不是没有上下文-一个多种方法的研究评估和纠正由专家自动脑瘤细分的评估和纠正

科学领域:

• 医学成像分析分析 医学成像分析
• 人工智能在瘤学中的应用
• 神经外科和神经病学 神经外科和神经病学

背景情况:

• 准确的脑瘤细分对于质母细胞瘤患者的管理至关重要.
• 手动细分是耗时的,并且在提供商之间有所不同.
• 需要自动化的深度学习工具来提高细分效率和一致性.

研究的目的:

• 确定评估自动化脑瘤细分质量的专家标准.
• 了解专家在纠正细分时的思维过程.
• 为开发更好的AI驱动的细分模型提供信息.

主要方法:

• 使用问卷和半结构面试与神经瘤学家和神经放射学家.
• 在2021年8月至12月期间收集的数据.
• 分析了使用结合演和归纳方法的定性数据.

主要成果:

• 医生严重依赖患者和临床背景进行细分质量评估.
• 预期的临床应用对于确定细分质量标准和编辑决策至关重要.
• 个人医生对人工智能能力的信念和不确定的领域的纳入影响了细分质量的感知.

结论:

• 这些发现使得可以为脑瘤细分模型设计改进的专家为中心的评估框架.
• 这项研究可以激发培训和评估AI细分模型的专业指标的开发.
• 了解专家标准是推动临床实践中自动化脑瘤细分的关键.