Un sistem AI ajută radiologii în interpretarea ecografiilor abdominale

Cercetătorii de la Universitatea Colorado Anschutz School of Medicine, împreună cu instituții colaboratoare, au dezvoltat un sistem de inteligență artificială (AI) capabil să analizeze imagini cu ultrasunete, să prepare rapoarte diagnostice preliminare și să identifice pacienții care ar putea necesita intervenții chirurgicale pentru colecist. Sistemul se concentrează pe ecografiile din cvadrantul superior drept (RUQ), examene care vizualizează organele din partea superioară dreaptă a abdomenului, inclusiv ficatul, vezica biliară și rinichiul drept.

Studiul, publicat în revista Nature Communications pe 7 septembrie 2026, combină analiza imaginilor cu informații clinice pentru a clasifica abnormitățile, a genera rapoarte de radiologie și a sprijini deciziile privind tratamentul chirurgical. Modelul de limbaj-viziune (VLM) îmbină informațiile vizuale din mai multe cadre de ecografie cu raționamentul bazat pe limbaj și contextul clinic. Această abordare este menită să asiste radiologii, deoarece interpretarea ecografiilor RUQ poate fi dificilă din cauza variațiilor în calitatea imaginii, zgomotul vizual și tehnicile de scanare.

Sistemul a fost conceput să identifice 16 descoperiri specifice, inclusiv calculi biliari, inflamația vezicii biliare, ficat gras, acumularea de lichid și abnormități legate de rinichi. De asemenea, generează rapoarte diagnostice structurate. O componentă separată de suport la decizia clinică folosește informațiile despre pacient și rapoartele de radiologie pentru a estima probabilitatea ca un pacient să necesare o colecistectomie, sau îndepărtarea chirurgicală a vezicii biliare. Acest lucru ar putea ajuta radiologii să prioritizeze cazurile care implică afecțiuni precum colecistita acută.

Echipa de cercetători a evaluat 11.001 examinări cu ultrasunete provenite de la trei instituții. Setul de date principal a inclus 9.189 de cazuri de la Universitatea Johns Hopkins, în timp ce validarea externă a implicat 1.704 de cazuri de la Universitatea Colorado și 108 de cazuri de la Universitatea Stanford. Pentru identificarea abnormităților, modelul a înregistrat scoruri macro de sub sub aria de curbă de 0,820 în setul de date intern, 0,794 în setul de date al Universității Colorado și 0,775 în setul de date Stanford. Aceste scoruri măsoară capacitatea modelului de a distinge între cazurile cu și fără anumite descoperiri și nu trebuie interpretate ca procente simple de diagnostice corecte.

Într-o evaluare orbă care a implicat radiologi, rapoartele inițiale generate de AI au fost identificate corect ca fiind scrise de AI cu o acuratețe medie de 85%. După ce radiologii au editat rapoartele, această figură a scăzut la 46%, sugerând că rapoartele revizuite sunt dificil de distingut de cele scrise manual. Studiul a examinat, de asemenea, dacă rapoartele generate de AI ar putea susține predicțiile privind chirurgia vezicii biliare. Folosind rapoartele generate alături de informațiile despre pacienți, modelul a atins o acuratețe de 71,8% și un recall de 60,2% în grupul de pacienți evaluați, ceea ce este sub acuratețea corespunzătoare de 84,3% utilizând rapoartele originale ale radiologilor.

Cercetătorii au subliniat că rezultatele nu stabilesc că sistemul este gata să ia decizii clinice independente. Studiul a fost retrospectiv, iar echipa a afirmat că sunt necesare teste prospective mai ample înainte de implementarea în lumea reală. Modelul prezintă, de asemenea, limitări, concentrându-se asupra afecțiunilor biliare și hepatice acute și emergente, fără a acoperi anumite descoperiri importante, cum ar fi masele hepatice și polipii vezicii bilare. Diferențele în populațiile de pacienți, echipamentul de ultrasunete și practicile de scanare pot afecta, de asemenea, performanța între instituții.

Cercetătorii au declarat că munca viitoare trebuie să evalueze modul în care colaborarea medic-pacient afectează acuratețea diagnosticului, eficiența fluxului de lucru și rezultatele pacienților în cadrul îngrijirii de urgență. Harrison Bai, profesor asociat vizitant în Departamentul de Radiologie de la Universitatea Colorado Anschutz și autor principal al studiului, a declarat într-un interviu universitar: „Obiectivul nu este de a înlocui medicul. Nu încercăm să construim un radiolog AI. Dar dacă agentul nostru AI poate scrie rapoarte preliminare, acesta salvează radiologilor timp.” El a adăugat că vede această tehnologie jucând un rol major în felul în care este practică medicina.