Röntgenképek olvasata meglehetősen szubjektív, több tényezőtől függ, hogy a radiológus mit vesz észre rajtuk, hogyan értékeli őket. Értelemszerűen, minél fáradtabb, annál könnyebben hibázhat.

Az Európai Unió most hagyott jóvá egy, a radiológusok munkáját segítő mesterségesintelligencia-rendszert, amely felismeri a mellkasról készült, rendellenességmentes röntgenképeket.

A litván Oxipit startup által fejlesztett ChestLink az európai hatóságok részéről orvosi használatra elsőként elfogadott, tehát az egészségügyi és biztonsági előírásoknak megfelelő, autonóm gépilátás-rendszer. Az engedéllyel lehetővé vált a ChestLink rendszernek a huszonhét tagállamban, valamint Liechtensteinben, Norvégiában, Svájcban és Törökországban történő telepítése.

A rendszer az Oxpit korábbi termékét, a ChestEye-t használja, hetvenöt rendellenesség, például az endéma és a tuberkulózis jeleit kutatja. Ha egyet sem talál, orvosi tájékoztatót generál. Máskülönben radiológusnak továbbítja a képet, hogy a szakember nézze át.

Mielőtt telepítik egy klinikán, a cég röntgenvizsgálatokat végez, hogy megállapítsa a rendszer által nagy valószínűséggel felismert rendellenesség-mentes képek arányát. Telepítés után az Oxpit kiértékeli ChestLink hatékonyságát, és csak utána hagyják autonóm módban működni.

Egy éven keresztül több klinikán tesztelték, és a tesztekhez ötszázezer képet használtak. Az autonóm működtetésre a tervek alapján jövőre kerül sor. Az Oxpit bízik, hogy az FDA-től, az Egyesült Államok Élelmiszer- és Gyógyszerhatóságától is zöld fényt kapnak.

Az egészséges mellkast ábrázoló röntgenképek azonosításával és a róluk készült beszámolókkal, a rendszer sokat segít a radiológusoknak, mert a szakembereknek így már tényleg csak a fokozottabb figyelmet igénylő képekre kell összpontosítaniuk.

A radiológusok – különösen csapatmunkában – egyelőre a legjobb mesterségesintelligencia-rendszereknél is jobban diagnosztizálnak, az MI kevésbé ellentmondásos, problémamentes képek felismerésére történő gyakoroltatása viszont nagyon jó megközelítésnek tűnik.