Искусственный интеллект обнаружил кровоизлияния в мозг, которые пропустили врачи

Российские исследователи выяснили, что совместная работа врачей-рентгенологов и искусственного интеллекта позволяет обнаруживать внутричерепные кровоизлияния, которые каждый из них по отдельности может пропустить. В исследованной выборке такой подход потенциально обеспечивал стопроцентную чувствительность диагностики. Результаты представили на XXVIII Всероссийской конференции «Жизнеобеспечение при критических состояниях», прошедшей 16–17 октября в Москве.

Внутричерепные кровоизлияния относятся к опасным состояниям, при которых своевременная диагностика может иметь решающее значение для жизни пациента. Основным методом их выявления служит компьютерная томография (КТ) головного мозга. Крупные кровоизлияния обычно хорошо различимы на снимках, однако небольшие патологические изменения могут остаться незамеченными, особенно при высокой нагрузке на врачей отделений неотложной помощи.

На конференции Анна Николаевна Хоружая, врач-рентгенолог, младший научный сотрудник Научно-практического клинического центра диагностики и телемедицинских технологий Департамента здравоохранения Москвы (НПКЦ ДиТ ДЗМ) представила результаты исследования, посвящённого сравнению трёх сервисов искусственного интеллекта и врачей-рентгенологов при диагностике внутричерепных кровоизлияний. Работа проводилась в рамках московского эксперимента по внедрению технологий компьютерного зрения в лучевую диагностику.

Исследователи проанализировали работу алгоритмов за период с 2022 по 2024 год. За это время в медицинских учреждениях было выполнено около 840 тысяч КТ головного мозга, из которых примерно 439 тысяч обработали системы искусственного интеллекта. Для экспертной оценки специалисты отобрали 3409 исследований. В ходе мониторинга врачи ежемесячно проверяли результаты работы каждого сервиса, выявляли ошибки и передавали информацию разработчикам.

Все три алгоритма продемонстрировали высокую способность обнаруживать внутричерепные кровоизлияния. Так, чувствительность первого сервиса достигала 97,4%. Однако одновременно он характеризовался сравнительно низкой специфичностью – способностью правильно распознавать отсутствие патологии.

Это приводило к большому количеству ложноположительных результатов, когда программа ошибочно сообщала о кровоизлиянии. Подобные ошибки создают дополнительную нагрузку на врачей, которым приходится перепроверять подозрительные исследования.

При объединённой оценке трёх ИИ-сервисов исследователи обнаружили 293 ложноположительных результата. В то же время алгоритмы пропустили 45 случаев кровоизлияний, а врачи-рентгенологи – 12.

Особенно важным оказалось то, что пропущенные врачами и искусственным интеллектом случаи не совпадали. Это позволило исследователям рассчитать потенциальную чувствительность совместной диагностики, которая в изученной выборке достигала 100%.

При этом речь идёт именно о возможности взаимной проверки, а не о доказанной безошибочности такого подхода в любых клинических условиях.

Авторы также изучили медицинские карты пациентов, у которых кровоизлияния первоначально остались незамеченными. В одном случае на компьютерной томограмме не обнаружили небольшие субдуральное (между оболочками головного мозга) и субарахноидальное (между паутинной и мягкой оболочками мозга) кровоизлияния. Пациента отпустили домой, однако спустя два дня у него развился геморрагический инсульт (острое нарушение мозгового кровообращения, вызванное кровоизлиянием).

В другом случае после травмы головы пациент обратился к неврологу через неделю из-за ухудшения состояния. Ещё у одного пациента своевременно не выявили эпидуральное кровоизлияние (скопление крови между черепом и твёрдой оболочкой головного мозга). Впоследствии он в течение месяца жаловался неврологу на головные боли.

Эти примеры показывают, насколько серьёзными могут быть последствия диагностических пропусков даже при относительно небольшом объёме кровоизлияния.

Однако исследование выявило ещё одну проблему: высокая точность обнаружения патологии не всегда означает, что алгоритм способен правильно её охарактеризовать.

Нейросеть могла обнаружить кровоизлияние, но ошибиться при определении его типа, например принять субдуральное за субарахноидальное, либо распознать только часть патологического участка. Поэтому при более строгой оценке, учитывающей не только наличие кровоизлияния, но и правильность его описания, показатели работы ИИ заметно снижались.

Исследователи также установили, что обратная связь от врачей способна улучшать качество алгоритмов. После существенной доработки одного из сервисов его точность и специфичность повысились.

По мнению Анны Хоружей, оптимальным вариантом использования искусственного интеллекта в неотложной диагностике может стать система отложенного второго мнения. В таком случае врач сначала самостоятельно анализирует компьютерную томограмму, а затем проверяет исследования, в которых алгоритм отметил подозрительные изменения.

Подобный подход позволяет использовать сильные стороны обеих сторон: клинический опыт рентгенолога и способность искусственного интеллекта независимо анализировать большой поток изображений.

Таким образом, наиболее перспективной стратегией становится не замена врача нейросетью, а их совместная работа. Искусственный интеллект может служить дополнительной защитой от диагностических пропусков, однако окончательное решение должно оставаться за медицинским специалистом.

Автор текста Анастасия Будаева