使用基于深度学习的计算机辅助检测系统检测纤维化间歇性肺病可疑的胸部X射线图:一项回顾性观察性研究

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 肺部病理学 肺部病理学

背景情况:

• 间歇性肺病 (ILD) 的诊断严重依赖于解释胸部放射图.
• 准确检测纤维化的ILD对于及时治疗患者至关重要.
• 计算机辅助检测 (CAD) 系统在增强诊断能力方面表现有前途.

研究的目的:

• 评估基于深度学习的CAD系统BMAX的有效性,用于检测胸部X射线图上纤维化的ILD.
• 评估BMAX辅助对非专家和专家医生的表现的影响.

主要方法:

• 进行了一项回顾性观察性研究,使用120张胸部X射线图 (24张为纤维化ILD阳性,96张为阴性).
• 20名非专家和5名专家医生解释图像,并没有BMAX的协助.
• 通过比较接收器操作特征曲线 (ROC-AUC) 下的面积,灵敏度,特异性和精度来衡量性能.

主要成果:

• 非专家医生的平均ROC-AUC从没有BMAX的0.795显著改善到BMAX的0.825 (p=0.005).
• 使用BMAX的非专家的灵敏度从0.744增加到0.802 (p=0.003),但专家的灵敏度没有增加.
• 具体性和准确性显示,BMAX辅助的任何一组都没有显著变化.

结论:

• 在非专家医生中,BMAX是一种有价值的工具,可以提高检测非专家医生怀疑ILD的纤维化胸部X射线图的检测.
• 该系统展示了在现实世界临床环境中改善诊断性能的潜力,特别是对经验较少的口译员来说.