CT放射学和人机混合系统用于区分中淋巴瘤与胸膜上皮瘤

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 由于成像特征重叠,放射科医生难以区分中淋巴瘤和胸膜上皮瘤 (TETs).
• 特别是初级放射科医生在准确的差异诊断方面面临困难.
• 计算机断层扫描 (CT) 是评估中质量的主要成像方法.

研究的目的:

• 开发和验证基于CT的临床放射学模型,以区分淋巴瘤与TET.
• 评估人机混合系统在提高诊断性能方面的有效性,特别是对于经验较少的放射科医生.

主要方法:

• 从两家中心 (2011-2019年和2017-2021年) 进行的对比增强胸部CT扫描的回顾性分析,其中包括病理确认的淋巴瘤或TET.
• 使用集体学习和预先选择的临床和放射性特征开发临床放射学模型.
• 评估模型的性能并与独立的放射科医生诊断进行比较;评估人机混合系统的性能.

主要成果:

• 在外部测试组中,临床放射学模型表现出优异的诊断性能 (AUC:0.85),与外部测试组中的个人放射学家相比 (AUC从0.60到0.76不等).
• 人机混合系统显著提高了诊断准确度,AUC增加幅度在14%至40%之间,与单独的人类阅读器相比.
• 混合系统对初级放射科医生来说,表现特别显著.

结论:

• 开发的临床放射学模型有效地区分了中淋巴瘤与CT上的TET.
• 人机混合系统显著提高了放射科医生的诊断性能,提供了有价值的决策支持工具.
• 这种方法有望减少诊断错误,增加信心,并指导各种疾病的未来临床应用.