在HANSE LCS试验中,AI软件工具用于肺结节的自动检测,量化和分类的比较
Rimma Kondrashova1,2, Filip Klimeš1,2, Till Frederik Kaireit1,2
1Institute for Diagnostic and Interventional Radiology (OE 8220), Hannover Medical School, Carl-Neuberg-Str. 1, 30625, Hannover, Germany.
Scientific reports
|November 13, 2024
概括
两种AI工具显示出强烈的结节体积相关性,但在肺癌查的肺RADS分类上有所不同. 这些人工智能软件差异可能会改变患者管理,突出显示出对高性能,商定的工具的需求.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 胸部瘤学 胸部瘤学
背景情况:
- 肺癌查 (LCS) 取决于精确的肺结节检测和测量.
- 肺成像报告和数据系统 (肺-RADS) 的分类决定了参与者管理.
- 评估用于结节分析的AI工具对于LCS程序的一致性至关重要.
研究的目的:
- 为了比较两个人工智能软件工具在检测,量化和分类肺结节方面的一致性.
- 评估人工智能驱动的结节分析对肺RADS分类在LCS计划中的影响.
- 为了评估AI工具与放射科医生在北德LCS队列中的读数的一致性.
主要方法:
- 使用两个人工智能软件工具 (S1和S2) 分析了来自HANSE试验的946个低剂量CT扫描.
- 人工智能工具和最终放射科医生读数之间的结节检测,量化 (体积) 和肺RADS分类的比较.
- 统计分析包括皮尔森相关性,威尔科克森签名等级测试,科恩的卡帕和百分比协议.
主要成果:
- 在AI工具之间的真正正节点体积中存在强烈的相关性 (r > 0.95),S2显示显著更高的体积 (P < 0.0001).
- 在S1和S2之间 Lung-RADS分类的中度百分比一致 (62%) 和科恩的卡帕 (κ = 0.45) .
- 对S1来说,与放射科医生读取的百分比一致率为75%,对S2来说为55%;在38%的病例中,显著的体积差异导致了不一致的肺-RADS得分.
结论:
- 人工智能衍生的结节体积的差异可能导致不同的肺-RADS分类,并可能改变患者管理.
- 认可的AI软件之间的高性能和工具间协议对于可靠的国家LCS计划至关重要.
- 人工智能工具的进一步验证和标准化是必要的,以确保在肺癌查中持续和准确的参与者管理.
