Первый системный обзор и мета-анализ на тему машинного обучения в диагностике

В The Lancet, раздел Digital Health, опубликована работа, где сравнивается эффективность диагностики машинного обучения и человека


Авторы проанализировали более 20500 работ, но в системный обзор включили менее 1% этих данных, т.к. только они удовлетворяли строгим критериям отбора по выборке и типу тестирования.

В целом в этих высококачественных исследованиях делается вывод, что машинное обучение может обнаруживать патологию от онкологии до глазных заболеваний с такой же точностью, как и профессионалы своей специальности. Но важно отметить, что искусственный интеллект (ИИ) не превосходит человека в постановке именно окончательного диагноза.

С помощью машинного обучения компьютеры могут исследовать тысячи медицинских изображений для распознавания патологических паттернов. Это предоставляет огромный потенциал для улучшения точности и скорости диагностики. Результаты исследований, в которых машина определяет патологию лучше человека, вызывают большой резонанс в обществе, а более 30 алгоритмов ИИ уже одобрено организацией FDA для здравоохранения.

Многие специалисты считают, что авторы подобных исследований зачастую предвзяты и хотят увидеть результаты, где побеждает компьютер.

Для объективизации данной дискуссии авторы решили провести системный обзор и мета-анализ наиболее качественных исследований на тему машинного обучения и профессионалов здравоохранения в определении патологии. В общем в обзор было включено 82 статьи с 2012 по 2019 год. В 14 из них, где сравнивалась эффективность обнаружения болезни, алгоритмы машинного обучения правильно определяли болезнь в 87% случаев, а врачи-специалисты в 86%. Оценка способности исключать пациентов, у которых нет заболевания, была оценена в 93% точности для машинного обучения и 91% для человека.

Также следует принимать во внимание, что дизайн большинства исследований оторван от реальной клинической практики, когда врачам для постановки диагноза предоставляли меньшее количество результатов различных обследований. И, в отличие от структурированной информации, используемой в исследованиях, в реальном мире она может быть куда более разрозненой и плохо организованной. Тем не менее, технологии машинного обучения выглядят весьма обещающими и в ближайшее время наверняка начнут свою интеграцию в практическое здравоохранение.

 

Источник: http://dx.doi.org/10.1016/S2589-7500(19)30123-2


Еженедельный дайджест "Лечащего врача": главные новости медицины в одной рассылке

Подписывайтесь на нашу email рассылку и оставайтесь в курсе самых важных медицинских событий


поле обязательно для заполнения
поле обязательно для заполнения
поле обязательно для заполнения
поле обязательно для заполнения
Нажимая на кнопку Подписаться, вы даете согласие на обработку персональных данных





Актуальные проблемы

Специализации




Календарь событий:




Вход на сайт