Ahli radiologi yang menggunakan perangkat lunak berbasis kecerdasan buatan (AI) dalam praktik klinis nyata lebih mampu mendeteksi nodul paru-paru pada radiografi dada daripada ahli radiologi yang menggunakan radiografi saja, menurut hasil dari penelitian acak besar yang diterbitkan di Radiologi. Dalam studi label terbuka, algoritme perangkat lunak diagnosis berbantuan komputer (CAD) berbasis AI yang tersedia secara komersial (Lunit INSIGHT CXR, versi 2.0.2.0) ditanamkan ke dalam alur kerja klinis dari satu pusat.
“Mendeteksi nodul paru-paru, temuan utama kanker paru-paru, adalah salah satu tugas penting dalam radiografi dada. Namun demikian, bahkan para ahli pun dapat melewatkan nodul paru-paru yang dapat ditindaklanjuti, terutama dalam situasi volume tinggi,” kata penulis korespondensi studi Jin Mo Goo, MD. , PhD, Departemen Radiologi di Rumah Sakit Universitas Nasional Seoul di Korea Selatan, dalam sebuah wawancara.
Dalam analisis, nodul paru diidentifikasi pada 2% dari seluruh kelompok pasien (222/10.476). Tingkat deteksi untuk nodul paru yang dapat ditindaklanjuti, hasil utama penelitian, ketika radiografi dan AI digunakan adalah 0,59%, dibandingkan dengan 0,25% ketika hanya radiografi yang digunakan (rasio odds [OR], 2,4; CI 95%: 1,3, 4,6; P = 0,008). Tingkat deteksi nodul paru ganas pada radiografi juga secara signifikan lebih tinggi dengan diagnosis yang dibantu AI sebesar 0,15% vs 0,0% (OR, 17,0; CI: 0,98, 295,1; P = 0,05).
Sementara berbagai sistem CAD berbasis AI telah ditunjukkan sebagai pembaca kedua untuk secara substansial meningkatkan kinerja ahli radiologi dalam penelitian sebelumnya, penelitian tersebut bersifat retrospektif, berpotensi memperkaya penyakit, dan dilakukan dalam kondisi praktik yang tidak nyata atau tunduk pada batasan lain. Bukti dari uji coba prospektif, terutama dari populasi pemeriksaan kesehatan, masih kurang dan sangat diperlukan, menurut para peneliti.
Semua individu yang mengunjungi pusat pemeriksaan kesehatan dan menjalani radiografi dada sebagai bagian dari pemeriksaan kesehatan (n = 10.476, usia rata-rata 57 tahun, 51% wanita) dari Juni 2020 hingga Desember 2021 terdaftar. Pasien diacak 1:1 untuk kelompok intervensi (kelompok AI) atau kelompok kontrol (kelompok non-AI). Tujuannya adalah untuk menyelidiki apakah perangkat lunak CAD berbasis AI komersial dapat meningkatkan tingkat deteksi nodul paru yang dapat ditindaklanjuti pada radiografi dada pada populasi yang menjalani pemeriksaan kesehatan ini.
Nodul yang dapat ditindaklanjuti didefinisikan sebagai nodul padat yang lebih besar dari 8 mm atau nodul subpadat dengan bagian padat lebih besar dari 6 mm (Pelaporan Pencitraan Paru dan Sistem Data [Lung-RADS], kategori 4). Sebagian besar radiografi dada, penulis mencatat, diinterpretasikan oleh salah satu dari tiga ahli radiologi bersertifikat yang ditunjuk dengan pengalaman masing-masing 36, 27, dan 13 tahun, dalam membaca radiografi dada.
Selain menunjukkan tingkat deteksi yang jauh lebih tinggi untuk hasil utama dan untuk nodul ganas, kelompok AI dan non-AI menunjukkan tingkat rujukan palsu yang sama (45,9% [56 of 122 participants] vs 56,0% [56 of 100 participants], masing-masing; P = 0,14) dan tingkat laporan positif (2,3% [122 of 5238 participants] vs 1,9% [100 of 5238 participants]; P = 0,14).
Tingkat deteksi kanker paru-paru yang lebih tinggi pada radiografi dada pada kelompok AI (0,11% vs 0,0%), meskipun tidak mencapai signifikansi statistik (P = 0,08), cenderung mendukung diagnosis dengan bantuan AI. “Kami membutuhkan ukuran sampel yang lebih besar karena prevalensi penyakit rendah pada populasi skrining kesehatan.…Jika kami mengevaluasi ukuran sampel yang lebih besar, rasio odds untuk mendeteksi nodul paru ganas dan kanker paru akan berbeda secara signifikan antara kelompok AI. dan kelompok non-AI,” kata Goo dalam wawancara.
“Sementara banyak penelitian telah menunjukkan bahwa algoritme AI dapat meningkatkan kinerja ahli radiologi dalam menginterpretasikan radiografi dada, hasilnya sebagian besar berasal dari studi kasus-kontrol retrospektif. Bukti yang lebih kuat diperlukan agar perangkat lunak AI ini diterapkan secara luas dalam praktik klinis nyata. Studi kami berkontribusi untuk memberikan bukti ini,” tambah Goo.
Dalam makalah mereka, para peneliti menyimpulkan bahwa: “Pada peserta pemeriksaan kesehatan, perangkat lunak berbasis kecerdasan buatan meningkatkan deteksi nodul paru yang dapat ditindaklanjuti pada radiografi dada.”
Sebuah editorial pendamping dalam Radiologi oleh William F. Auffermann, MD, PhD, profesor ilmu radiologi dan pencitraan di Fakultas Kedokteran Universitas Utah, Salt Lake City, menegaskan hal ini.
Meskipun menyatakan bahwa radiografi dada adalah metode pencitraan yang paling banyak dilakukan di dunia, Auffermann mengamati bahwa kesalahan sering terjadi. “Tingkat deteksi untuk nodul menggunakan radiografi dada sangat kurang optimal, terhitung sekitar 90% dari nodul yang terlewatkan. Dengan demikian, metode untuk membantu identifikasi nodul paru akan sangat membantu.”
Auffermann menambahkan bahwa studi CAD sebelumnya sering dilakukan di luar praktik klinis dan memvalidasi algoritme mereka dengan populasi termasuk sejumlah kasus abnormal yang diperkaya. “Sulit untuk menentukan bagaimana perilaku interpretatif ahli radiologi yang tahu bahwa mereka sedang membaca untuk studi dengan set data yang diperkaya akan diterjemahkan ke dalam kinerja dalam praktik klinis rutin. Studi ini menawarkan data baru untuk menjawab pertanyaan ini.”
Namun, Auffermann menunjukkan keterbatasan penelitian, mencatat, “penelitian ini melibatkan sejumlah kecil ahli radiologi, mungkin dengan pelatihan tingkat tinggi dan kenyamanan menggunakan sistem CAD ini. Tidak jelas bagaimana sistem seperti itu akan digeneralisasikan ke sejumlah besar ahli radiologi tidak begitu akrab atau nyaman dengan perangkat lunak CAD berbasis AI.” Auffermann juga mencatat bahwa para peneliti tidak menyebutkan apakah menambahkan input berbasis AI menambah waktu untuk proses evaluasi radiografi, faktor penting yang perlu dipertimbangkan.
Radiologi. Diterbitkan online 7 Februari 2023. Teks lengkap; Tajuk rencana.
Studi penelitian ini didukung oleh Proyek R&D Teknologi Kesehatan Korea melalui Institut Pengembangan Industri Kesehatan Korea, yang didanai oleh Kementerian Kesehatan dan Kesejahteraan, Republik Korea. Goo mengungkapkan hibah penelitian dari LG Electronics dan Coreline Soft; dia adalah editor asosiasi untuk Radiologi.
Untuk berita lebih lanjut, ikuti Medscape di Facebook, Twitter, Instagram, dan YouTube.