Forskare vid Michigan State University har utvecklat ett AI-program som analyserar bröst-röntgenbilder för att upptäcka tidiga tecken på silikos och svart lung hos mer än 2,2 miljoner amerikanska arbetare som andas in fin damm. Systemet tränades på en särskild datamängd av amerikanska arbetsplats-scanningar och kan automatiskt sortera bort friska bilder, vilket frigör B-läsare för misstänkta fall.

AI-verktyget uppnådde 91 % korrekthet för att identifiera de första lungärren, jämfört med 77 % för mänskliga experter. Det markerar misstänkta områden med en färgkarta och fungerar som ett objektivt andrahands-beslut. På så sätt kan sjukdomar upptäckas tidigare, vilket möjliggör snabbare omplacering till dammfri arbetsmiljö och minskar risken för vidare skada.

Studien, publicerad i Occupational and Environmental Medicine, visar också att verktyget kan avlasta den nuvarande bristen på ca 200 B-läsare i USA. Genom att automatiskt rensa hälften av de normala röntgenbilderna kan kliniker fokusera på de mest kritiska fallen och minska väntetider för diagnos.