Daily Arxiv

Mohammed Baharoon, Siavash Raissi, John S. Jun, Thibault Heintz, Mahmoud Alabbad, Ali Alburkani, Sung Eun Kim, Kent Kleinschmidt, Abdulrahman O. Alhumaydhi, Mohannad Mohammed G. Alghamdi, Jeremy Francis Palacio, Mohammed Bukhaytan, Noah Michael Prudlo, Rithvik Akula, Brady Chrisler, Benjamin Galligos, Mohammed O. Almutairi, Mazeen Mohammed Alanazi, Nasser M. Alrashdi, Joel Jihwan Hwang, Sri Sai Dinesh Jaliparthi, Luke David Nelson, Nathaniel Nguyen, Sathvik Suryadevara, Steven Kim, Mohammed F. Mohammed, Yevgeniy R. Semenov, Kun-Hsing Yu, Abdulrhman Aljouie, Hassan AlOmaish, Adam Rodman, Pranav Rajpurkar

개요

RadGame은 인공지능 기반의 방사선과 교육용 게임화 플랫폼으로, 병변 위치 확인 및 보고서 작성이라는 두 가지 핵심 기술에 중점을 둡니다. 기존 방사선과 교육은 수동적인 사례 노출이나 지도 방사선과 전문의의 실시간 피드백을 통한 능동적인 연습에 기반하여 즉각적이고 확장 가능한 피드백 기회가 제한적입니다. RadGame은 게임화와 대규모 공개 데이터 세트 및 자동화된 AI 기반 피드백을 결합하여 이러한 간극을 해소합니다. RadGame Localize에서는 플레이어가 이상 부위에 경계 상자를 그리면 이를 공개 데이터 세트의 방사선과 전문의가 그린 주석과 자동으로 비교하고, 사용자가 놓친 소견에 대해 시각적 설명이 생성됩니다. RadGame Report에서는 플레이어가 흉부 X선 사진, 환자 나이 및 적응증을 바탕으로 소견을 작성하고, 방사선과 보고서 생성 지표를 기반으로 구조화된 AI 피드백을 받아 공개 데이터 세트의 방사선과 전문의가 작성한 실제 보고서와 비교하여 오류 및 누락 사항을 강조하며 최종 성능 및 스타일 점수를 산출합니다. 예측 평가에서 RadGame을 사용한 참가자는 기존 수동 방법(17%)에 비해 위치 확인 정확도가 68% 향상되었고, 기존 방법(4%)에 비해 보고서 작성 정확도가 31% 향상되었습니다. RadGame은 AI 기반 게임화가 확장 가능하고 피드백이 풍부한 방사선과 교육을 제공할 수 있는 잠재력을 강조하고 의료 AI 리소스의 교육 응용 프로그램을 재구상합니다.

시사점, 한계점

•

시사점:

◦

AI 기반 게임화를 통한 방사선과 교육의 효율성 및 효과성 증대 가능성 제시

◦

대규모 공개 데이터셋과 AI 기반 피드백 시스템을 활용한 확장 가능한 교육 플랫폼 구축 가능성 확인

◦

기존 수동적인 교육 방식에 비해 현저히 향상된 학습 성과를 보여줌 (위치 확인 정확도 68% 향상, 보고서 작성 정확도 31% 향상)

◦

의료 AI 리소스의 교육 분야 활용 가능성 확대

•

한계점:

◦

본 연구의 참가자 규모 및 다양성에 대한 정보 부족

◦

RadGame의 장기적인 학습 효과 및 유지 효과에 대한 추가 연구 필요

◦

다양한 방사선 영상 유형 및 질환에 대한 RadGame의 일반화 가능성에 대한 추가 연구 필요

◦

AI 피드백 시스템의 정확성 및 신뢰성에 대한 지속적인 검증 필요

◦

RadGame 플랫폼의 접근성 및 사용 편의성에 대한 추가 개선 필요

PDF 보기

Made with Slashpage