Other formats:
BibTeX
LaTeX
RIS
@article{2429937, author = {Černý, Martin and Kvak, Daniel and Schwarz, Daniel and Mírka, Hynek and Dandár, Jakub}, article_location = {Praha}, article_number = {7-8}, keywords = {artificial intelligence, deep learning, computer-aided diagnosis, chest X-ray, lung cancer, solitary pulmonary nodules, pulmonary masses}, issn = {0008-7335}, journal = {Časopis lékařů českých}, title = {Role umělé inteligence v časném záchytu ložiskových změn plicního parenchymu při RTG vyšetření hrudníku: zkušenosti z retrospektivních studií na české populaci}, url = {https://www.prolekare.cz/casopisy/casopis-lekaru-ceskych/2023-7-8-1/role-umele-inteligence-v-casnem-zachytu-loziskovych-zmen-plicniho-parenchymu-136671}, volume = {2023}, year = {2023} }
TY - JOUR ID - 2429937 AU - Černý, Martin - Kvak, Daniel - Schwarz, Daniel - Mírka, Hynek - Dandár, Jakub PY - 2023 TI - Role umělé inteligence v časném záchytu ložiskových změn plicního parenchymu při RTG vyšetření hrudníku: zkušenosti z retrospektivních studií na české populaci JF - Časopis lékařů českých VL - 2023 IS - 7-8 SP - 283-289 EP - 283-289 PB - Česká lékařská společnost J. Ev. Purkyně SN - 00087335 KW - artificial intelligence, deep learning, computer-aided diagnosis, chest X-ray, lung cancer, solitary pulmonary nodules, pulmonary masses UR - https://www.prolekare.cz/casopisy/casopis-lekaru-ceskych/2023-7-8-1/role-umele-inteligence-v-casnem-zachytu-loziskovych-zmen-plicniho-parenchymu-136671 N2 - Zaměřujeme se na možné využití AI v rámci diagnostiky ložiskových změn plicního parenchymu, které mohou být projevem zhoubného nádoru plic, na základě skiagramu hrudníku. Ačkoliv ve srovnání s jinými metodami, především výpočetní tomografií (CT) hrudníku, tato modalita vykazuje nižší senzitivitu, vzhledem k rutinnímu provádění velmi často představuje první vyšetření, při němž jsou plicní léze zachyceny. Prezentujeme vlastní řešení založené na metodách hlubokého učení, které má za cíl zvýšit záchyt plicních lézí především v časných fázích onemocnění. Následně uvádíme výsledky našich předchozích původních prací, které validují navržený model ve dvou odlišných klinických prostředích – v prostředí spádové nemocnice s nízkou prevalencí nálezů a v prostředí specializovaného onkologického centra. Na základě kvantitativního srovnání se závěry radiologů různých úrovní zkušeností jsme zjistili, že náš model dosahuje vysoké senzitivity, na druhou stranu byla jeho specificita nižší než u oslovených radiologů. V kontextu klinických požadavků a diagnostiky asistované AI hraje zásadní roli zkušenost a klinické uvažování lékaře, proto se v současnosti přikláníme k modelům s vyšší senzitivitou na úkor nižší specificity. V případě suspekce, byť vyhodnocené jako nepravděpodobné, model nález raději předkládá lékaři. Na základě těchto výsledků lze očekávat, že v budoucnu bude AI hrát klíčovou roli v oblasti radiologie jako pomocný nástroj pro hodnotící specialisty. Aby k tomu mohlo dojít, je potřeba vyřešit nejen technické, ale i některé medicínské a regulatorní aspekty. Zásadní je dostupnost kvalitních a spolehlivých informací nejen o přínosech, ale také o limitacích možností strojového učení a AI v medicíně. ER -
ČERNÝ, Martin, Daniel KVAK, Daniel SCHWARZ, Hynek MÍRKA and Jakub DANDÁR. Role umělé inteligence v časném záchytu ložiskových změn plicního parenchymu při RTG vyšetření hrudníku: zkušenosti z retrospektivních studií na české populaci. \textit{Časopis lékařů českých}. Praha: Česká lékařská společnost J. Ev. Purkyně, 2023, vol.~2023, 7-8, p.~283-289. ISSN~0008-7335.
|