专业眼科医生的诊断决策暴露于模两可的深度学习输出
Josie Carmichael1,2, Enrico Costanza3, Ann Blandford3
1University College London Interaction Centre (UCLIC), UCL, London, UK. josie.carmichael.20@ucl.ac.uk.
Scientific reports
|March 22, 2024
概括
人工智能诊断支持系统 (AI-DSS) 可以降低眼科医生诊断视网膜疾病的准确性,特别是在提供细分时. 经验丰富的从业者对人工智能的信任较少,但更有信心.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 诊断成像 诊断成像 诊断成像
背景情况:
- 人工智能 (AI) 在增强眼科诊断方面表现有前途.
- 人工智能产生的输出,特别是模两可的输出,对临床决策的影响需要研究.
研究的目的:
- 评估人工智能诊断支持系统 (AI-DSS) 的输出,包括诊断和细分,如何影响眼科医生对疑似视网膜疾病的诊断准确性.
- 评估AI展示格式对光学家信任和诊断协议与参考标准的影响.
主要方法:
- 30名眼科医生在三个条件下评估了30个临床病例:没有AI,仅有AI诊断,或有细分的AI诊断.
- 案例包括模两可和不正确的AI输出,诊断一致性与参考标准相比测量.
- 统计分析比较了不同条件和从业者经验水平的协议率和AI信任率.
主要成果:
- 与参考标准的诊断一致性在没有AI的情况下最高 (81%),在AI诊断时较低 (75%),在AI诊断加分段 (68%),最低.
- 当提供细分时,眼科医生与与参考标准一致的AI诊断的一致性下降.
- 虽然实践者在存在细分时更信任AI,但经验与更高的信心和更低的AI信任相关.
结论:
- 模两可的AI输出,特别是与细分结合时,可以降低视网膜疾病评估中的眼科医生诊断准确度.
- 人工智能支持的展示格式显著影响其实用性和临床医生的信任.
- 需要进一步的研究来优化人工智能集成,并解决与人工智能输出解释和参考标准定义相关的挑战.
