评估人工智能用于使用磁共振成像诊断的焦点结节性增生症:初步发现
Mecit Kantarcı1,2, Volkan Kızılgöz1, Ramazan Terzi3
1Erzincan Binali Yıldırım University Faculty of Medicine, Department of Radiology, Erzincan, Türkiye.
Diagnostic and interventional radiology (Ankara, Turkey)
|March 26, 2025
概括
人工智能 (AI) 在肝脏MRI上诊断焦点结节性增生 (FNH) 方面表现有前途,表现优于居民,但不是专家. 进一步的研究旨在使人工智能在诊断各种肝病变时达到高精度.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 焦点结节性增生 (FNH) 是一种常见的良性肝损伤.
- 准确诊断FNH对于适当的患者管理至关重要.
- 磁共振成像 (MRI) 是肝损伤特征的一个关键模式.
研究的目的:
- 评估使用肝脏MRI对FNH人工智能模型的诊断有效性.
- 将AI模型的性能与不同经验水平的放射科医生进行比较.
主要方法:
- 一个人工智能模型被训练使用分段的MRI数据从患者和没有FNH.
- 人工智能模型的诊断性能在未见的MRI病例上进行了评估.
- 放射科医生 (居民和专家) 独立审查了相同的MRI扫描.
主要成果:
- 人工智能模型实现了FNH诊断的高灵敏度 (0.769) 和特异性 (0.966).
- 人工智能性能超过了放射科医生,但低于放射科医生.
- 人工智能模型和专家之间观察到一个良好的协议 (κ=0.777).
结论:
- 人工智能展示了作为FNH诊断工具的潜力,为不那么有经验的放射科医生提供了优越的性能.
- 人工智能模型的持续开发有望提高各种肝病变的诊断准确性.
- 人工智能可以支持放射学中准确和可重现的成像诊断.
