Sztuczna inteligencja skraca czas analizy echokardiogramów przez kardiologów
Badania wykazały, że sztuczna inteligencja może skrócić czas analizy echokardiogramów o 46%, nie obniżając jakości raportów.
Sztuczna inteligencja może znacznie skrócić czas, jaki kardiolodzy poświęcają na interpretację echokardiogramów, nie wpływając na jakość ich raportów. W badaniu z udziałem 1200 badań ultrasonograficznych serca, wstępne interpretacje generowane przez AI okazały się porównywalne z raportami przygotowanymi przez specjalistów. Kardiolodzy ukończyli swoje przeglądy średnio o 46% szybciej, korzystając z AI. Wyniki sugerują, że automatyczne raportowanie może pomóc w radzeniu sobie z rosnącym obciążeniem usług kardiologicznych, chociaż jego wpływ na wyniki pacjentów pozostaje nieudowodniony.
Echokardiografia jest jedną z najczęściej stosowanych technik obrazowania diagnostycznego w kardiologii. Obrazy ultrasonograficzne dostarczają informacji o strukturze serca, jego funkcji pompującej oraz potencjalnych nieprawidłowościach, co pomaga lekarzom w diagnozowaniu schorzeń sercowo-naczyniowych i ustalaniu odpowiedniego leczenia.
Tradycyjnie, sonograf wykonuje obrazy, które następnie przegląda kardiolog, przygotowując lub finalizując raport diagnostyczny. Proces ten wymaga specjalistycznej wiedzy i może być czasochłonny, szczególnie w systemach opieki zdrowotnej, które borykają się z rosnącym zapotrzebowaniem na badania serca. Naukowcy z Kaiser Permanente Northern California zbadali, czy AI może wspierać ten proces, analizując obrazy echokardiograficzne i generując wstępne raporty do późniejszego przeglądu przez kardiologów.
Porównanie AI i raportów ludzkich
Badanie obejmowało 1200 echokardiogramów wykonanych podczas rutynowej opieki klinicznej w szpitalach i placówkach ambulatoryjnych w 21 centrach medycznych Kaiser Permanente w Północnej Kalifornii. Badania przeprowadzono w ciągu dwóch tygodni w marcu 2025 roku. Pacjenci mieli średnio 69 lat, a 47% z nich to kobiety. Dla każdego badania system AI, sonograf i kardiolog niezależnie przygotowali wstępne interpretacje. Raporty te zostały losowo przypisane do przeglądających kardiologów, którzy dokonali ostatecznej oceny, nie wiedząc, czy wstępna interpretacja została wygenerowana przez AI, czy przez specjalistę. W badaniu uczestniczyło dziewięciu sonografów i dwudziestu kardiologów.
Naukowcy oceniali wydajność, mierząc, jak często przeglądający kardiolodzy wprowadzali istotne zmiany w wstępnych interpretacjach. Zarejestrowali również czas potrzebny na ukończenie raportów oraz zbadali zgodność z wcześniejszymi wynikami udokumentowanymi w kartach pacjentów. Według badaczy, było to pierwsze randomizowane badanie oceniające system AI zdolny do generowania kompletnych wstępnych raportów echokardiograficznych, w tym pomiarów i interpretacji klinicznych.
Porównywalna dokładność, znacznie mniej czasu
Raporty generowane przez AI spełniały zdefiniowane w badaniu kryteria niegorszości w porównaniu z wstępnymi interpretacjami przygotowanymi przez ludzi. Kardiolodzy wprowadzili istotne zmiany w 50,6% raportów AI, w porównaniu do 49,7% raportów początkowo przygotowanych przez sonografów lub kardiologów. Chociaż około połowa wstępnych raportów wymagała znaczących poprawek, częstotliwość ta była podobna w grupach AI i ludzkiej. Sugeruje to, że AI może stanowić porównywalny punkt wyjścia do specjalistycznej interpretacji, a nie niezależnie generować ostateczne raporty kliniczne. Najbardziej znaczącą różnicą była efektywność.
Kardiolodzy spędzali średnio 4,6 minuty na przeglądaniu i finalizowaniu interpretacji generowanych przez AI, w porównaniu do 8,5 minuty, gdy kończyli raporty bez wsparcia AI. Oznacza to redukcję czasu o około 46%. Raporty wspierane przez AI wykazały również większą zgodność z historycznymi raportami w kartach pacjentów. Ponadto, przeglądający kardiolodzy nie byli w stanie wiarygodnie odróżnić wstępnych interpretacji generowanych przez AI od tych przygotowanych przez specjalistów.
Współautorka badania, Keane K. Lee, kardiolog w Kaiser Permanente Santa Clara Homestead Medical Center, stwierdziła, że oszczędności czasu przekroczyły oczekiwania badaczy. Biorąc pod uwagę dużą liczbę echokardiogramów wykonywanych w praktyce klinicznej, skrócenie czasu interpretacji o kilka minut na badanie mogłoby potencjalnie uwolnić znaczne zasoby specjalistyczne.
AI w diagnostyce kardiologicznej
Wyniki te wpisują się w rosnące badania nad zastosowaniem AI w diagnostyce kardiologicznej. Jak wcześniej informowano, AI jest również badana pod kątem identyfikacji pacjentów z podwyższonym ryzykiem niewydolności serca poprzez analizę elektrokardiogramów. W przeciwieństwie do echokardiografii, która wykorzystuje ultradźwięki do oceny struktur i funkcji serca, elektrokardiogram rejestruje aktywność elektryczną serca. Modele AI mogą analizować wzorce EKG, aby zidentyfikować subtelne nieprawidłowości, które mogą wskazywać na ukryte dysfunkcje serca lub zwiększone ryzyko rozwoju niewydolności serca.
Te zastosowania odpowiadają na różne pytania kliniczne. Analiza EKG wspierana przez AI ma na celu wcześniejsze wykrywanie potencjalnych problemów sercowo-naczyniowych, podczas gdy automatyczne raportowanie echokardiograficzne koncentruje się na interpretacji wyników obrazowania i zmniejszeniu obciążenia związanego z raportowaniem diagnostycznym. Razem ilustrują, jak AI może wspierać różne etapy oceny kardiologicznej, od identyfikacji ryzyka po obrazowanie specjalistyczne. Jednak identyfikacja potencjalnych nieprawidłowości lub generowanie wstępnych raportów nie przekłada się automatycznie na poprawę wyników pacjentów. Oba podejścia wymagają walidacji klinicznej i odpowiedniej integracji w ustalonych ścieżkach diagnostycznych.
Odpowiedzialność kliniczna
Pomimo obiecujących wyników, badacze podkreślają, że interpretacje generowane przez AI nie mogą zastąpić wiedzy klinicznej. Kardiolodzy pozostają odpowiedzialni za przeglądanie obrazów, weryfikację wyników i zatwierdzanie ostatecznego raportu. Muszą również interpretować wyniki w kontekście historii medycznej, objawów i potrzeb terapeutycznych każdego pacjenta. Badanie ma kilka ograniczeń. Oceniło wcześniej wykonane echokardiogramy, a nie pełny proces diagnostyczny podczas rutynowej opieki klinicznej. Kardiolodzy byli również świadomi, że uczestniczą w badaniu, co mogło wpłynąć na ich praktyki zawodowe.
Co ważne, badania nie zbadały, czy raportowanie wspierane przez AI poprawia długoterminowe wyniki pacjentów, zmniejsza błędy diagnostyczne lub skraca czas oczekiwania pacjentów na leczenie. Dlatego potrzebne są dalsze badania, aby ocenić wydajność w większych i bardziej zróżnicowanych środowiskach klinicznych. Niemniej jednak wyniki sugerują, że wstępne raporty generowane przez AI mogą stanowić praktyczny sposób na zmniejszenie obciążenia administracyjnego i interpretacyjnego związanego z obrazowaniem serca. W obliczu rosnącego zapotrzebowania na usługi kardiologiczne i przewidywanych niedoborów specjalistów, takie zastosowania mogą pomóc organizacjom opieki zdrowotnej w bardziej efektywnym wykorzystaniu dostępnej wiedzy, pod warunkiem, że zachowana zostanie kontrola kliniczna i jakość diagnostyczna.
Źródło: https://www.icthealth.org/news/ai-halves-cardiologists-time-spent-reviewing-heart-scans
Źródło: www.icthealth.org