Positioneringen av brösten vid mammografiscreening är en av de svåraste uppgifterna som röntgensjuksköterskan ställs inför och är avgörande för att uppfylla alla bildkriterier och därmed korrekt bildkvalitet. Trots att det finns riktlinjer för bildkriterierna vid varje vedertagen projektion, kan de bedömas olika på grund av subjektivitet. Ett AI-verktyg kan ge en objektiv syn på huruvida bildkriterierna uppfylls och om bilden upprätthåller korrekt bildkvalitet. Studiens syfte är att utvärdera om ett specifikt AI-verktyg kan användas som ett stöd för röntgensjuksköterskan i bedömningen av bildkvalitet vid bildtagning under mammografiscreeningsundersökningar. Detta genom att jämföra AI-verktygets bedömning av bildkvalitet med röntgensjuksköterskans. En bilddatabas med 14 700 undersökningar har använts för att möjliggöra jämförelsen av bedömning mellan otillräcklig och uppfylld bildkvalitet. Resultatet delas upp i individuella bildkriterier och bildpoäng i form av en samlad helhetsbedömning. AI-verktyget har för närvarande låg överenstämmelse med röntgensjuksköterskans bedömning i båda fallen. Cohen’s kappa (κ) för individuella bildkriterier varierar från ingen till måttlig överenstämmelse samt ingen till svag för bildpoängen. Positivt och negativt prediktivt värde visar även på en låg sannolikhet att AI-verktyget gör en korrekt bedömning. Studien drar slutsatsen att AI-verktyget för närvarande inte kan användas som ett stöd för röntgensjuksköterskan vid bedömningen av bildkvalitet under mammografiscreeningsundersökningar.

Positioning the breasts during mammography screening is one of the hardest tasks for the radiology nurse and is crucial for meeting all image criteria and ensuring good image quality. Even though there are guidelines for image criteria for each standard view, they can be assessed differently due to subjectivity. An AI tool can provide an objective view on whether the image criteria are met and if the image quality is correct. The purpose of this study is to evaluate if a specific AI tool can help radiology nurses assess image quality during mammography screenings. This will be done by comparing the AI tool’s assessment of image quality with that of the radiology nurses. A database of 14,700 exams was used to compare assessments of inadequate and adequate image quality. The results are divided into individual image criteria and overall image scores. Currently, the AI tool shows low agreement with the radiology nurse’s assessment in both cases. Cohen’s kappa (κ) for individual image criteria ranges from none to moderate agreement, and from none to weak for overall image scores. The positive and negative predictive values also show a low likelihood that the AI tool makes a correct assessment. The study concludes that the AI tool cannot currently be used to support radiology nurses in assessing image quality during mammography screenings.