大规模研究AI对识别胸部X射线图的影响,在门诊成像中没有可采取行动的疾病

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
• 诊断的准确性 诊断的准确性

背景情况:

• 放射科医生面临着很大的工作负载,因为胸部放射图的数量很大.
• 显著的一部分门诊胸部X射线图显示没有可操作的发现,影响效率.
• 自动识别正常或不可采取行动的案件可以简化阅读工作流程.

研究的目的:

• 在门诊环境中评估AI工具在识别没有可采取行动的疾病 (NAD) 的胸部X射线图中的性能.
• 在大规模验证研究中使用客观和可重现的标准来定义NAD.
• 评估AI在区分NAD和可采取行动的疾病 (AD) 中的准确性.

主要方法:

• 来自门诊成像中心的14057张胸部X射线图的独立验证研究.
• 通过审查CXR报告来确定基本事实,将病例分类为NAD或AD.
• 人工智能NAD分析器在数百万张图像上进行了训练,它使用一个协同系统进行案例级输出.

主要成果:

• 在研究人群中,NAD病例的患病率为70.7%.
• 人工智能正确识别了NAD病例,灵敏度为29.1%,收益率为20.6%.
• 人工智能实现了98.9%的特异性,所有病例的错误率为0.3%,重要发现的错误率为0.06%,没有错过关键发现.

结论:

• 人工智能可以识别大约20%的门诊胸部X射线图没有可采取行动的疾病 (NAD).
• 人工智能显示,对于重要的和关键的发现,错误率非常低.
• 实施用于NAD识别的AI可以简化读取协议,提高放射科医生的效率并减少工作量.