BMVision juhtis kliinikumis tähelepanu neljale märkamata neerukoldele

01Lühidalt

• Tartu Ülikooli Kliinikumi kuuekuulises piloodis analüüsis Better Medicine'i BMVision Kidney 4276 patsiendi kõhuõõne kompuutertomograafia uuringut.
• Tarkvara märkis 171 uuringus võimaliku maliigsuse tunnustega leiu ja tõi neljal juhul esile neerukolde, mida esmases hindamises ega radioloogiaraportis ei olnud kirjeldatud.
• Tulemus näitab teise kontrollikihi võimalikku väärtust uuringutel, kus neer ei pruugi olla patsiendi pöördumise ega radioloogi põhitähelepanu keskmes.
• Avaldatud esialgsed arvud ei näita veel piloodi tundlikkust, spetsiifilisust, valehäirete arvu, kontrollimise ajakulu ega seda, kui mitu neljast leiust kinnitati vähiks.

Tartu Ülikooli Kliinikum teatas 26. augustil, et Eesti ettevõtte Better Medicine'i BMVision Kidney tõi kuuekuulises piloodis neljal patsiendil esile neerukolde, mida uuringu esmasel hindamisel ei tuvastatud ega radioloogi raportis kirjeldatud. Tarkvara töötas radioloogide tavapärase töövoo kõrval ja analüüsis kokku 4276 patsiendi kõhuõõne kompuutertomograafia uuringut.

Esialgsete tulemuste järgi märkis süsteem 171 uuringus võimaliku maliigsuse tunnustega leiu. See arv ei võrdu 171 uue vähijuhuga: kliinikum ei avaldanud, kui paljud märguanded kinnitati täiendava hindamise või patoloogiaga, kui palju oli valehäireid ega millise lävendi alusel juhtumid loendati.

Ka nelja esmasest raportist puudunud kolde puhul tuleb hoida lahus pildil nähtav kahtlane leid ja lõplik diagnoos. Kliinikumi teade kasutab pealkirjas neerukasvaja mõistet ning ettevõtte juht räägib vähi diagnoosimisest, kuid avaldatud piloodiandmed ei kirjelda iga juhtumi histoloogilist kinnitust, staadiumi ega ravitulemust. Seetõttu on praegu kõige täpsem rääkida neljast varem raporteerimata maliigsuskahtlusega neerukoldest.

02Teine kontrollikiht otsib juhuleide juba tehtud uuringutest

BMVision Kidney ei ole üldine vestlusmudel, vaid kontrastainega kõhuõõne KT-uuringutele mõeldud otsustustugi. Süsteem segmenteerib neerud ja kolded, eristab healoomuliste ning pahaloomulisuse tunnustega muutuste klasse, arvutab mõõtmed ja koostab radioloogile struktureeritud väljundi. Lõpliku tõlgenduse ja patsiendi käsitluse eest vastutab endiselt tervishoiutöötaja.

Piloodi oluline kasutusjuhtum on oportunistlik kontroll. Kõhuõõne KT võib olla tehtud trauma, põletiku või mõne muu kaebuse tõttu ning radioloog peab hindama tervet uuringut, kuigi kiireloomuline põhiküsimus juhib tähelepanu. Neerukasvaja võib sellises olukorras olla juhuleid, mitte uuringu esmane sihtmärk.

Automaatse teise kontrolli väärtus ei seisne seega ainult selles, kas mudel suudab ettevalmistatud testandmestikus kasvajat klassifitseerida. Praktiline küsimus on, kas süsteem suudab suurest järjestikusest patsiendivoost tuua esile piisavalt palju olulisi vahelejäänud leide, tekitamata radioloogile kontrollijärjekorda, mis sööb ajavõidu ära.

03Neli lisaleidu on oluline signaal, kuid mitte veel tulemusmõõdik

Nelja varem raporteerimata kolde leidmine on patsiendiohutuse seisukohalt kaalukas. Samas ei saa selle numbri põhjal arvutada süsteemi täpsust ega võrrelda seda radioloogidega. Selleks on vaja teada kõigi 4276 uuringu lõplikku referentsstandardit: mitu pahaloomulist kollet tegelikult esines, mitu süsteem leidis, mitu jättis leidmata ja mitu märguannet osutus ekslikuks.

Ka 171 märgitud uuringu tähendus sõltub järelkontrollist. Kui enamik neist olid õiged ja kliiniliselt olulised, võib tööriist anda suure lisaväärtuse. Kui suur osa nõudis asjatut kordusvaatamist või lisauuringut, peab haigla arvestama radioloogi aja, patsiendi ärevuse, täiendava kiirguse ja kuluga. Positiivne ennustusväärtus on siin sama tähtis kui tundlikkus.

Kliinikum nimetab tulemusi esialgseteks ja ütleb, et testperioodi analüüs tuleb lõpuni viia. Asutus kavatseb testi jätkata ning korrata seda ka BMVisioni järgmise mudeliversiooniga. See loob õige võrdluskoha ainult siis, kui versioonid, lävendid, patsiendivalim ja hindamisprotokoll on dokumenteeritud nii, et tulemusi saab võrrelda.

04Varasem uuring näitas ajavõitu, kuid teistsuguses katses

BMVisioni kohta avaldati 2025. aasta novembris eelretsenseeritud uuring ajakirjas Communications Medicine. Kuus radioloogi hindasid 200 retrospektiivselt valitud KT-uuringut nii AI abiga kui ilma, kokku 2400 lugemiskorra ulatuses. Andmestikus oli 100 patoloogiaga kinnitatud neerukasvaja juhtumit ja 100 kontrolluuringut, mistõttu ei peegeldanud valim kasvajate tavapärast esinemissagedust järjestikuses haiglavoolus.

Uuringus vähenes keskmine neerupiirkonna tõlgendamise ja raporteerimise aeg 3,47 minutilt 2,32 minutile ehk 33%. Pahaloomuliste kollete patsienditaseme tundlikkus oli radioloogidel ilma abita 98,0% ja AI abiga 99,2%, kuid erinevus ei olnud statistiliselt oluline. Pahaloomuliste leidude patsienditaseme spetsiifilisus oli vastavalt 99,0% ja 98,2% ning ka see erinevus ei olnud statistiliselt oluline.

Need tulemused toetavad tööriista tehnilist ja töövoopõhist usutavust, kuid ei tõesta uue piloodi tulemust. Varasem katse oli ühe keskuse retrospektiivne reader study, praegune teade kirjeldab kuue kuu tööd päris kliinilise voo kõrval. Lisaks olid mitmed uuringu autorid Better Medicine'i töötajad, asutajad või ettevõttega rahaliselt seotud ning kliinikum oli saanud projekti jaoks ettevõttelt teadusrahastust. Huvide konflikt on avalikult deklareeritud, kuid suurendab sõltumatu ja mitmekeskuselise kordamise tähtsust.

05Haigla peab mõõtma ka kontrollimise koormust ja raviteekonda

Meditsiini-AI kasutuselevõttu ei peaks otsustama ainult mudeli benchmark'i ega leitud juhtumite arvu järgi. Töövoos tuleb mõõta, kui kaua võtab ühe märguande kontrollimine, kui sageli radioloog soovituse tagasi lükkab, kas kordusuuringute arv muutub ja kas süsteem parandab raporti valmimise aega kogu patsiendivoo, mitte valitud juhtumite lõikes.

Oluline on ka automatiseerimisest tingitud kallutatus. Kui radioloog harjub mudeli pakutud piirkonda või mõõte eelistama, võib inimestevaheline kooskõla paraneda, kuid ühine viga muutuda raskemini märgatavaks. Varasemas uuringus tõusis kõigi kollete objektitaseme kokkulangevus 59,7 protsendilt 82,3 protsendile; see on kasulik standardiseerimise signaal, kuid ei asenda sõltumatut referentshinnangut.

Patsiendi vaates on lõplik mõõdik see, kas lisaleid kinnitatakse õigel ajal ja muudab ravi. Selle hindamiseks tuleb siduda märguanne täiendava pildihinnangu, diagnoosi, staadiumi, ravi alguse ja võimalusel tulemusega. Nelja juhtumi olemasolu õigustab põhjalikku järelanalüüsi, kuid ei võimalda veel väita, kui palju süsteem elulemusele või ravikulule mõjus.

06Eesti piloot võib anda eksporditootele vajaliku reaalelu tõendi

Better Medicine'i jaoks on kliinikumi järjestikune patsiendivoog väärtuslikum tõend kui ainult sisemine testandmestik. Euroopa haiglad ja meditsiiniseadmete hankijad vajavad infot selle kohta, kuidas sertifitseeritud tarkvara töötab erinevate skannerite, protokollide, patsiendirühmade ja radioloogide juures. Ühe Eesti keskuse tulemus on selle ahela algus, mitte lõpp.

Järgmine tugev samm oleks eelnevalt määratud analüüsiplaaniga mitmekeskuseline uuring, kus avaldatakse vähemalt tundlikkus, spetsiifilisus, positiivne ennustusväärtus, valehäired uuringu kohta, radioloogi lisatöö või ajavõit ning kliiniliselt kinnitatud lisaleidude arv. Mudeliversiooni uuendamisel peab olema selge, milline versioon millise patsiendi uuringut hindas.

Eesti tervishoiule on praktiline küsimus, kas selline teine kontrollikiht vähendab diagnostilisi möödalaskmisi kogukuluga, mida haigla suudab kanda. Kui lõppanalüüs näitab vähese kontrollikoormusega kinnitatud lisaleide, on tegu tugeva kohaliku kasutusjuhuga. Kui avaldatakse ainult leitud juhtumid ilma nimetaja ja valehäireteta, jääb otsustamiseks vajalik osa pildist puudu.

07Korduma kippuvad küsimused

Mida BMVision Kidney kliinikumi piloodis leidis?

Tarkvara märkis 4276 patsiendi uuringust 171 puhul võimaliku maliigsuse tunnustega leiu. Neljal juhul tõi see esile neerukolde, mida uuringu esmasel hindamisel ega radioloogi raportis ei olnud kirjeldatud.

Kas neljal patsiendil kinnitati neeruvähk?

Kliinikumi teade räägib kasvajatest ja ettevõtte juht vähi diagnoosimisest, kuid avaldatud esialgsed andmed ei kirjelda iga juhtumi histoloogilist kinnitust, staadiumi ega ravitulemust. Seetõttu ei saa avaliku info põhjal kõiki nelja leidu lõplikult kinnitatud vähijuhtudeks nimetada.

Kas 171 märguannet tähendavad 171 vähijuhtu?

Ei. Need olid uuringud, milles süsteem märkis võimaliku maliigsuse tunnustega leiu; kliinikum pole veel avaldanud, mitu märguannet kinnitati, mitu lükati tagasi ja mitu nõudis lisauuringut.

Kas BMVision asendab radioloogi?

Ei. BMVision Kidney on radioloogi otsustustugi, mis toob esile kolded, arvutab mõõtmeid ja aitab väljundit struktureerida; lõpliku tõlgenduse ning patsiendi käsitluse otsustab tervishoiutöötaja.

Mida näitas varasem eelretsenseeritud uuring?

Kuue radioloogi ja 200 retrospektiivse KT-uuringuga katses vähenes keskmine tõlgendamise ning raporteerimise aeg 33%. AI abiga paranes healoomuliste kollete tuvastamine ja radioloogide kooskõla, kuid pahaloomuliste leidude tundlikkuse muutus ei olnud statistiliselt oluline.

Milliseid andmeid on enne laiemat kasutuselevõttu vaja?

Vaja on kogu järjestikuse patsiendivoo tundlikkust, spetsiifilisust, positiivset ennustusväärtust, valehäireid uuringu kohta ja kontrollimise ajakulu. Lisaks tuleb jälgida, mitu lisaleidu kliiniliselt kinnitati ning kas need muutsid diagnoosi või ravi.

Mis saab piloodist edasi?

Kliinikum ja Better Medicine plaanivad testperioodi analüüsi lõpetada, katset jätkata ning korrata seda tarkvara uuema versiooniga. Nad loodavad tulemused avaldada teadusartiklis, kuid avaldamise aega pole teatatud.