通过使用人工智能算法在CT上改善洞穴性形和急性内出血的分化

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
• 神经学 神经学

背景情况:

• 大脑洞腔形 (CCM) 和急性内出血 (AIH) 是不同的神经疾病,可以在脑电脑断层扫描 (CT) 上呈现类似的情况.
• 准确的区分对于适当的患者管理和治疗策略至关重要.
• 区分CCM和AIH可能是一个挑战,特别是对于非专业医生来说.

研究的目的:

• 评估人工智能 (AI) 算法在脑CT上区分CCM和AIH的有效性.
• 评估人工智能辅助对各种医疗专业人员,包括神经放射科医生,放射科住院医生和急诊室医生的诊断绩效的影响.

主要方法:

• 采用了回顾性,多读者,随机化研究设计.
• 288名患者的CT图像 (173名CCM,115名AIH) 被六名盲人读者 (两个神经放射科医生,两个放射科医生,两个急诊医生) 审查.
• 读者评估了带有和没有人工智能算法辅助的图像,并比较了诊断性能指标.

主要成果:

• 在使用人工智能辅助时,整体诊断准确性显著增加 (86.92% vs 79.86%,p < 0.001).
• 放射科住院医生和急诊室医生在人工智能辅助下显著提高了准确性 (84.21%对比75.35%和80.73%对比72.57%,分别;p < 0.05).
• 神经放射学家在人工智能辅助下显示出更高准确度的趋势,尽管在统计学上并不显著 (95.83%对91.67%,p=0.56).

结论:

• 人工智能算法显著提高了AIH与CCM在脑CT解释上的差异化.
• 人工智能辅助对于提高非专家神经放射学读者的诊断准确性尤其有益.
• 这些发现支持将人工智能工具集成到临床工作流程中,以提高神经成像中的诊断精度.