FDA розширило застосування ШІ-системи для сортування пацієнтів з невідкладними станами

Разом із трьома раніше схваленими показаннями (оцінка діаметра черевної аорти, виявлення розшарування аорти та вільного газу) Aidoc тепер охоплює 14 невідкладних станів в єдиному робочому процесі.

До переліку нових схвалених показань увійшли гострий апендицит, гострий дивертикуліт, абсцеси черевної порожнини та малого таза, кишкова непрохідність, обструктивні конкременти нирок, ішемія кишечника та пневматоз кишкової стінки, травматичні ушкодження нирок, печінки та селезінки, а також переломи кісток таза.

У реєстраційному дослідженні система продемонструвала середню чутливість на рівні 97% (до 98,5% для окремих станів), середню специфічність — 98% (до 99,7%).

Для розуміння клінічної значущості цих показників: чутливість 97% означає, що система пропускає лише 3 із 100 випадків патології, тоді як специфічність 98% свідчить про те, що лише 2 зі 100 нормальних тестів будуть помилково позначені як підозрілі. Баланс цих характеристик є критичним для тріажних систем, де як пропущена патологія, так і надмірна кількість хибних тривог можуть негативно впливати на клінічні результати та операційну ефективність.

За даними компанії, кількість хибних тривог зменшилася приблизно на порядок порівняно з найкращими однозадачними рішеннями.

Принцип тріажу на основі гостроти стану

Традиційна модель роботи радіологічного відділення передбачає послідовну обробку досліджень у порядку їхнього надходження. За умов зростаючого навантаження та обмежених кадрових ресурсів лінійна черга може призводити до затримки інтерпретації критичних знахідок.

Система Aidoc реалізує альтернативний підхід — пріоритезацію на основі гостроти стану. Алгоритм автоматично аналізує кожне дослідження та виносить випадки з підозрою на невідкладні стани на початок черги, забезпечуючи їхній пріоритетний розгляд радіологом. Такий підхід знижує ризик пропуску критичних станів у періоди високого навантаження.

Система функціонує на базі Aidoc aiOS — корпоративної операційної системи штучного інтелекту, яка на сьогодні проаналізувала понад 100 мільйонів клінічних випадків. Накопичений масив даних забезпечує постійне вдосконалення алгоритмів машинного навчання.