Biometrische Messungen in der Diagnostik: Vergleich von Experten und IA-unterstützten Bewohnern (BIOMEDEXIA)

Geburtshelfer Ultraschall ist der Eckpfeiler der Bewertung des fetalen Wachstums. Es bietet wesentliche biometrische Messungen zur Schätzung des fetalen Gewichts, zur Überwachung des Wachstums und zur Identifizierung von Erkrankungen wie intrauterinem Wachstumsverzögerung (IUGR) oder Makrosomie. Die Genauigkeit dieser Messungen hängt weitgehend von der Expertise des Betreibers ab. Erfahrene Praktizierende übertreffen sich bei der Positionierung der Sonde, der Identifizierung anatomischer Orientierungspunkte und der Erlangung reproduzierbarer Messungen. Im Gegensatz dazu können Anfänger wie medizinische Bewohner schwierig sein, optimale Bilder aufzunehmen oder präzise Orientierungspunkte zu identifizieren, was zu einer erheblichen Variabilität führt. Diese Variabilität zwischen den Beobachtern, die auch unter Experten gut dokumentiert ist, kann sich auf klinische Entscheidungen und das Geburtsmanagement auswirken. Für Anfänger ist die Variabilität stärker ausgeprägt, was die diagnostische Zuverlässigkeit und Patientenversorgung beeinflussen kann. Die Verbesserung der Ausbildung der Bewohner ist daher wichtig, um diese Variabilität zu verringern. Traditionelle Lösungen zur Minimierung der Variabilität, wie z. B. erhöhte Überwachung, sind Einschränkungen aufgrund von Zeitbeschränkungen und Verfügbarkeit von Ressourcen ausgesetzt. Die jüngsten Fortschritte in der künstlichen Intelligenz (KI) könnten bei der Ausbildung von Bewohnern helfen. In Geburtshilfe könnte KI möglicherweise biometrische Messungen automatisieren, indem sie wichtige anatomische Orientierungspunkte identifiziert und präzise, ​​konsistente Messungen durchführt. Diese Systeme können die Akquisition standardisieren und die Variabilität verringern, wodurch die Messungen weniger von der Erfahrung des Bedieners abhängig machen. KI -Technologien könnten die Anfängerleistung erheblich verbessern, indem sie die Lernkurve potenziell verkürzt und die Zuverlässigkeit der Messung verbessern. Dies könnte es den Bewohnern ermöglichen, unabhängiger zu arbeiten und gleichzeitig die Genauigkeit aufrechtzuerhalten. Trotz dieser potenziellen Vorteile hätten nur wenige Studien die Novice-Leistung von AI-unterstützten Anfängern mit der von Expertenpraktikern unter realen Bedingungen streng verglichen. Diese Studie zielt darauf ab, die mögliche Wirksamkeit von KI bei der Unterstützung von Anfänger bei geburtshilfbiometrischen Messungen zu bewerten. Das Hauptziel wäre es zu bestimmen, ob die AI-Unterstützung den Anfängern ermöglichen könnte, Messgenauigkeit zu erreichen, die mit der von erfahrenen Praktikern vergleichbar ist, und gleichzeitig die Reproduzierbarkeit und die Verringerung der Variabilität der Inter-Beobachter zu verbessern.