基于人工智能的肺栓塞分类:使用真实世界的数据进行开发和验证

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:

• 肺栓塞 (PE) 是一种严重的疾病,需要及时诊断.
• 计算机断层扫描血管造影 (CTA) 是检测PE的主要成像方式.
• 需要准确有效的AI工具来帮助PE诊断.

研究的目的:

• 开发和验证基于人工智能 (AI) 的分类模型,用于在计算机断层扫描血管学 (CTA) 中检测肺栓塞 (PE).
• 评估模型在切片和检查层面的性能,以及它排除PE病例的能力.

主要方法:

• 使用两阶段的训练过程开发了一个集成时间序列的二维人工智能模型:卷积神经网络 (CNN) InceptionResNet V2,其次是循环神经网络 (RNN) 长短期记忆 (LSTM).
• 该模型在公开数据上进行了训练,并通过包括外部验证在内的大型第三级医院数据集进行了验证.
• 性能指标包括准确性,精度和PE检测和排除的回忆.

主要成果:

• 人工智能模型在切片级达到93%的准确性,在检查级达到77%.
• 外部验证显示,对阳性PE病例的精度为86%,对阴性PE病例的精度为69%.
• 该模型在排除PE方面表现出强的表现,精度为73%,回忆率为82%,突显了其临床实用性.

结论:

• 基于人工智能的分类模型显示了对精确检测和排除CTA肺栓塞的显著前景.
• 该模型的可通用性得到了不同的人口数据集的验证的支持.
• 这种人工智能工具有可能简化PE诊断,减少不必要的干预,并改善患者的治疗结果.