基于人工智能的新型低密度检测工具改善了临床医生在中风患者的非对比计算机断层扫描上对低密度的识别

科学领域:

• 神经辐射学神经辐射学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 在急性中风中,在非对比CT (NCCT) 上检测早期的辅酶体低密度是具有挑战性的.
• 准确识别缺血变化对于及时做出治疗决定至关重要.

研究的目的:

• 评估基于人工智能的自动化低密度检测算法 (HDT) 是否可以提高临床医师在NCCT上识别急性低密度的准确性.
• 用MRI-DWI作为黄金标准,将临床医生的表现与没有AI辅助进行比较.

主要方法:

• 使用临床医生内部的病例交叉设计,32名临床医生评估AI-HDT使用前后的NCCT扫描.
• DICE相似系数 (DICE分数) 测量了检测准确度.
• 混合效应线性回归分析了DICE得分变化,考虑到扫描和临床医生的变化.

主要成果:

• 临床准确性 (DICE得分) 在使用AI-HDT时从0.33提高到0.40 (p=0.003).
• AI-HDT显著提高了较小病变的检测 (平均DICE增加0.08,p=0.004).
• 实习生在AI-HDT的DICE得分 (0.09,p=0.004) 中显著改善.

结论:

• 基于人工智能的自动化低密度检测在提高临床医生的急性中风诊断准确性方面显示出有前途.
• 人工智能工具对于识别微妙,较小的病变尤其有益.
• 人工智能辅助可以显著支持不那么有经验的临床医生在中风诊断.