新手和专家眼科医生之间的诊断决策可变性对青光眼:比较分析以告知AI系统设计

科学领域:

• 眼科医生 眼科 眼科
• 医疗人工智能 医疗人工智能
• 临床决策 - 临床决策

背景情况:

• 视光学家的诊断方法与经验水平有很大差异.
• 新手眼科医生通常依赖于数据和外部指导,而专家则利用直觉和疾病知识.
• 了解这些差异对于开发有效的人工智能 (AI) 支持系统至关重要.

研究的目的:

• 为了识别和分析新手和专家眼科医生之间格洛科马诊断决策的差异.
• 提供开发人工智能系统的指导方针,以满足所有经验水平的眼科医生.
• 通过人工智能提高诊断准确度,并最大限度地减少光学实践中的决策不一致性.

主要方法:

• 与14名眼科医生 (新手和专家) 进行了深入的采访,以了解青光眼的诊断方法.
• 混合方法分析,结合定性和定量数据.
• 统计测试 (曼 - 惠特尼U,奇平方) 以确定显著的跨组差异.

主要成果:

• 专家显示诊断一致率高 (20%) 比新手 (10%) 有有限的数据,增加到42%的两个完整的病史.
• 在初次和随后的患者访问之间,在决策过程中观察到显著的差异 (p < .05).
• 专家使用风险评估和进展分析;新手使用结构化方法和外部参考. 观察到随访时间的显著变化 (p < .001).

结论:

• 经验显著影响眼科医生对青光眼瘤诊断的准确性,方法和管理.
• 定制的人工智能系统对于支持不同专业水平的眼科医生至关重要.
• 这些发现为设计人工智能提供了洞察力,以提高诊断准确性和一致性,提高患者的治疗结果.