人工智能可以帮助使用TOF MRA数据集在常规脑部MRI上检测偶然的内动脉瘤,并改善分析这些图像所需的时间

科学领域:

• 神经辐射学神经辐射学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 内动脉瘤构成重大风险,需要准确有效的诊断方法.
• 飞行时间磁共振血管造影 (TOF-MRA) 是检测这些血管异常的关键成像技术.
• 放射科医生对TOF-MRA的解释可能需要大量的时间,并且会有变化.

研究的目的:

• 评估商业AI软件用于内动脉瘤检测的诊断性能.
• 评估人工智能是否提高了放射科医生在识别动脉瘤方面的准确性.
• 为了确定AI是否减少了TOF-MRA图像分析所需的时间.

主要方法:

• 商业人工智能软件和一名咨询神经放射学家分析了500个TOF-MRA脑部检查的内动脉瘤.
• 结果与参考标准进行比较,以计算灵敏度和特异性.
• 记录了神经放射学家用和没有人工智能协助分析图像所花费的时间.

主要成果:

• 结合人工智能和神经放射学家的方法在85次检查中检测到106个动脉瘤.
• 神经放射学家获得了92.5%的灵敏度,而AI获得了72.6%的灵敏度.
• 人工智能集成将TOF-MRA分析时间减少了19秒 (23%的减少).

结论:

• 基于人工智能的软件有效地支持神经放射学家对TOF-MRA的解释.
• 结合AI和神经放射学家的读数显示,对内动脉瘤检测的可靠性更高.
• 整合人工智能可以提高诊断准确度,并将放射科医生阅读时间缩短约25%.