診断における生体認証測定：専門家とIA支援居住者の比較 (BIOMEDEXIA)

産科超音波は、胎児の成長評価の基礎です。 胎児の体重を推定し、成長を監視し、子宮内成長遅延（IUGR）や大筋腫などの条件を特定するための必須生体認証測定を提供します。 これらの測定の精度は、主にオペレーターの専門知識に依存します。 経験豊富な開業医は、プローブの配置に優れており、解剖学的ランドマークを特定し、再現可能な測定値を取得します。 対照的に、医療居住者などの初心者のオペレーターは、最適な画像をキャプチャしたり、正確なランドマークを特定したりするのが難しいと感じる可能性があり、その結果、大きなばらつきが生じます。 専門家の間でもよく文書化されているこの観察者間の変動は、臨床決定と産科管理に影響を与える可能性があります。 初心者の場合、変動性はより顕著であり、診断の信頼性と患者ケアに影響を与える可能性があります。 したがって、この変動を減らすためには、居住者のトレーニングを改善することが不可欠です。 監督の増加、時間の制約、リソースの可用性による直面の制限など、変動性を最小限に抑えるための従来のソリューション。 人工知能（AI）の最近の進歩は、住民の訓練に役立つ可能性があります。 産科では、AIは重要な解剖学的ランドマークを特定し、正確で一貫した測定を実行することにより、潜在的に生体認証測定を自動化できます。 これらのシステムは、獲得を標準化し、変動性を低下させ、測定値をオペレーターの経験に依存させない場合があります。 AIテクノロジーは、学習曲線を潜在的に短縮し、測定の信頼性を高めることにより、初心者のパフォーマンスを大幅に改善できます。 これにより、居住者は精度を維持しながら、より独立して作業できるようになる可能性があります。 これらの潜在的な利点にもかかわらず、AIアシストの初心者のパフォーマンスと実際の条件下での専門家のパフォーマンスを厳密に比較した研究はほとんどありません。この研究は、産科生体測定中の初心者演算子をサポートするAIの可能性のある有効性を評価することを目指しています。 主な目的は、AI支援が初心者が経験豊富な開業医の測定精度に匹敵する測定精度を達成できるかどうかを判断し、再現性を改善し、観察者間の変動を減らすことができるかどうかを判断することです。