在UKLSCT肺癌查研究中经过组织学证明的AI性能:减少工作负载的潜力

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 使用计算机断层扫描 (CT) 的肺癌查涉及显著的放射科医生工作量.
• 人工智能 (AI) 提供了自动化CT扫描解释的潜力,特别是用于识别负面病例.
• 对AI性能与既定标准的验证对于其在肺癌查中的临床实施至关重要.

研究的目的:

• 为了验证商业AI软件在英国肺癌查 (UKLS) 试验数据集中的性能.
• 将AI性能与人类读者和金标准组织学肺癌结果进行比较.
• 估计使用人工智能作为第一阅读器可以实现的CT读取工作负载的潜在减少.

主要方法:

• 1252个UKLS基线CT扫描被人工智能和人类阅读器独立评估.
• 人工智能性能与欧盟参考标准和黄金标准组织学结果进行了评估.
• 分析了错误分类率,并根据人工智能识别的负面扫描计算了CT读取工作量减少.

主要成果:

• 与参考标准相比,人工智能显示了92.0%的负预测值 (NPV),在减少错误分类方面表现优于人类阅读.
• 与黄金标准组织学结果相比,AI检测了所有31种基线肺癌,NPV为99.8%,由于尺寸值,只有一个虚假阴性.
• 据估计,CT读取工作量最大减少了79%.

结论:

• 人工智能显示出作为肺癌查中的第一读者具有显著的潜力,以减少CT解释工作量.
• 实施人工智能排除负性CT扫描似乎不会导致遗漏的肺癌.
• 人工智能的高精度和减少工作负载的潜力支持其在优化肺癌查计划中的作用.