深度学习系统在一项随机对照试验中提高了胎儿内瘤检测效率
Meifang Lin1, Qian Zhou2, Ting Lei1
1Department of Ultrasonic Medicine, Fetal Medical Center, First Affiliated Hospital of Sun Yat-sen University, Guangzhou, Guangdong, China.
NPJ digital medicine
|October 13, 2023
概括
一个深度学习系统,PAICS,从超声波图像中提高了检测胎儿内瘤的准确性. 同时使用PAICS对声学家来说是最有效的.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 产前诊断 在产前诊断
背景情况:
- 遗传性中枢神经系统形是很常见的.
- 深度学习在产前诊断方面表现有前途.
- 人工智能对检测胎儿内瘤的影响需要评估.
研究的目的:
- 评估产前超声诊断人工智能行为系统 (PAICS) 在协助胎儿内形缺陷检测方面的有效性.
- 评估人工智能协助对声学家诊断性能和效率的影响.
主要方法:
- 进行了三方交叉,随机对照试验.
- 36名声学家用三种模式对709张胎儿神经声学图像/视频进行了解释:无助,并发人工智能使用和后解释人工智能使用.
- 产前超声诊断人工智能行为系统 (PAICS) 用于人工智能协助.
主要成果:
- PAICS显著提高了诊断准确度,从73% (无辅助) 提高到80% (并发) 和82% (后解释).
- 曲线下的面积 (AUC) 从0.85提高到分别为0.89和0.90.
- 阅读时间的中位数从6秒 (无辅助) 增加到7秒 (并发) 和11秒 (后翻译).
结论:
- PAICS有可能提高超声波学家在检测胎儿内瘤方面的表现.
- 对声学家来说,与解释后使用相比,PAICS的同时使用对声学家来说更有效.
