概要
外部からの損傷による死亡は、最も一般的な死因であり、世界中で重大な公衆衛生上の問題です。 世界中で年間500万人以上が外傷により死亡していると推定されています。 外傷性損傷の迅速かつ正確な診断は、適切かつタイムリーな介入を開始するために非常に重要であり、これにより患者の転帰と生存率を大幅に向上させることができます。 コンピューター断層撮影 (CT) は、腹部の詳細な断面画像を提供できるため、腹部損傷が疑われる患者の評価に不可欠なツールとなっています。
ただし、腹部外傷の CT スキャンの解釈は、特に複数の損傷や微妙な活動性出血領域が存在する場合、複雑で時間のかかる作業になる可能性があります。 この課題は、人工知能と機械学習の力を活用して、医療専門家が傷害を迅速かつ正確に検出し、重症度を段階的に評価できるように支援することを目指しています。 この目的のための高度なアルゴリズムの開発は、世界中で外傷治療と患者の転帰を改善する可能性があります。
腹部鈍的外傷は最も一般的な種類の外傷の 1 つであり、最も一般的な原因は自動車事故です。 腹部の外傷は、肝臓、脾臓、腎臓、腸などの内臓の損傷や内出血を引き起こす可能性があります。 損傷の検出と分類は、効果的な治療と良好な結果の鍵となります。 腹部外傷を負った患者の大部分は緊急手術を必要とします。 腹部外傷は、身体検査、患者の症状、臨床検査によっては臨床的に診断できないことがよくあります。
したがって、医療画像を使用した腹部外傷の迅速な診断は、患者のケアにとって非常に重要です。 腹部外傷の診断を支援および迅速化する AI ツールは、緊急事態における患者ケアと健康転帰を大幅に改善する可能性があります。
RSNA 腹部外傷検出 AI チャレンジは、RSNA が米国緊急放射線学会 (ASER) および腹部放射線学会 (SAR) と協力して主催し、研究者に腹部内臓の重度の損傷を検出するモデルを構築するという課題を与えます。 、肝臓、腎臓、脾臓、腸、および活動性の内出血を含みます。
参考
https://www.kaggle.com/competitions/rsna-2023-abdominal-trauma-detection