Целью данного исследования представлялось изучение и оценка вовлеченности врачей-рентгенологов в использование программного обеспечения с применением технологий искусственного интеллекта (ИИ) и удовлетворённости применением данных технологий в качестве поддержки при принятии врачебных решений.
Анкетирование врачей-рентгенологов проводилось в 2021-22 гг. на базе медицинских организаций Департамента здравоохранения Москвы.
В 2021 году прошли опрос 333 врача-рентгенолога, в 2022 г – 342. Анкетирование проходили врачи разных специализаций: компьютерной томографии, магнитно-резонансной томографии, рентгенографии и маммографии, различного возраста и стажа работы по специальности. При исследовании вовлеченности выяснилось, что в 2022 году по сравнению с 2021 годом вовлеченность врачей выросла более чем в 2 раза. Оценка удовлетворенности использования технологий ИИ в работе показала, что в 2022 году по сравнению с 2021 годом отмечается тенденция сдвига мнений от крайних оценок «отлично» и «неудовлетворительно» к оценкам «хорошо» и «удовлетворительно».
На основании полученных результатов можно сделать вывод о том, что технологии ИИ требуют дальнейшего развития, не только с клинической или технической точки зрения, но и с популяризационной, образовательной стороны для врачей, использующих технологии ИИ в своей работе.
Анкетирование врачей-рентгенологов проводилось в 2021-22 гг. на базе медицинских организаций Департамента здравоохранения Москвы.
В 2021 году прошли опрос 333 врача-рентгенолога, в 2022 г – 342. Анкетирование проходили врачи разных специализаций: компьютерной томографии, магнитно-резонансной томографии, рентгенографии и маммографии, различного возраста и стажа работы по специальности. При исследовании вовлеченности выяснилось, что в 2022 году по сравнению с 2021 годом вовлеченность врачей выросла более чем в 2 раза. Оценка удовлетворенности использования технологий ИИ в работе показала, что в 2022 году по сравнению с 2021 годом отмечается тенденция сдвига мнений от крайних оценок «отлично» и «неудовлетворительно» к оценкам «хорошо» и «удовлетворительно».
На основании полученных результатов можно сделать вывод о том, что технологии ИИ требуют дальнейшего развития, не только с клинической или технической точки зрения, но и с популяризационной, образовательной стороны для врачей, использующих технологии ИИ в своей работе.
Литература
1. Алексеева М.Г., Зубов А.И., Новиков М.Ю. Искусственный интеллект в медицине // Международный научно-исследовательский журнал. – 2022. – №7. – С.10-13.
2. Gusev A, et al. Development of Artificial Intelligence in Healthcare in Russia. Handbook of Artificial Intelligence in Healthcare: Vol 2: Practicalities and Prospects. Springer International Publishing. 2022: 259-279.
3. Арзамасов К.М. и др. Применение компьютерного зрения для профилактических исследований на примере маммографии // Профилактическая медицина. – 2023. – №26(6). – С.117-123.
4. Эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы. Доступно по: https://mosmed.ai/ai/. Ссылка действительна на 20.06.2023.
5. Васильев Ю.А. и др. Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента. 2-е издание. М.: Издательские решения, 2023. – 388 с.
6. Васильев Ю.А., Владзимирский А.В., Омелянская О.В. Свидетельство о государственной регистрации базы данных №2023621230 РФ. MosMedData: медицинские данные 41 000 человек, прошедших компьютерную томографию в пандемию COVID-19 с динамическим наблюдением (результаты маршрутизации пациентов, клинические и лабораторные данные, диагнозы MКБ, исходы) : №2023620970 : заявл. 11.04.2023 : опубл. 17.04.2023. заявитель ГБУЗ г.Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ».
7. Vladzymyrskyy AV, et al. Effectiveness of using artificial intelligence technologies for dual descriptions of the results of preventive lung examinations. Profil. med. 2022; 25(7): 7.
8. Карпов О.А., Клименко Г.С., Лебедев Г.С. Применение интеллектуальных систем в здравоохранении // Современные наукоемкие технологии. – 2016. – 7(1). – С.38-43.
9. Higgins DC. OnRAMP for Regulating Artificial Intelligence in Medical Products. Advanced Intelligent Systems. 2021; 3(11): 2100042.
10. Васильев Ю.А., Владзимирский А.В., Омелянская О.В. и др. Оценка зрелости технологий искусственного интеллекта для здравоохранения: методические рекомендации. М.: Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ, 2023. – С.28.
11. Huisman M, et al. An international survey on AI in radiology in 1,041 radiologists and radiology residents part 1: fear of replacement, knowledge, and attitude. Eur Radiol. 2021; 31(9): 7058-7066.
12. Morozov SP, et al. Effect of artificial intelligence technologies on the CT scan interpreting time in COVID-19 patients in inpatient setting. Profil. med. 2022: 25(1); 14.
13. Петряйкин А.В. и др. Точность автоматической диагностики компрессионных переломов тел позвонков по данным морфометрического алгоритма искуственного интеллекта // Остеопороз и остеопатии. – 2023. – Т.25. – №3. – С.92-93.
14. Морозов С.П. и др. Исследование целесообразности применения технологий искусственного интеллекта в лучевой диагностике // Врач и информационные технологии. – 2022. – №1. – С.12-29.
15. Zinchenko VV, et al. Methodology for Conducting Post-Marketing Surveillance of Software as a Medical Device Based on Artificial Intelligence Technologies. Sovrem Tehnol Med. 2022; 14(5): 15.
16. Huisman M, et al. An international survey on AI in radiology in 1,041 radiologists and radiology residents part 1: fear of replacement, knowledge, and attitude. Eur Radiol. 2021; 31(9): 7058-7066.
17. Impact of artificial intelligence on radiology: a EuroAIM survey among members of the European Society of Radiology. Insights Imaging. 2019; 10: 105.
18. Coppola F, et al. Artificial intelligence: radiologists’ expectations and opinions gleaned from a nationwide online survey. Radiol med. 2021; 126(1): 63-71.
19. Chen M, et al. Acceptance of clinical artificial intelligence among physicians and medical students: A systematic review with cross-sectional survey. Front Med (Lausanne). 2022; 9: 990604.
20. Becker CD, et al. Current practical experience with artificial intelligence in clinical radiology: a survey of the European Society of Radiology. Insights into Imaging. 2022; 13(1): 107.
21. Waymel Q, et al. Impact of the rise of artificial intelligence in radiology: What do radiologists think? Diagn Interv Imaging. 2019; 100(6): 327-336.
22. Paranjape K, et al. Introducing Artificial Intelligence Training in Medical Education. JMIR Medical Education. 2019; 5(2): 16048.
23. Garin SP, et al. Systematic Review of Radiology Residency Artificial Intelligence Curricula: Preparing Future Radiologists for the Artificial Intelligence Era. Journal of the American College of Radiology. 2023; 20(6): 561-569.
24. Зинченко В.В. и др. Технологические дефекты программного обеспечения с искусственным интеллектом // Digital Diagnostics. – 2023. – №4(4). – С.593-604.
25. Rezazade Mehrizi MH, et al. The impact of AI suggestions on radiologists’ decisions: a pilot study of explainability and attitudinal priming interventions in mammography examination. Sci Rep. 2023; 13: 9230.
26. Гусев А.В., Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении // Информационное общество. – 2020. – №4-5. – С.78-93.
27. Кобринский Б.А. Искусственный интеллект в медицине: состояние и горячие точки // XIX Национальная конференция по искусственному интеллекту с международным участием КИИ-2021. Южный федеральный университет, 2021. С.13-29.
2. Gusev A, et al. Development of Artificial Intelligence in Healthcare in Russia. Handbook of Artificial Intelligence in Healthcare: Vol 2: Practicalities and Prospects. Springer International Publishing. 2022: 259-279.
3. Арзамасов К.М. и др. Применение компьютерного зрения для профилактических исследований на примере маммографии // Профилактическая медицина. – 2023. – №26(6). – С.117-123.
4. Эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы. Доступно по: https://mosmed.ai/ai/. Ссылка действительна на 20.06.2023.
5. Васильев Ю.А. и др. Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента. 2-е издание. М.: Издательские решения, 2023. – 388 с.
6. Васильев Ю.А., Владзимирский А.В., Омелянская О.В. Свидетельство о государственной регистрации базы данных №2023621230 РФ. MosMedData: медицинские данные 41 000 человек, прошедших компьютерную томографию в пандемию COVID-19 с динамическим наблюдением (результаты маршрутизации пациентов, клинические и лабораторные данные, диагнозы MКБ, исходы) : №2023620970 : заявл. 11.04.2023 : опубл. 17.04.2023. заявитель ГБУЗ г.Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ».
7. Vladzymyrskyy AV, et al. Effectiveness of using artificial intelligence technologies for dual descriptions of the results of preventive lung examinations. Profil. med. 2022; 25(7): 7.
8. Карпов О.А., Клименко Г.С., Лебедев Г.С. Применение интеллектуальных систем в здравоохранении // Современные наукоемкие технологии. – 2016. – 7(1). – С.38-43.
9. Higgins DC. OnRAMP for Regulating Artificial Intelligence in Medical Products. Advanced Intelligent Systems. 2021; 3(11): 2100042.
10. Васильев Ю.А., Владзимирский А.В., Омелянская О.В. и др. Оценка зрелости технологий искусственного интеллекта для здравоохранения: методические рекомендации. М.: Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ, 2023. – С.28.
11. Huisman M, et al. An international survey on AI in radiology in 1,041 radiologists and radiology residents part 1: fear of replacement, knowledge, and attitude. Eur Radiol. 2021; 31(9): 7058-7066.
12. Morozov SP, et al. Effect of artificial intelligence technologies on the CT scan interpreting time in COVID-19 patients in inpatient setting. Profil. med. 2022: 25(1); 14.
13. Петряйкин А.В. и др. Точность автоматической диагностики компрессионных переломов тел позвонков по данным морфометрического алгоритма искуственного интеллекта // Остеопороз и остеопатии. – 2023. – Т.25. – №3. – С.92-93.
14. Морозов С.П. и др. Исследование целесообразности применения технологий искусственного интеллекта в лучевой диагностике // Врач и информационные технологии. – 2022. – №1. – С.12-29.
15. Zinchenko VV, et al. Methodology for Conducting Post-Marketing Surveillance of Software as a Medical Device Based on Artificial Intelligence Technologies. Sovrem Tehnol Med. 2022; 14(5): 15.
16. Huisman M, et al. An international survey on AI in radiology in 1,041 radiologists and radiology residents part 1: fear of replacement, knowledge, and attitude. Eur Radiol. 2021; 31(9): 7058-7066.
17. Impact of artificial intelligence on radiology: a EuroAIM survey among members of the European Society of Radiology. Insights Imaging. 2019; 10: 105.
18. Coppola F, et al. Artificial intelligence: radiologists’ expectations and opinions gleaned from a nationwide online survey. Radiol med. 2021; 126(1): 63-71.
19. Chen M, et al. Acceptance of clinical artificial intelligence among physicians and medical students: A systematic review with cross-sectional survey. Front Med (Lausanne). 2022; 9: 990604.
20. Becker CD, et al. Current practical experience with artificial intelligence in clinical radiology: a survey of the European Society of Radiology. Insights into Imaging. 2022; 13(1): 107.
21. Waymel Q, et al. Impact of the rise of artificial intelligence in radiology: What do radiologists think? Diagn Interv Imaging. 2019; 100(6): 327-336.
22. Paranjape K, et al. Introducing Artificial Intelligence Training in Medical Education. JMIR Medical Education. 2019; 5(2): 16048.
23. Garin SP, et al. Systematic Review of Radiology Residency Artificial Intelligence Curricula: Preparing Future Radiologists for the Artificial Intelligence Era. Journal of the American College of Radiology. 2023; 20(6): 561-569.
24. Зинченко В.В. и др. Технологические дефекты программного обеспечения с искусственным интеллектом // Digital Diagnostics. – 2023. – №4(4). – С.593-604.
25. Rezazade Mehrizi MH, et al. The impact of AI suggestions on radiologists’ decisions: a pilot study of explainability and attitudinal priming interventions in mammography examination. Sci Rep. 2023; 13: 9230.
26. Гусев А.В., Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении // Информационное общество. – 2020. – №4-5. – С.78-93.
27. Кобринский Б.А. Искусственный интеллект в медицине: состояние и горячие точки // XIX Национальная конференция по искусственному интеллекту с международным участием КИИ-2021. Южный федеральный университет, 2021. С.13-29.
Для цитирования
Васильев Ю.А., Зинченко В.В., Кудрявцев Н.Д., Михайлова А.А., Кляшторный В.Г., Владзимирский А.В. Оценка удовлетворенности и вовлеченности врачей-рентгенологов при использовании программного обеспечения с искусственным интеллектом. Врач и информационные технологии. 2024; 1: 70-81. doi: 10.25881/18110193_2024_1_70.
Документы
Ключевые слова