机器学习辅助诊断增强了人类检测状位移的能力

科学领域:

• 整形外科手术 整形外科手术
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 状和月状的伤害往往被误诊.
• 准确和及时的诊断对于有效的治疗至关重要.

研究的目的:

• 评估机器学习算法是否可以改善人类检测周周/周周异位的情况.
• 评估人工智能协助对不同医学专业和培训水平的诊断性能的影响.

主要方法:

• 137名参与者 (紧急医疗,手术,放射学) 评估了30张手腕X射线图.
• 放射图片被评估,并没有人工智能工具,该工具标记了疯子.
• 用灵敏度,特异性,准确性和F1评分来衡量诊断性能.

主要成果:

• 人工智能工具提高了整体特异性 (88%至94%),准确性 (89%至93%) 和F1得分 (0.89至0.92).
• 与会的医生和研究员在使用AI工具时表现出更好的特异性 (93%至97%).
• 当使用人工智能工具时,居民在准确度 (86%至91%) 和特异性 (86%至93%) 上显著改善.

结论:

• 机器学习工具增强了对周围位的放射检测,特别是对居民来说.
• 人工智能协助提高了所有培训水平的诊断特异性.
• 这项技术可以帮助减少误诊,特别是当专家评估延迟时.