“Um grupo de Radiologistas conectados pela Inteligência Artificial “Mente Colmeia”, superaram especialistas e a Inteligência Artificial isolada.”

Um pequeno grupo de radiologistas experientes, conectados por algoritmos de “inteligência artificial” que permitem que trabalhem juntos como uma “ mente colmeia ”, pode alcançar maior precisão diagnóstica do que radiologistas individuais ou algoritmos de “inteligência artificial” sozinhos, de acordo com nova pesquisa apresentada em 10 de setembro na conferência “Machine Intelligence in Medical Imaging da “Society for Medical Imaging Informatics in Medicine (SIIM)”.

A tecnologia, apelidada de “Artificial Swarm Intelligence (ASI)” ou “Swarm AI” (Inteligência Artificial de Enxame), permite que grupos humanos em rede combinem suas percepções individuais usando algoritmos de IA (Inteligência Artificial) em tempo real e colaborem para determinar um diagnóstico ideal do paciente.

“Enquanto estudos anteriores mostraram que a tecnologia ASI pode ampliar a precisão humana em tarefas preditivas, como previsão de esportes e previsão de mercados financeiros, nenhuma pesquisa anterior testou o uso de tecnologias baseadas em enxames distribuídos para diagnóstico médico”, escreveu o principal autor Matthew Lungren, MD. , da Faculdade de Medicina da Universidade de Stanford, na Califórnia, e seus colegas.

Para testar seu método, Lungren e seus colegas da Escola de Medicina da Universidade de Stanford e da “Unanimous AI” associaram um grupo de oito radiologistas usando o ASI. Os radiologistas foram posicionados em locais separados e foram encarregados, como um sistema unificado, de diagnosticar um conjunto de 50 radiografias de tórax para a presença de pneumonia.

Os dados foram coletados para diagnósticos individuais e para diagnósticos feitos pelo grupo como um sistema ASI em tempo real. Além disso, os diagnósticos também foram coletados e comparados com o programa de aprendizado de máquina do sistema ChexNet desenvolvido pela Escola de Medicina da Universidade de Stanford, que, em estudos anteriores, mostrou superar os radiologistas humanos individuais na triagem de pneumonia.

Os resultados mostraram que o ASI reduziu a taxa de erro em 33%, em comparação com os diagnósticos tradicionais apenas por radiologistas individuais. Além disso, o ASI foi 22% mais preciso na classificação binária do que o sistema ChexNet.

“Diagnosticar patologias como pneumonia a partir de radiografias de tórax é extremamente difícil, tornando-a um alvo ideal para tecnologias de IA”, disse Lungren em um comunicado preparado pela AI Unânime. “Os resultados deste estudo são muito empolgantes, pois apontam para um futuro em que os médicos e os algoritmos de inteligência artificial podem trabalhar juntos em tempo real, em vez de os profissionais humanos serem substituídos por algoritmos automatizados”.

Os pesquisadores notaram que a ASI pode ser fundamental no desenvolvimento e geração de conjuntos de dados de “verdade básica” mais precisos para o treinamento de sistemas como o ChexNet.

“No geral, este estudo sugere que as tecnologias baseadas em enxames são bastante promissoras para uso em diagnósticos médicos, permitindo que pequenos grupos de profissionais médicos combinem suas percepções em tempo real sob moderação de software e, assim, obtenham exatidão diagnóstica que exceda significativamente as precisões de praticantes humanos individuais. assim como soluções somente de software ”, concluíram os autores.

Fonte: Radiology Business