Хиймэл оюун дүрс оношилгооны салбарт эмчийг орлох уу ?

Мета анализ судалгааны үр дүнгээс харахад хиймэл оюун ухаан нь эмчтэй дүйцэхүйц шинжилгээний хариунд дүгнэлт өгөх чадвартай гэж гарчээ. Одоогоор хангалттай судалгаа шинжилгээ дутмаг, туршилтын шатандаа явагдаж байгаа ба клиникт нэвтрүүлэхэд хугацаа, нарийвчилсан судалгаа, шинжилгээ шаардлагатай байна.

Үндэслэл

Хиймэл оюун ухааныг анагаах ухааны салбарт хэрэглэсэн судалгаа, шинжилгээ сүүлийн саруудад олноор хийгдэж байгаа ба тэдгээрийн үр дүнгээс хархад оношлогооны салбарт үр дүнтэй болох нь харагдаж байна. Жишээлбэл бронхын карциномыг КТ-ын зургаас таньж илрүүлэх, гистопатологийн шинжилгээнд дүгнэлт гаргах зэрэг. Гэвч хиймэл оюун ухааны гүйцэтгэл нь үнэхээр мэргэжлийн өндөр төвшинд алдаагүй дүгнэлтээ гаргаж байгаа эсэх нь эргэлзээтэй хэвээр байна.

Судалгааны арга зүй

Системчилсэн үнэлгээ ба мета анализ: Нийт 82 судалгаа хамрагдсанаас 69 нь тооцоолол хийхэд шаардлага хангасан байв. 25 Судалгаанд мета анализ хийгдсэн. 14 судалгаанд эмч ба хиймэл оюун ухааны гүйцэтгэлийг ижил сорьц дээр харьцуулсан.

Судалгааны үр дүн

Хиймэл оюун: Мэдрэмтгий чанар – 87.0 % Өвөрмөц чанар – 92.5% 
Эмч: Мэдрэмтгий чанар – 86.4% , Өвөрмөц чанар – 90.5%

Эмнэлзүйн ач холбогдол

Гол бэрхшээл нь шаардлагад нийцсэн, хангалттай тооны судалгаа байхгүйд оршиж байгаа ба Мета анализын үнэн зөв байдал нь мөн хэд хэдэн арга зүйн асуудлаар хязгаарлагдаж байна. Жишээлбэл, ихэнх судалгаанд хамрагдсан эмч нарт оношилгоонд шаардлагатай, өдөр тутамд өвчтөнөөс хялбархан олж авдаг эмнэлзүйн мэдээлэл өгөгдөөгүй байна. Үүнээс гадна зарим судалгаанд чухал, ач холбогдол бүхий мэдээллүүд дутуу байжээ. Хиймэл оюуны хөгжилд нэлээдгүй дэвшил харагдаж байгаа ч эмчийн оролцоо, туршлага нь зайлшгүй хамт байх ёстой хэмээн судлаачид үзэж байна.

Санхүүжилт: Нийт судалгаа шинжилгээний ажилд тусгай санхүүжилт байгаагүй байна.

Эх сурвалж: Xiaoxuan Liu et al: A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis; The Lancet Digital Health; DOI: https://doi.org/10.1016/ S2589-7500(19)30123-2