Invloed van echografie-operator op diagnostiek met AI voor schildkliernodules - klinische proef

Dit is een prospectieve klinische studie die tot doel heeft te testen hoe de ervaring van de echoscopist de prestaties van op AI gebaseerde (op kunstmatige intelligentie gebaseerde) diagnostiek beïnvloedt bij het analyseren van schildklierknobbeltjes op echografieën. De onderzoekers zetten een experiment op met vijf stations, elk met een patiënt met een schildkliernodus en een echoapparaat waarop het op deep learning gebaseerde systeem S-Detect for Thyroid was geïnstalleerd. Er werden 20 deelnemers aan het onderzoek gerekruteerd: 8 medische studenten met beginnende echografievaardigheden, 3 junior KNO-registrators (oor-neus-keel) met gemiddelde echografievaardigheden, en 9 senior KNO-registrars met ervaring in echografie. De deelnemers scanden alle patiënten en registreerden hun analyses van de knobbeltjes met behulp van het EUTIRADS-systeem (European Schildklier Imaging Reporting and Data System) op drie verschillende manieren: een eigen analyse, de analyse van S-Detect, en een analyse die de twee voorgaande combineerde.

De hypothese was dat het AI-systeem even goed zou presteren tussen de deelnemersgroepen. Daarnaast werd verwacht dat de ervaren deelnemers zonder AI-hulp beter zouden presteren dan de studenten, en dat de artsen weinig zouden winnen van AI-input, maar dat de prestaties van de studenten zouden verbeteren door AI-input.