.png)
Efektivní a přesné reportování rentgenových snímků hrudníku (CXR) je v radiologii zásadní, zejména pro rychlou identifikaci nízkorizikových případů a upřednostnění těch komplexnějších. Tato studie zkoumá časovou efektivitu tří metod reportování CXR: manuální, založené na šablonách a generované umělou inteligencí, přičemž se zaměřuje zejména na hodnocení CXR s nízkým rizikem na radiologickém oddělení. Výsledky ukazují, že manuální reportování, které zahrnuje tvorbu dokumentace ve volném textu, vyžaduje výrazně delší dobu než ostatní metody, přičemž průměrné průměrné časy na jednu studii jsou 96,4 sekundy (RAD1), 91 sekund (RAD2) a 70,8 sekundy (RAD3). Naproti tomu strukturovaný přístup založený na šablonách zkrátil tyto časy na 32,9 sekundy (RAD1), 32 sekund (RAD2) a 48,8 sekundy (RAD3), což představuje průměrné zvýšení efektivity o 53,93 % ve srovnání s manuálním reportováním. Metoda založená na umělé inteligenci přinesla nejkratší průměrnou dobu na studii, a to 27,7 sekundy (RAD1), 31,9 sekundy (RAD2) a 33,8 sekundy (RAD3), což představuje průměrné snížení času o 62,82 % ve srovnání s manuálním reportováním. Závěrem lze říci, že reportování pomocí umělé inteligence nabízí značnou úsporu času a zachovává si vysokou přesnost, což naznačuje značný potenciál pro zvýšení efektivity radiologických pracovních postupů. Tato studie podporuje integraci AI do rutinního reportování CXR, což radiologům umožňuje více se soustředit na komplexní případy. Budoucí výzkum by se měl zabývat dlouhodobými dopady a dalším zdokonalováním algoritmů AI za účelem optimalizace radiologických postupů.
