基于深度学习的胸部X射线图自动检测算法的外部验证:门诊诊所的实际问题
Da Eul Lee1, Kum Ju Chae1,2, Gong Yong Jin1
1Department of Radiology, Research Institute of Clinical Medicine of Jeonbuk National University-Biomedical Research Institute of Jeonbuk National University Hospital, Jeonju, Republic of Korea.
Acta radiologica (Stockholm, Sweden : 1987)
|September 26, 2023
概括
基于深度学习的自动检测 (DLAD) 显示了门诊诊所胸部疾病的高诊断性能. DLAD显著提高了解释的准确性和效率,特别是在肺病学家身上.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 胸部放射学 胸部放射学
背景情况:
- 有限的数据存在于基于深度学习的诊断性能自动检测 (DLAD) 胸部疾病在现实世界的门诊设置.
- 在临床实践中验证DLAD对于其采用至关重要.
研究的目的:
- 为了验证DLAD在门诊诊所环境中对胸部疾病的诊断性能.
- 分析DLAD对胸部X射线图解释时间的影响.
主要方法:
- 一个回顾性单一中心研究分析了205张胸部X射线图与DLAD和对对胸部CT扫描.
- 放射科医生和肺科医生进行了观察员性能测试,有或没有DLAD协助.
- 对每个观察小组的解释时间进行了测量.
主要成果:
- 在接收器操作特征曲线 (AUC) 下,DLAD实现了0.920.20的高面积.
- DLAD显著改善了肺病学家 (0.756到0.853) 和放射学家 (0.782到0.854) 的AUC.
- 肺病学家在使用DLAD时经历了超过50%的解释时间缩短.
结论:
- 在门诊诊所,DLAD在解释胸部X射线图方面表现出强大的诊断性能.
- 对于肺病学家来说,DLAD特别有益,提高了准确性和效率.
- 这些发现支持将DLAD整合到胸部疾病诊断的常规临床工作流程中.


