“L’intelligenza artificiale in Radiologia: l’esperienza dell’Ospedale San Paolo”

Abstract

Lo studio si concentra sull'uso dell'intelligenza artificiale (IA) per aiutare nella diagnosi di fratture ossee nel bacino. Gli obiettivi dello studio includono valutare le prestazioni dell'algoritmo IA, la sua integrazione nel processo radiologico e il feedback dei radiologi che lo utilizzano. Sono stati esaminati 235 casi di frattura o sospetta frattura in un periodo di quattro mesi, confrontando le prestazioni dell'IA con quelle dei radiologi. Sebbene i radiologi abbiano ottenuto prestazioni leggermente migliori in sensibilità, specificità e accuratezza, non ci sono differenze statisticamente significative tra l'IA e i radiologi. L'accordo tra l'IA e i medici è stato giudicato sostanziale. Nonostante non siano stati riscontrati miglioramenti significativi nei tempi di refertazione, l'IA ha dimostrato un alto valore predittivo negativo (94.62%) e parità con i radiologi. L'IA ha la capacità di apprendere dai dati e potrebbe migliorare nel tempo. L'IA potrebbe essere un utile strumento per escludere fratture ossee, specialmente come "second reader" o in situazioni ad alto carico di lavoro, ma ulteriori ricerche sono necessarie per valutarne l'impatto nella pratica clinica. L'uso dell'IA potrebbe ridurre il carico di lavoro per i radiologi, evitando ulteriori indagini diagnostiche.

The study focuses on the use of artificial intelligence (AI) to assist in the diagnosis of bone fractures in the pelvis. The study's objectives include evaluating the performance of the AI algorithm, its integration into the radiological process, and the feedback from radiologists who use it. Over a period of four months, 235 cases of fractures or suspected fractures were examined, comparing the performance of AI with that of radiologists. Although radiologists achieved slightly better performance in sensitivity, specificity, and accuracy, there are no statistically significant differences between AI and radiologists. The agreement between AI and physicians was deemed substantial. Despite not finding significant improvements in reporting times, AI demonstrated a high negative predictive value (94.62%) and parity with radiologists. AI has the ability to learn from data and could improve over time. AI could be a useful tool for excluding bone fractures, especially as a "second reader" or in high-workload situations, but further research is needed to assess its impact on clinical practice. The use of AI could reduce the workload for radiologists by avoiding additional diagnostic investigations.