评估人工智能 (AI) 在优先考虑CT头部解释方面的有效性:一个阶梯集群随机试验 (ACCEPT-AI) 的研究协议

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 医疗保健中的人工智能

背景情况:

• 诊断成像在急救部门 (ED) 中至关重要,但由于劳动力短缺,报告延迟会造成瓶.
• 图像解释的周转时间对ED工作流程和患者护理有重大影响.
• 人工智能 (AI) 具有提高诊断放射学生产力,效率和准确性的潜力.

研究的目的:

• 评估Qure.ai的qER软件在识别和优先考虑在非对比头部CT扫描 (NCCT) 中具有关键发现的患者的临床有效性.
• 评估人工智能驱动的优先级对ED工作流程和患者护理的影响.
• 确定人工智能能否有助于缓解放射学劳动力短缺造成的延迟.

主要方法:

• 一个多中心的13个月的试验,在四个不同的地点使用阶梯形设计.
• 包括所有向ED提交NCCT的成年患者.
• 逐步实施 (预实施,实施,后实施) qER解决方案,包括人员培训和门调整,然后在放射学信息系统中优先标记.

主要成果:

• 该研究旨在测量人工智能对报告周转时间和关键发现识别准确性的影响.
• 结果将在标准护理和人工智能辅助的工作流程之间进行比较.
• 该研究将分析放射科医生与人工智能生成的通知之间的相互作用.

结论:

• 该ACCEPT-AI研究旨在提供关于人工智能在提高ED诊断成像效率方面有效性的证据.
• 研究结果将为人工智能工具在临床实践中的整合提供信息,以提高患者护理和工作流程.
• 成功实施可能会减少延迟,并改善需要紧急头部CT解释的患者的治疗结果.