Meditsiiniline tehisintellekt loob visuaalselt atraktiivseid soojuspilte, mis sageli ei ühti tegelike diagnoosidega

Pilt: Illustrative image · .edu.edits · CC BY-SA 4.0 · Allikas

IIIT Hydeerabadi teadlased hindasid nelja rindkere röntgenpildi AI-mudelit, mis toodavad tähelepanu soojuspilte piirkondade esiletoomiseks. Nad leidsid, et sellised visualiseeringud vastavad sageli pigem statistilistele mustritele kui tegelikele patoloogilistele piirkondadele, mis tekitab kliinilist usaldusväärsust puudutavaid küsimusi.

Rahvusvahelise Infotehnoloogia Instituudi Hydeerabadi (IIIT Hyderabad) meeskond viis läbi auditi nelja spetsialiseeritud arvutinägemise mudeli kohta, mis on mõeldud rindkere röntgenpiltide analüüsiks. Uuring keskendus sellele, kui hästi ühtivad tähelepanusoojuspildid — visuaalsed katendid, mis näitavad AI diagnoosile olulisi piirkondi — radioloogide märgitud tegelike patoloogiliste asukohtadega. Hinnatud mudelid olid MAIRA-2, MedGemma-4B, LLaVA-Med-1.5 ja LLaVA-1.5, mida testiti kolmel avalikul andmestikul ja lisaks pneumotooraksi patsientide valimil.

Nende automaatne võrdlus andis MAIRA-2-le kõrgeima koha soojuspildi ja patoloogia ühtivuse osas, sellele järgnesid MedGemma ja kaks LLaVA versiooni. Siiski oli oluline leid see, et tavapärastes juhtumites ei suutnud mudelid lihtsaid anatoomilisi mudeleid, mis põhinevad keskmistel statistilistel jaotustel, ületada. Põhimõtteliselt rõhutas AI sagedamini piirkondi, mis olid statistiliselt seotud teatud patoloogiatega, mitte täpseid individuaalsete röntgenpiltide asukohti.

Ainult ebatüüpilistes juhtumites — kus tegelikud leiud oluliselt erinesid tavapärastest mustritest — suutis MAIRA-2 ja MedGemma luua tõeliselt pildipõhise lokaliseerimise, tabades patoloogiat täpsemalt. See piirang tekitab kahtlusi selliste AI-lahenduste usaldusväärsuses kliiniliste tööriistadena.

Lisakatsetustes 124 radioloogi kaasabil selgus, et eksperdid tõlgendavad soojuspiltide usutavust erinevalt automatiseeritud mõõdikutest. Radioloogid sageli pidid veenvamaks laiemalt kliiniliselt tähenduslikku soojuspilti, isegi kui see ei kattunud rangete statistiliste piiridega.

Teadlased rõhutasid eriti vajadust arendada hindamismõõdikuid, mis hõlmaksid anatoomilisi eelhäälestusi, ning soovitasid radioloogide tihedat kaasamist AI-tööriistade hindamisse. Nende töö toob esile olulise lõhe AI mudelite visuaalse selgituse ja tegeliku kliinilise kasulikkuse vahel, hoiatades liigsest usaldusest visuaalselt muljetavaldavate, kuid potentsiaalselt eksitavate AI väljundite suhtes meditsiinidiagnostikas.