リスクの高い肺結節の独立した読者としての人工知能:CT再建パラメータの影響

科学分野:

• 医療用イメージング
• 放射線学における人工知能
• 肺がん スクリーニング

背景:

• 肺がんのスクリーニングは,リスクドミナントの結節の正確な識別と分類に依存しています.
• 人工知能 (AI) は,低用量CTスキャン (LDCT) で肺の結節を分析するのに有望である.
• リスクドミナントの結節に対するAI性能に対するCT再構築パラメータの影響は十分に理解されていません.

研究 の 目的:

• 基礎的なLDCTスクリーニングにおいて,異なる再建パラメータがAIのリスク支配的結節の検出と分類能力にどのように影響するか評価する.
• 様々なカーネルと厚さ/間隔の設定で AI のパフォーマンスを比較します.

主な方法:

• AIは4つの再構築設定を使用して300人の参加者のLDCTスキャンを分析しました.
• 2人の放射線科医によって読まれたコンセンサスに基づいてパフォーマンスを評価した.
• メトリックには,スキャンレベルの感度,特異性,ノードル検出率,ノードル型分類合意が含まれていました.

主要な成果:

• AI- D45f/ 1mmは,AI- B80f/ 1mmと比較して,リスク支配的な結節に対する感度が著しく高かった (77. 5% 対 31. 5%).
• 核の変異はノードル型分類合意 (87.7%対17.7%) に有意な影響を与えたが,検出率 (87.4%対82. 0%) はなかった.
• 厚さ/間隔の設定の変化は,AIのパフォーマンスに実質的に影響しませんでした.

結論:

• 再構築カーネルの選択は,LDCTの肺がんスクリーニングにおけるAIのノードル分類の正確性に重大な影響を及ぼします.
• ノードルの検出率は,カーネルの変異に対してより敏感でした.
• AI再構築カーネルを放射線科医の好みに合わせることで,AIのパフォーマンスを向上させ,臨床統合を容易にする.