相关实验视频
Updated: Jul 6, 2025
08:04
Murine Fetal Echocardiography
Published on: February 15, 2013
17.3K
临床医生与人工智能之间的相互作用,以超声波检测胎儿心隔膜缺陷:我们如何优化协作性能?
概括
人工智能 (AI) 的建议在临床医生使用时改善了胎儿超声波查对先天性心脏病 (CHD) 的准确性. 然而,提供AI信心分数或可解释性地图并没有提高性能,当AI预测不正确时,准确性恶化.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 胎儿心脏病学 胎儿心脏病学
背景情况:
- 胎儿超声波查对于检测先天性心脏病 (CHD) 是至关重要的.
- 人工智能 (AI) 显示出提高胎儿异常诊断精度的潜力.
- 人工智能辅助决策和额外的人工智能模型信息对临床医师在胎儿心脏病查中的表现的影响仍然未得到充分研究.
研究的目的:
- 评估人工智能驱动的建议是否能提高针对特定心血管疾病病变 (心室膜缺陷 - AVSD) 的胎儿查的诊断准确性.
- 为了确定是否补充AI信息,如信心分数和梯度加权类激活图 (grad-CAMs),优化临床医生-AI团队的表现.
主要方法:
- 一个ResNet50人工智能模型在超过121,000张心脏四室图像上受过训练,以检测AVSD.
- 十位临床医生在四个条件下审查了2000张图像:单独的图像,带有二进制AI分类的图像,带有AI信心的图像和带有 grad-CAM叠加的图像.
- 基于诊断准确性,敏感性和特异性来评估性能.
主要成果:
- 没有人工智能辅助的临床医生实现了0.844.4的准确性.
- 人工智能建议的准确性显著提高到0.865 (P < 0.001),这对经验丰富和经验不足的临床医生都有好处.
- 提供不正确的AI建议,AI信心评分或 grad-CAMs导致整体准确性显著下降.
结论:
- 人工智能有可能提高临床医师在胎儿心脏病查中的表现,即使模型的准确性不完美.
- 额外的AI可解释性信息 (信心分数, grad-CAMs) 并没有改善,甚至可能损害整体诊断性能.
- 简单的AI二元分类建议提供了最有效的协作方法来提高胎儿心脏病检测准确度.
