使用人工智能对正常与异常的胸部X射线进行分层:东肯特医院大学NHS基金会信托基金会对深度学习算法的外部验证

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 胸部放射 (CXR) 是全球最常见的放射性检查.
• 增加的CXR量导致报告延迟,影响患者安全和及时治疗.
• 计算机辅助检测 (CAD) 人工智能为高效准确的CXR解释提供了解决方案.

研究的目的:

• 为了评估qXR的性能,一个CE标记的CAD软件,在正常与异常CXR的分类中.
• 评估AI在优化放射科医生工作流程和资源配置方面的潜力.
• 确定AI CXR分类是否可以帮助管理报告积压.

主要方法:

• 对来自不同临床环境的1040个CXR进行了回顾性横截面研究.
• 利用qXR,一个AI CAD软件训练了超过440万个CXR.
• 通过两位高级放射科医生之间的放射科医生间协议建立了基层真相.

主要成果:

• 在对CXR进行分类时,AI软件实现了99.7%的灵敏度和67.4%的特异性.
• 在各种医疗机构,患者人口统计和X射线设备中,性能保持一致.
• 在子组分析中没有观察到统计学上显著的绩效变化.

结论:

• qXR人工智能软件准确地区分正常的CXR和异常的CXR.
• 人工智能驱动的分类可能有助于缓解放射科部门的报告积压.
• 通过人工智能促进的早期患者干预可能会导致改善临床结果.