使用基于人工智能的算法在未增强的计算机断层扫描上改善了小肺栓塞的检测 - - 一个单一中心的回顾性研究

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) 诊断通常依赖于CT肺血管造影 (CTA).
• 没有增强的胸部CT扫描在瘤患者中很常见,为偶然的PE检测提供了机会.
• 精确地定位PE对于治疗决策至关重要.

研究的目的:

• 评估深度学习 (DL) 人工智能 (AI) 模型的可行性,以定位无增强胸部CT的肺栓塞 (PE).
• 将AI模型的性能与对比增强CT肺血管造影 (CTA) 的黄金标准进行比较.

主要方法:

• 追溯分析99名经过偶然诊断的PE瘤患者的无增强和增强对比度的胸部CT.
• 在未增强的胸部CT数据集上训练和测试DLAI算法.
• 后处理AI模型输出通过评估与肺部细分的交叉点.

主要成果:

• 人工智能算法实现了中央的整体灵敏度为54.5%,细分的灵敏度为81.9%,细分的灵敏度为80.0% (具有20个候选框).
• 单个盒子的检测率为18.1% (中央),34.7% (细分) 和0.0% (子细分).
• 中央,细分和细分PE位置 (p <0.05) 的中位凝块量有显著差异.

结论:

• 开发的AI算法在检测PE方面表现出高灵敏度,特别是在细分和子细分位置.
• 这种人工智能工具可以帮助确定对比度增强CT对于PE诊断的必要性.
• 需要进一步验证,以确定AI在未增强CT的PE检测中的临床实用性.