ИИ-аудит в здравоохранении

    По данным публикации в журнале Радиология(Radiology) за май 2019 - Variation in Follow-up Imaging Recommendations in Radiology Reports: Patient, Modality, and Radiologist Predictors / Различия в рекомендациях по последующей визуализации в радиологических заключениях: пациент, метод и предикторы радиологов - внешняя ссылка

    Между радиологами наблюдалась высокая степень вариации (примерно в семь раз) в отношении рекомендаций по контрольной визуализации в заключениях. Это говорит о том, что вмешательства по сокращению необоснованных вариаций в рекомендациях по контрольной визуализации могут быть нацелены на конкретных радиологов.

    Насколько известно авторам, различия между радиологами при вынесении рекомендаций относительно проведения дополнительных визуализационных исследований и связанных с ними факторов неизвестны. Четкая идентификация факторов, объясняющих различия в последующих рекомендациях, может предотвратить проведение ненужных исследований при случайных или неоднозначных результатах.

    Целью данного исследования было определить заболевания и факторы, связанные с последующими рекомендациями, в заключениях радиологов по нескольким радиологическим методам, в учреждениях по уходу за пациентами и в отделениях визуализации.

    В этом ретроспективном исследовании проанализировано 318 366 заключений, полученных в результате диагностических исследований, проведенных в крупной городской больнице в период с 1 января по 31 декабря 2016 года, за исключением заключений по молочным железам и УЗИ. Подгруппа из 1000 заключений была выбрана случайным образом и помечена вручную, чтобы обучить и проверить алгоритм машинного обучения(АМО), чтобы предсказать, включал ли отчет последующую рекомендацию по визуализации (обучающая и проверочная выборка состояли из 850 заключений, тестовая выборка - из 150 заключений). Обученный алгоритм был использован для классификации 318 366 заключений. Многовариантная логистическая регрессия была использована для определения вероятности последующих рекомендаций. Был проведен дополнительный анализ по методам визуализации, и была количественно определена изменчивость между подразделениями и радиологами.

    Алгоритм машинного обучения классифицировал 38 745 из 318 366 (12,2%) заключений как содержащие последующие рекомендации. Средний возраст пациентов составил 59 лет ± 17 (стандартное отклонение); 45.2% (143 767 из 318 366) заключений были о пациентах мужского пола. Среди 65 радиологов 57% (37 из 65) были мужчинами. При многопараметрическом анализе пациенты старшего возраста имели более высокие показатели последующих рекомендаций наблюдения (отношение шансов [ОШ], 1,01 [95% доверительный интервал {CI}: 1,01, 1,01] для каждого дополнительного года), пациенты мужского пола имели более низкие показатели последующих рекомендаций наблюдения(ОШ, 0,9; 95% ДИ: 0,9, 1,0) и последующие рекомендации были наиболее распространенными среди КТ (ОШ, 4,2 [95% ДИ: 4,0, 4,4] по сравнению с рентгенографией). Пол рентгенолога (P = .54), присутствие стажера (P = .45) и стаж (P = .49) не были значимыми предикторами рекомендаций. Анализ на уровне подразделений показал вариацию от 2,8 до 6,7 раз.

    Существуют значительные различия между радиологами в вероятности получения рекомендации последующего обследования в радиологическом заключении с учетом поправки на факторы пациента, метода и радиолога.

    *Для тех кто не уловил суть статьи. ИИ здесь был применен для отслеживания врачей дающих "неоправданные" с точки зрения менеджмента рекомендации контрольных исследований, которые приводят к дополнительным финансовым потерям, для дальнейшей профилактически-воспитательной работы с этими врачами.

    *комментарии редактора