在数字宫细胞学培训中整合人工智能辅助:一项比较研究

科学领域:

• 医学教育 医学教育
• 计算病理学计算病理学
• 数字健康数字健康

背景情况:

• 宫癌查依赖于精确的细胞学解释.
• 传统的培训方法在效率和一致性方面可能存在局限性.
• 数字病理学为医学教育和诊断支持提供了新的途径.

研究的目的:

• 评估人工智能 (AI) 在支持数字宫细胞学培训方面的有效性.
• 使用人工与人工智能辅助解释方法来比较学员的表现.
• 评估学员的满意度和愿意在临床实践中采用人工智能.

主要方法:

• 104名实习生接受了手动和人工智能辅助的数字宫细胞学解释.
• 两种方法的解释分数和测试时间进行了比较.
• 用混矩阵和不一致性评估分析了诊断一致性,敏感性,特异性,PPV和NPV.

主要成果:

• 人工智能辅助翻译的得分明显更高 (81.97比67.98),翻译时间更短 (11.36比32.13分钟).
• 实习生结果的一致性有所改善 (0.645到0.803),平均对对卡帕得分从中等 (0.535) 增加到良好 (0.731).
• 在大多数诊断中,人工智能辅助提高了准确性,灵敏度,特异性,PPV,NPV和kappa分数;97.8%的人报告说能力有所改善,100%的人希望人工智能集成.

结论:

• 人工智能辅助的数字宫细胞学培训平台提高了学员的表现.
• 这些平台在临床医生中表现出高度满意和接受.
• 人工智能显示出作为细胞学医学教育的宝贵辅助的巨大潜力.