诊断测试准确性研究商业上可用的深度学习算法,用于在不全面的中风中心中疑似中风患者的大脑MRI上检测缺血病变
Christian H Krag1, Felix C Müller2, Karen L Gandrup2
1Department of Radiology, Herlev and Gentofte Hospital, Herlev, Denmark; Faculty of Health Sciences, University of Copenhagen, Copenhagen, Denmark.
European journal of radiology
|October 7, 2023
概括
一个人工智能 (AI) 工具在脑磁共振成像 (MRI) 扫描上检测急性缺血性病变时表现出高精度,与专家神经放射学家相比. 性能因病变特征和图像质量而异.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在MRI上检测急性缺血性中风对于及时治疗至关重要.
- 对诊断准确性的AI工具的评估对于临床整合至关重要.
研究的目的:
- 评估商业人工智能工具在MRI上识别急性脑缺血方面的性能.
- 将AI工具的诊断能力与经验丰富的神经放射学家进行比较.
主要方法:
- 追溯分析995名患者的大脑MRI (2020年1月至2022年4月).
- 纳入标准:年龄≥18岁,中风症状在4周内.
- 索引测试:经CE批准的AI工具 (Apollo v2.1.1);参考标准:神经放射学家的解释.
主要成果:
- 人工智能工具在急性缺血病变方面实现了89%的灵敏度和90%的特异性.
- 基于患者人口统计学或并发症的表现没有显著差异.
- 与DWI文物相比,特异性下降;病变大小和碎片化影响了灵敏度.
结论:
- 人工智能工具在MRI上检测急性缺血性病变时显示出高灵敏度和特异性.
- 人工智能性能受到病变特征和MRI图像质量的影响.
