কৃত্রিম বুদ্ধিমত্তা কি এক্স-রে মাধ্যমে ফুসফুসের ক্যান্সার শনাক্তকরণে ডাক্তারকে প্রতিস্থাপন করতে পারে?

বুকের এক্স-রে ফুসফুসের ক্যান্সারের মতো রোগ শনাক্তকরণের একটি সহজ এবং ব্যাপকভাবে ব্যবহৃত হাতিয়ার হিসেবে রয়ে গেছে। জাপানে, এটি কর্পোরেট স্বাস্থ্য পরীক্ষার একটি বাধ্যতামূলক অংশ। তবে, এর ব্যাখ্যা করার জন্য উল্লেখযোগ্য বিশেষজ্ঞতা প্রয়োজন। ভুল কমাতে সাধারণত দুজন ডাক্তার প্রতিটি এক্স-রে বিশ্লেষণ করেন, যা তাদের কাজের চাপ বাড়ায়।

একটি সাম্প্রতিক গবেষণায় দেখা হয়েছে যে কৃত্রিম বুদ্ধিমত্তার সফটওয়্যার এই দ্বৈত পাঠ পদ্ধতিতে প্রথম পাঠকের ভূমিকা পালন করতে পারে কিনা। গবেষকরা ২০১৮ থেকে ২০২০ সালের মধ্যে করা ৩২০,০০০-এরও বেশি এক্স-রে বিশ্লেষণ করেছেন। ফুসফুসের ক্যান্সারের সন্দেহযুক্ত ক্ষেত্রে, তিনটি কৃত্রিম বুদ্ধিমত্তার মডেল পরীক্ষা করা হয়েছে। ফলাফল: এই সরঞ্জামগুলি ৬২ থেকে ৭৭% অস্বাভাবিকতা শনাক্ত করেছে, যেখানে মানব ডাক্তাররা শনাক্ত করেছেন ৫৯%। শুধুমাত্র ফুসফুসের নডিউলগুলিতে ফোকাস করলেও, যা সবচেয়ে সাধারণ, কৃত্রিম বুদ্ধিমত্তার কর্মক্ষমতা আরও ভাল ছিল, শনাক্তকরণের হার ছিল ৬৪ থেকে ৭৬%, যেখানে ডাক্তাররা পৌঁছেছিলেন ৫৯% এ।

কৃত্রিম বুদ্ধিমত্তা পেশাদারদের তুলনায় কমপক্ষে সমান, যদি না আরও ভালো, ক্ষমতা প্রদর্শন করেছে। তবে, এটি আরও বেশি সংখ্যক ভুল সতর্কতা তৈরি করেছে। যেখানে ডাক্তাররা খুব কম ভুল সতর্কতা তৈরি করেছিলেন, সফটওয়্যারগুলি ১০০টি পরীক্ষার মধ্যে ৬ থেকে ১৫টি ভুল সতর্কতা শনাক্ত করেছে, ব্যবহৃত মডেলের উপর নির্ভর করে। এই ভুলগুলি প্রায়শই ঘটে যখন স্বাভাবিক গঠন, যেমন পাঁজর বা রক্তনালী, ক্ষতির সাথে ভুল করা হয়।

এই ফলাফলগুলি ইঙ্গিত দেয় যে কৃত্রিম বুদ্ধিমত্তা সত্যিই স্ক্রিনিংয়ে প্রথম পাঠকের ভূমিকায় প্রতিস্থাপন করতে পারে। এটি ডাক্তারদের কাজের চাপ কমাতে সাহায্য করবে এবং একই সাথে রোগনির্ণয়ের মান বজায় রাখবে। তবে, সবচেয়ে অস্পষ্ট বা ক্ষুদ্র নডিউলগুলি এখনও এই সরঞ্জামগুলির জন্য একটি চ্যালেঞ্জ হিসেবে রয়ে গেছে। কঠিন ক্ষেত্রগুলির জন্য মানব দ্বিতীয় পাঠকের আরও সতর্কতা প্রয়োজন হবে।

এই পদ্ধতিটি ব্যাখ্যাগুলিকে মানককরণ করতে এবং অনুশীলনকারীদের অভিজ্ঞতার উপর নির্ভরশীল পরিবর্তনশীলতাগুলি সীমিত করতে পারে। এই সুবিধাগুলি নিশ্চিত করতে এবং স্বাস্থ্যসেবা সংগঠনের উপর প্রভাব মূল্যায়ন করতে একাধিক মেডিকেল কেন্দ্রে অতিরিক্ত গবেষণা প্রয়োজন হবে। লক্ষ্য হল ধীরে ধীরে এই প্রযুক্তিগুলিকে সাধারণ অনুশীলনে একীভূত করা, স্ক্রিনিংয়ের নির্ভুলতা ত্যাগ না করে।

Bases documentaires

Rapport de référence

DOI : https://doi.org/10.1007/s11604-026-01973-z

Titre : Can AI substitute the first reader in chest radiograph screening? A retrospective non-inferiority evaluation

Revue : Japanese Journal of Radiology

Éditeur : Springer Science and Business Media LLC

Auteurs : Kotaro Yoshida; Atsushi Takamatsu; Rie Tanaka; Tetsuo Matsunaga; Antoine Choppin; Aya Tonouchi; Satoshi Kobayashi; Takeshi Kobayashi