מדובר בכלי אשר מבצע אינטגרציה של מידע המבוסס על שלושה סוכנים מלאכותיים מונחי AIי(AI Guided Agent); הראשון סקירה של של נתוני הבדיקה האלקטרופיזיולוגית כולל צורות הגל, ומבצע ולידציה אל מול ערכי הרפרנס של ה-AANEM. השני מפיק את המידע הרלוונטי מה-TEXT BOOK (במקרה זה, המהדורה הרביעית של ה book Electromyography and Neuromuscular Disorders: Clinical-Electrophysiologic-Ultrasound Correlations) והשלישי – מבצע סינתזה של כל המידע ומפיק את הדו"ח הקליני. במקביל, הסוכנים מבצעים אינטגרציה של הרקע הרפואי, הדמוגרפי והסימפטומים של המטופל. במקביל נבדק כלי דומה בשם INSPIRE-lite אשר התבסס על הספר Easy EMG: Laboratory Evaluation of Muscle and Nerve Disorders 3rd edition.
מדדי הביצוע של כלי ה-AI שפותחו נאמדו לפי שיטת דירוג שפותחה ע"י החוקרים (AIGERS) המבוססת על ארבעה מדדים – היכולת לזהות ממצאים לא תקינים (Findings), לספק אבחנה מדוייקת (clinical diagnosis), ולנסח טקסט המנוסח באופן קריא, ברור (clarity) ומקצועי (semantic concordance). הדו"חות נבדקו ע"י מומחים נוירומוסקולריים.
INSPIRE השיגה דיוק של 92.2% בזיהוי ממצאים לא תקינים לעומת ממצאים תקינים, וציונים גבוהים יותר בכל מדדי ה-AIGERS (בייחוד במדדי ה- findings ו-clinical diagnosis), לעומת ה-INSPIRE-Lite וכלי AI אחר, המבוסס על סריקה חד פעמית של הנתונים (Gemini).
מודל זה מאפשר אנזליזה מקיפה באמצעות אינטגרציה של מגוון משתנים קליניים, אשר משפרת את היעילות והדיוק בדו"חות האלקטרודיאגנוסיים. המטרה היא שבאמצעות ניסוח טיוטה ראשונית ע"י כלי ה-AI, הרופאים יכולים לרכז את המשאבים שלהם בבדיקת הדו"ח ולהפעיל שיקול דעת מקצועי באשר למידע אותו הם רוצים לכלול או להשמיט מהדו"ח ולשפר את העקביות בקרב הדו"חות. מחקר נוסף הכולל יישום מודלים מסוג זה בסביבה קלינית, יאפשר ולידציה של הנחות אלה.
הירשמו לקבלת עדכונים בנושאים שעלו בכתבה
תגובות אחרונות