AIs løsning på mangel av radiolog ved brystkreftscreening
Abstract
SammendragProblemstilling: Kan bruken av AI øke effektiviteten og samtidig bevare falsk-positive og falsk-negative tester ved mammografiscreening?
Hensikt med oppgaven: Hensikten med oppgaven er å utforske om AI som assistanse for å forhåndsvelge undersøkelser for radiologene å tolke, eller som erstatning av en av to radiologer forbedrer eller bevarer nøyaktigheten i granskningen av mammogrammer som ved dagens standardprosedyre (to radiologer).
Metode: Oppgaven benytter seg av en kvantitativ litteraturstudie for å besvare valgt problemstilling. Seks vitenskapelige artikler er valgt på bakgrunn av å undersøke om AI kan erstatte én av to radiologer, for økt effektivitet, samt redusere falsk-negative og falsk-positive tester.
Resultat: Resultatet bygges av flere utvalgte studier hvor faktorer som effektivitet, sensitivitet og spesifisitet blir undersøkt ved bruk av AI som assistanse ved tolkning av mammogrammer, eller for erstatning av en av to radiologer.
Konklusjon: Til konklusjon kan AI øke effektiviteten, redusere arbeidsbelastningen og muligheten for å bevare eller redusere FP og FN, selv om det ikke er sikkert at denne reduksjonen for falske diagnoser kan gjelde tilfeller med mammografiscreening.
Nøkkelord: Mammografiscreening, Artificial Intelligence, brystradiologer, mammogrammer
Antall ord: 7465 AbstractResearch topic: Can the use of AI increase efficiency and preserve false-positive and false-negative tests in mammography screening?
Objective: The purpose of this thesis is to explore whether AI can be used as a tool to pre-select examinations for the radiologists to interpret or replace one of two radiologists, and whether it improves or preserves the accuracy of the examination of mammograms in the current standard procedure (two radiologists).
Method: The assignment uses a quantitative literature study to answer the chosen problem. Six scientific articles were selected based on investigating whether AI can replace one out of two radiologists for increased efficiency and reducing false-negative and false-positive tests.
Result: The result is built from several selected studies where factors such as efficiency, sensitivity and specificity are investigated using AI as assistance in interpreting mammograms or to replace one of two radiologists.
Conclusion: In conclusion, AI can increase efficiency, reduce workload and the possibility of preserving or reducing FP and FN, although it is not certain that this reduction for false diagnoses can apply to mammography screening cases.
Keywords: Breast cancer screening, Artificial Intelligence, breast radiologists, mammograms
Word count: 7465