对于正常和异常胸部X射线分类的深度学习算法的部署后性能:阿拉伯联合长国的签证查中心的一项研究
Amina Abdelqadir Mohamed AlJasmi1, Hatem Ghonim2, Mohyi Eldin Fahmy2
1Emirates Health Services, DSO Digital Park Building A8, Dubai Silicon Oasis, Dubai, UAE.
European journal of radiology open
|November 7, 2024
概括
人工智能 (AI) 有效地选胸部X射线图 (CXRs) 传染病,在识别正常病例方面表现出高准确性. 这种人工智能集成大大减少了报告时间,并提高了放射科医生的诊断精度.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 胸部放射 (CXR) 对于在高人数环境中查结核病和COVID-19等传染病至关重要.
- 手动CXR解释是耗时的,需要放射科医生提供高效的解决方案.
研究的目的:
- 评估人工智能算法 (qXR v2.1) 在签证查期间对胸部放射图进行分类的现实性能.
- 评估AI与放射科医生解释的一致性,并收集有关实施挑战和影响的反.
主要方法:
- 部署后的一项研究分析了2021年1月至2022年6月在阿联的1,309,443辆CXR.
- qXR v2.1 软件将扫描分类为正常或异常,对放射科医生的共识进行性能评估.
- 一项数字调查评估了医疗保健专业人员对人工智能集成的看法.
主要成果:
- 人工智能显示了99.92%的负预测值 (NPV),与放射科医生达成72.90%的总体协议.
- 阳性预测值 (PPV) 是5.06%.
- 88.2%的放射科医生报告了减少的周转时间,82%的诊断准确度有所改善.
结论:
- 人工智能算法可靠地识别高NPV的正常CXR,使其适合大规模选.
- 将人工智能集成到CXR解释工作流中可以提高临床实践中的效率和诊断准确性.


