通过数字自学和人工智能辅助,提高没有经验的甲状腺结节读者的诊断性能
Si Eun Lee1, Hye Jung Kim2, Hae Kyoung Jung3
1Department of Radiology, Yongin Severance Hospital, College of Medicine, Yonsei University, Yongin-si, Republic of Korea.
Frontiers in endocrinology
|July 17, 2024
概括
数字学习和AI-CAD工具显著提高了初学者读者的甲状腺结节诊断准确度. 人工智能-CAD有利于所有人,而自学对放射科住院医生最有效.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 数字健康数字健康
背景情况:
- 通过数据驱动的数字学习,可以提高甲状腺结节的初学者诊断性能.
- 缺乏经验的医疗保健专业人员需要有效的培训工具来准确诊断甲状腺结节.
研究的目的:
- 评估数字自学和AI-CAD对未经验的读者诊断甲状腺结节的有效性.
- 为了比较放射学居民和非放射学读者之间的诊断性能改善.
主要方法:
- 26名没有经验的读者参加了一个在线学习课程,其中有3000个注释的甲状腺结节.
- 读者在自我学习之前和之后评估了120个甲状腺结节,然后在AI-CAD的帮助下进行了评估.
- 诊断性表现指标 (AUC,准确度,灵敏度) 被评估并通过读者组进行比较.
主要成果:
- 在AI-CAD辅助下,曲线下的面积 (AUC) 从0.679提高到0.758 (p<0.05).
- 放射科住院患者在自我学习后显示出AUC和准确度的改善;其他读者没有.
- 对于所有读者来说,AI-CAD显著提高了灵敏度和准确性,尤其是放射学以外的读者.
结论:
- 人工智能CAD辅助可以提高所有没有经验的甲状腺结节读者的诊断性能.
- 由于他们现有的超声波知识,数字自学对放射科医生来说更有效.
- 结合数字自学和AI-CAD有效地提高了甲状腺结节检测的诊断能力.
