在放射治疗中,电子学习干预和人工智能辅助轮技能的潜力:ELAISA研究
Mathis Ersted Rasmussen1, Kamal Akbarov2, Egor Titovich2
1Experimental Clinical Oncology, Aarhus University Hospital, Aarhus, Denmark.
JCO global oncology
|September 5, 2024
概括
人工智能辅助的轮改进了轮质量,并减少了低收入和中等收入国家的放射瘤学家的规划时间. 这种人工智能工具显示出在各种医疗保健环境中安全和有益的应用的希望.
科学领域:
- 辐射瘤学 辐射瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 关于人工智能辅助轮的研究主要来自高收入国家.
- 人工智能工具的有效性和安全性可能会受到不同医疗保健环境中的当地因素的影响.
- 了解低收入和中等收入国家 (LMICs) 的影响对于全球采用至关重要.
研究的目的:
- 评估人工智能辅助轮对轮时间和质量的影响.
- 在LMICs的放射瘤学家中评估人工智能辅助轮和教育干预措施的有效性.
- 为在资源有限的环境中提供AI轮的适用性提供见解.
主要方法:
- 97名放射瘤学家被随机分配到手动或人工智能辅助的轮组.
- 在轮任务之间提供了关于轮指南的教学课程.
- 使用子相似系数 (DSC) 与专家轮相比,测量了轮质量.
- 记录了各种有风险的器官 (OAR) 的轮时间.
主要成果:
- 人工智能辅助的轮显著改善了视神经,口腔,,脊髓和下的子相似系数 (DSC).
- 使用人工智能辅助减少了脑干,下,视神经,状腺和甲状腺的轮时间.
- 单独教学改善了口腔和甲状腺的DSC,但增加了下,口腔和甲状腺的轮时间.
结论:
- 人工智能辅助轮被证明对LMIC的放射瘤学家来说是安全和有益的.
- 这些发现支持在LMIC中整合AI轮工具.
- 推在实施后进行进一步的前性临床试验,以验证这些影响.
