人工智能辅助读者评估急性CT头部解释 (AI-REACT):多读者多病例研究的协议

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 临床决策支持系统 临床决策支持系统

背景情况:

• 无对比CT头部扫描 (NCCTH) 在急诊室至关重要.
• 人工智能 (AI) 工具正在出现,用于NCCTH异常检测.
• 关于AI对非放射科医生医疗保健工作人员审查NCCTH的影响的证据有限.

研究的目的:

• 评估QER EU 2.0 AI工具在NCCTH上的独立性能.
• 评估人工智能协助对各种医疗保健专业人员解释NCCTH的诊断准确性和审查时间的影响.
• 通过使用人工智能工具分析诊断信心变化.

主要方法:

• 追溯分析150个NCCTH (60个对照,90个有异常).
• 30名医疗保健专业人员 (放射科医生,急诊医生,CT放射科医生) 审查了带有和没有人工智能辅助的扫描.
• 性能以准确度 (AUC),审查时间和诊断信心来衡量,与神经放射科医生的基底真相相比较.

主要成果:

• 该研究将评估qER EU 2.0 AI工具的独立性能.
• 它将量化使用AI工具的读者准确度 (AUC) 的变化,中位审查时间和自我报告的诊断信心.
• 小组分析将探讨根据专业组,资历和病理学的变化.

结论:

• 这些发现将提供关于人工智能工具在支持NCCTH解释临床决策方面的有效性的证据.
• 这项研究将有助于将AI整合到紧急成像的常规临床实践中.
• 这项研究旨在澄清人工智能对各种医疗保健工作人员的现实影响,审查NCCTH.