评估人工智能辅助脑动脉瘤检测的工作流影响和临床实用性:一项多读者研究

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 有许多人工智能算法用于放射性异常检测,但临床整合和验证并不常见.
• 脑动脉瘤是神经成像中的关键发现,需要准确和高效的检测方法.

研究的目的:

• 评估人工智能模型用于脑动脉瘤检测的临床适用性和实用性.
• 评估人工智能协助对放射科医生的表现和临床工作流程的影响.
• 在人工智能的协助下,比较放射科医生的诊断性能和阅读时间,经验水平不同.

主要方法:

• 使用了一个扩展的开放访问的飞行时间磁共振血管学数据集 (N=460).
• 在360名受试者身上训练并验证了AI算法,其中100名受试者参加了一组看不见的阅读测试.
• 阅读器性能 (灵敏度,错误阳性率) 和阅读时间在人工智能辅助和无辅助环境中的初级和高级放射科医生的比较.

主要成果:

• 人工智能模型在测试组中实现了最先进的性能 (灵敏度=74%,FPR=1.6%).
• 无论是初级读者还是高级读者,在人工智能的帮助下,都没有显著提高灵敏度 (p=0.59,p=1).
• 人工智能辅助显著增加了初级 (+15s,p=3x10^-4) 和高级 (p=3x10^-5) 读者阅读时间,诊断信心没有变化.

结论:

• 在现实环境中对人工智能算法的临床验证至关重要.
• 目前用于脑动脉瘤检测的AI辅助并没有提高放射科医生的表现或工作流程效率.
• 该研究强调,在放射学广泛采用之前,需要严格检查人工智能工具的实际有效性和工作流集成.