I radiologi superano l’IA nell’identificazione delle patologie polmonari tramite radiografie del torace
Radiologists outperform AI in identifying lung diseases through chest X-rays.
Condividi su Pinterest- L’intelligenza artificiale (IA) e gli strumenti di apprendimento automatico stanno diventando sempre più comuni nel settore sanitario e non solo.
- Uno studio recente ha confrontato gli strumenti di IA con i radiologi umani e ha scoperto che i radiologi erano superiori alle macchine nell’identificare le condizioni dalle radiografie del torace.
- I ricercatori hanno riportato che più complessa era la diagnosi, più fortemente si sono comportati gli esperti umani rispetto agli strumenti di IA.
L’intelligenza artificiale (IA) sta già trasformando il modo in cui interagiamo con il mondo, aiutando a prevedere gli uragani meglio che mai e fornendo consigli finanziari.
Ma quando si tratta di leggere le tue radiografie del torace dal medico, l’IA potrebbe non essere pronta a sostituire i radiologi del mondo.
Questo è quanto emerge da uno studio pubblicato sulla rivista Radiology.
Nello studio, i ricercatori danesi hanno preso un gruppo di 72 radiologi e quattro strumenti di IA commerciali e li hanno confrontati tra loro nell’interpretazione di 2.040 radiografie del torace di adulti anziani (età media 72 anni).
Circa un terzo delle radiografie del torace mostrava almeno una delle tre condizioni diagnosticabili: malattia degli spazi aerei, pneumotorace (polmone collassato) o versamento pleurico (noto anche come “acqua nei polmoni”).
- Diabete di tipo 2 perché gli esperti sostengono che la soglia di di...
- Modelli creativi per mantenere il tuo bilancio di pensione sotto co...
- Fatti portavoce di te stesso come persona di colore con Medicare
I ricercatori riportano che gli strumenti di IA sono stati ragionevolmente sensibili, diagnosticando la malattia degli spazi aerei dal 72% al 91% dei casi positivi, il pneumotorace dal 63% al 90% delle volte e il versamento pleurico dal 62% al 95% delle volte.
Tuttavia, i ricercatori hanno dichiarato che questi strumenti di IA hanno anche prodotto un elevato numero di falsi positivi, con una precisione che diminuiva quanto più complessa diventava la diagnosi. Questo era particolarmente vero nei casi di condizioni multiple concorrenti o quando le prove radiografiche erano di dimensioni ridotte.
Ad esempio, per il pneumotorace, quando questi falsi positivi venivano sommati, i valori predittivi positivi per i sistemi di IA variavano tra il 56% e l’86%. I radiologi, d’altra parte, lo diagnosticavano correttamente il 96% delle volte.
I valori predittivi positivi per il versamento pleurico erano simili a quelli per il pneumotorace, con un’accuratezza compresa tra il 56% e l’84%.
L’IA era ancora peggiore nel diagnosticare la malattia degli spazi aerei, prevedendo positivamente la condizione solo nel 40% – 50% dei casi.
“In questo campione di pazienti difficili ed anziani, l’IA prevedeva la malattia degli spazi aerei quando non era presente cinque o sei volte su dieci. Non puoi avere un sistema di IA che funzioni da solo a quel ritmo”, ha dichiarato il dott. Louis Plesner, autore principale dello studio e radiologo residente presso il Dipartimento di Radiologia dell’Ospedale di Herlev e Gentofte a Copenaghen, in Danimarca, in un comunicato stampa. “I sistemi di IA sembrano molto bravi a individuare le malattie, ma non sono altrettanto bravi come i radiologi nell’identificare l’assenza di malattia, specialmente quando le radiografie del torace sono complesse.”
Un altro problema, ha affermato Plesner, è che un’elevata percentuale di falsi positivi sarebbe costosa sia in termini di tempo, test inutili che esposizione aumentata alle radiazioni per i pazienti.
Le reazioni degli esperti di IA allo studio sulle radiografie del torace
“Questo studio non mi sorprende ed è esattamente ciò che ci si aspetterebbe da un sistema di IA”, ha detto Zee Rizvi, co-fondatore e presidente di Odesso Health, un servizio assistito da IA per l’automazione delle cartelle cliniche elettroniche.
“Nel migliore dei casi, l’IA integra le competenze umane in modo complementare”, ha detto a Medical News Today. “Considerare l’IA e le capacità umane come mutuamente esclusive porterà sempre a risultati deludenti. Non siamo ancora abbastanza avanzati nello spazio dell’IA e dell’apprendimento profondo da eliminare del tutto gli esseri umani dall’equazione della produttività e dei risultati per i pazienti. È così semplice.”
Il dott. Fara Kamanger, dermatologo e presidente della San Francisco Dermatological Society nonché fondatore dello strumento per la salute della pelle basato su IA DermGPT, ha risposto positivamente allo studio, sottolineandone però i limiti.
“Il design di questo studio è solido, in quanto incorpora più strumenti di IA e coinvolge due radiologi per confermare la diagnosi. In caso di disaccordo, viene consultato un terzo radiologo”, ha detto Kamanger a Medical News Today. “Il potenziale dell’IA nel settore sanitario è vasto e comprende varie applicazioni, tra cui lo sviluppo di farmaci, la ricerca, l’assistenza ai pazienti, la gestione delle pratiche, la prescrizione e la gestione delle assicurazioni, e altro ancora. È incoraggiante vedere i medici svolgere un ruolo attivo nella guida dello sviluppo dell’IA nel settore sanitario.”
Intelligenza artificiale contro i medici
Kamanger ha concordato con Rizvi sul fatto che sia improbabile che l’IA sostituisca presto gli esperti umani nella sanità.
“I medici umani hanno il vantaggio di condurre una valutazione clinica a 360 gradi, che include l’analisi dell’aspetto fisico del paziente, dei segni vitali e della correlazione clinica. Questo approccio olistico consente ai medici di considerare vari fattori e formulare diagnosi accurate”, ha detto. “Per migliorare ulteriormente i sistemi di intelligenza artificiale, è importante incorporare questo approccio completo nel loro sviluppo. Integrando dati da varie fonti e considerando vari aspetti della valutazione del paziente, i sistemi di intelligenza artificiale possono cercare di imitare in modo più efficace la pratica clinica dei medici umani.”
“Tuttavia, è fondamentale riconoscere che il giudizio clinico umano e l’esperienza continueranno a essere preziosi nel fornire un’assistenza completa al paziente”, ha aggiunto Kamanger.
Una cosa che Rizvi vorrebbe vedere è uno studio di follow-up che combini i campi umano e macchina.
“Questo studio si basa sull’assunzione binaria che i risultati dipendano sia dall’IA che dai radiologi”, ha detto. “Se lo studio fosse condotto per esaminare la cooperazione tra l’IA e i radiologi, il risultato sarebbe sicuramente più forte delle sue parti.”
