નિયંત્રણોમાંથી (36 પુરુષો) હતા. દર્દીઓની સરેરાશ ઉંમર 67 વર્ષ હતી. બીજા સત્રમાં, દરેક જૂથે ઉચ્ચ અથવા ઓછી-ચોકસાઈવાળા AI દ્વારા સહાયિત એક્સ-રેનું પુનઃ અર્થઘટન કર્યું હતું. વાચકો એ હકીકતથી અજાણ હતા કે બે અલગ-અલગ AIનો ઉપયોગ કરવામાં આવ્યો હતો.
સંવેદનશીલતા તરીકે ઓળખાય : ઓછી ચોકસાઈવાળા AIની સરખામણીમાં ઉચ્ચ-સચોટતા AIના ઉપયોગથી વાચકોની ઓળખ કામગીરીમાં નોંધપાત્ર સુધારો થયો છે. ઉચ્ચ-સચોટતા AIનો ઉપયોગ રીડર રેટિંગ્સમાં વધુ વારંવાર ફેરફારો તરફ દોરી ગયો, એક ખ્યાલ જે સંવેદનશીલતા તરીકે ઓળખાય છે.
વાચકોનો AIના સૂચનોમાં વિશ્વાસ : શક્ય છે કે આ અભ્યાસમાં પ્રમાણમાં મોટા સેમ્પલ સાઈઝને કારણે વાચકોનો AIના સૂચનોમાં વિશ્વાસ વધ્યો હોય, અભ્યાસના મુખ્ય લેખક ચાંગ મીન પાર્ક, એમડી, પીએચડી, રેડિયોલોજી અને ઇન્સ્ટિટ્યૂટ ઓફ રેડિયેશન મેડિસિન સિઓલમાં જણાવ્યું હતું. નેશનલ યુનિવર્સિટી કોલેજ 'અમને લાગે છે કે AIમાં માનવ વિશ્વાસનો આ મુદ્દો એ જ છે જે આપણે આ અભ્યાસમાં સંવેદનશીલતામાં જોયો છે: ઉચ્ચ ક્લિનિકલ પરફોર્મન્સ AIનો ઉપયોગ કરતી વખતે માનવીઓ AI પ્રત્યે વધુ સંવેદનશીલ હોય છે.
બે વાંચન સત્રો વચ્ચે સુધારો : AI-આસિસ્ટેડ વાચકોએ પ્રથમ વાંચન સત્રની તુલનામાં, બીજા વાંચન સત્રમાં ઉચ્ચ પ્રતિ-જખમ સંવેદનશીલતા (0.63 vs 0.53) અને વિશિષ્ટતા (0.94 vs 0.88), ઉચ્ચ ડાયગ્નોસ્ટિક સચોટતા દર્શાવી હતી. વૈકલ્પિક રીતે, બીજા વાંચન સત્રમાં ડાયગ્નોસ્ટિક સચોટતા ઓછી. AI-આસિસ્ટેડ વાચકોએ આમાંના કોઈપણ માપ માટે બે વાંચન સત્રો વચ્ચે સુધારો દર્શાવ્યો ન હતો, ડૉ. પાર્કે કહ્યું. મદદ કરી શકે છે, પરંતુ માત્ર ત્યારે જ જો AIનું ડાયગ્નોસ્ટિક પર્ફોર્મન્સ મેળ ખાતું હોય અથવા તેનાથી વધુ હોય માનવ વાચક.'
મોડલનું મર્યાદિત મૂલ્ય : પરિણામો ઉચ્ચ ક્લિનિકલ પરફોર્મન્સ AIનો ઉપયોગ કરવાના મહત્વ પર ભાર મૂકે છે. જો કે, ડૉ. પાર્કે નોંધ્યું હતું કે, ઉચ્ચ ક્લિનિકલ પર્ફોર્મન્સ AIની વ્યાખ્યા કાર્ય અને ક્લિનિકલ સંદર્ભમાં જેનો ઉપયોગ કરવામાં આવશે. તેના આધારે અલગ હોય શકે છે. ઉદાહરણ તરીકે, છાતીના એક્સ-રે પર તમામ અસાધારણતા શોધી શકે તેવું AI મોડેલ આદર્શ લાગે છે, પરંતુ વ્યવહારમાં પલ્મોનરી ટ્યુબરક્યુલોસિસ માસ સ્ક્રીનીંગ સેટિંગમાં વર્કલોડ ઘટાડવામાં આવા મોડલનું મર્યાદિત મૂલ્ય હશે.
વિચારણા બંનેની જરૂર : અમારો અભ્યાસ સૂચવે છે કે AIના તબીબી રીતે યોગ્ય ઉપયોગ માટે, આપેલ કાર્યો માટે, ઉચ્ચ-પ્રદર્શન AI મોડેલના વિકાસ અને સંબંધિત ક્લિનિકલ સેટિંગની વિચારણા બંનેની જરૂર છે, ડૉ પાર્કે જણાવ્યું હતું. જેના પર AI અમલમાં આવશે. ભવિષ્યમાં, સંશોધકો છાતીના એક્સ-રે અને સીટી ઈમેજીસ પર અન્ય અસાધારણતા જોવા માટે માનવ-એઆઈ સહયોગ પર તેમના કાર્યને વિસ્તારવા માંગે છે.
