人工智能用于低剂量CT肺癌查:利用场景的比较

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 人工智能 (AI) 工具越来越多地用于低剂量CT (LDCT) 肺癌查,主要用于协助放射科医生.
• 替代应用,如人工智能作为预先选或备份,需要对其对诊断性能和效率的影响进行评估.

研究的目的:

• 评估不同的AI实施策略如何影响LDCT肺癌查中的诊断结果和解释时间.
• 将人工智能作为助理,预选器和备份与无助解读进行比较.

主要方法:

• 从肺癌查试验中对366个LDCT检查进行了回顾性分析.
• 模拟人工智能利用场景:人工智能作为助理,预选器和备份.
• 诊断结果 (回忆率,灵敏度,特异性) 和平均解释时间的比较.

主要成果:

• 人工智能作为预选剂减少了解释时间 (143s vs. 164s) 和提高了特异性 (90.3% vs. 88.8%),灵敏度相似.
• 人工智能作为助手增加了回忆率和降低了特异性,但没有提高灵敏度或时间.
• 作为备份的AI增加了解释时间和回忆率,但减少了特异性.

结论:

• 在LDCT肺癌查中,不同的AI实施方法产生了不同的结果.
• 使用人工智能作为预先选剂是首选的场景,证明了最高的净收益.
• 人工智能预选可以减少放射科医生的工作量,同时保持诊断灵敏度.