卷积神经网络肺结节检测软件的临床应用:澳大利亚四级医院的经验
Peter Mark1, Isabella Papalia1, Jeffrey Kc Lai1
1Department of Radiology, The Royal Melbourne Hospital, Melbourne, Victoria, Australia.
Journal of medical imaging and radiation oncology
|August 10, 2024
概括
AI-Rad CompanionTM (AIRC) 软件在CT扫描上检测肺结节时,具有与放射科医生相似的灵敏度. 然而,AIRC错过的较大的结节突出显示了基于AI的肺癌查工具需要改进的领域.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 通过计算机断层扫描 (CT) 早期肺癌诊断对于患者的生存至关重要.
- 人工智能 (AI) 和卷积神经网络 (CNN) 正在推进诊断工具.
- AI-Rad CompanionTM (AIRC) 软件为结节检测提供自我优化的特征识别.
研究的目的:
- 评估基于AI的肺结节检测的实际临床价值.
- 将AIRC软件的性能与咨询放射科医生的性能进行比较.
- 确定AI诊断工具的局限性和发展领域.
主要方法:
- 使用AIRC软件分析了167个非对比CT胸部研究.
- 对AIRC的肺结节检测 (≥3毫米) 与盲目咨询放射科医生的发现进行了比较.
- 收集了关于结节检测和表征的前性数据.
主要成果:
- AIRC检测到75.8%的结节,而放射科医生检测到80.3% (包括那些错过的AIRC).
- 仅AIRC就发现了9.7%的结节,仅放射科医生就发现了14.5%.
- 由AIRC错过的固体结节比放射科医生错过的 (4.7毫米) 大得多 (11.5毫米). AIRC的敏感度为87.3%,特异性为12.5%.
结论:
- 在高结节患病率的人群中,AIRC表现出与咨询放射科医生相当的灵敏度.
- 较大的结节的临床意义被AIRC遗漏是当前临床整合的障碍.
- 需要进一步开发软件,以提高AI工具在诊断放射学中的成功.
