解决基于人工智能的脑动脉瘤检测有限的通用性,用于计算机断层扫描血管学:开发一个外部验证的人工智能查平台

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 神经外科 神经外科

背景情况:

• 大脑动脉瘤检测模型在外部验证中往往缺乏通用性,这阻碍了临床使用.
• 培训数据中广泛的排除标准导致现实世界表现不佳.
• 开发了一种新的方法,用于创建一个可通用的AI模型来检测动脉瘤.

研究的目的:

• 开发和验证首个可通用的人工智能 (AI) 模型用于脑动脉瘤检测.
• 克服当前人工智能模型的局限性,特别是在概括性和临床采用方面.
• 为AI模型验证提供一个公开可访问的平台.

主要方法:

• 利用计算机断层扫描扫描 (CTA) 扫描从2004-2023年进行模型培训,包括动脉瘤的特定标准.
• 从国际中心使用数字减去血管学验证的CTA进行了外部验证.
• 进行了潜在的内部验证,并创建了一个公共网络平台,用于进一步评估模型.

主要成果:

• 人工智能模型获得了0.76的验证点数,潜在的内部验证显示了82.5%的灵敏度和89.6%的特异性.
• 外部验证显示了可比性能,灵敏度为83.5%,特异性为92.9%.
• 该模型在外部验证中的表现与放射科医生在检测遗漏动脉瘤方面的表现相当或超过.

结论:

• 开发了第一个公开可测试的AI模型,用于在CTA扫描上检测动脉瘤.
• 该模型在外部验证中展示了显著的概括性和最先进的性能.
• 基于网络的平台促进了更广泛的验证,并解决了先前在该领域人工智能工作的局限性.