频谱偏差对基于深度学习的中风MRI分析的影响
Christian Hedeager Krag1, Felix Christoph Müller2, Karen Lind Gandrup3
1University Hospital Copenhagen - Herlev and Gentofte, Department of Radiology, Denmark; Department of Clinical Medicine, University of Copenhagen, Denmark; Radiology AI Testcenter (RAIT.dk), Denmark.
European journal of radiology
|May 13, 2025
概括
在中风MRI分析中排除不确定的急性缺血性病变 (AIL) 显著高估了诊断准确性. 诸如MRI文物和病变特征等因素影响不确定性,需要在验证研究中仔细考虑.
科学领域:
- 医疗成像医学成像
- 神经学 神经学
- 人工智能在医学中的应用
背景情况:
- 频谱偏差可能会影响医学成像中的诊断准确性.
- 在MRI上准确识别急性缺血性病变 (AIL) 对中风诊断和管理至关重要.
研究的目的:
- 通过排除不确定的AIL病例来评估中风MRI分析中的频谱偏差.
- 为了确定与不确定的AIL相关的患者,成像和病变因素.
主要方法:
- 对于怀疑中风的989个成年大脑MRI的回顾性观察研究.
- 不确定的AIL通过读者不同意或低确定性等级来确定.
- 深度学习工具评估了在排除不确定的病例后对诊断几率比率的影响.
- 对患者的统计分析,MRI采集和病变因素.
主要成果:
- 除了不确定的AIL (6%的病例),诊断几率比率增加了四倍 (68到278).
- 一个模拟的病例控制设计进一步放大了这一增加 (68到431).
- 磁力共振成像器件,较小的病变大小,较老的病变年龄和底部位置与不确定的AIL有关.
结论:
- 排除不确定的AIL病例导致了对诊断性能的严重高估.
- 磁力共振成像器件,病变大小,位置和年龄是导致AIL不确定性的关键因素.
- 这些因素必须在未来对人工智能工具用于中风MRI的验证研究中得到解决.
