人与人工智能之间检测伤口化的诊断精度差异:人类专业知识的作用重新审视

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 临床诊断 临床诊断 临床诊断

背景情况:

• 人类在伤口评估中的诊断性能有很大的差异.
• 临床"专业知识"对诊断准确性的定义和影响仍然不清楚.
• 人工智能模型为人类诊断能力提供了潜在的基准.

研究的目的:

• 将临床医生和创伤图像的AI模型之间的诊断准确性进行比较.
• 研究"专业知识"因素对临床医生的诊断绩效的影响.
• 分析伤口评估中临床判断的异质性.

主要方法:

• 481名医疗保健专业人员进行了伤口图像诊断任务.
• 一个卷积神经网络 (CNN) 模型执行了同样的任务.
• 回归分析检查了"专业知识"因素 (资格,经验,信心,焦点) 和评级者之间的可靠性.

主要成果:

• 人类的准确性平均为79.3%,在合格的小组中最高达到85%.
• 美国有线电视新闻网 (CNN) 实现了90%的准确性,表现优于人类,但不是显著的.
• 正式资格和自信预测了人类的准确性 (R2 = 24.3%);经验和专注没有. 评分器之间的可靠性是"公平的" (卡帕=0.391).

结论:

• 只有正式的资格和自信才能影响诊断的准确性,挑战传统的"专业知识"标记.
• "专业知识"是诊断准确性的复杂关联,需要超越经验或职位头的进一步研究.
• 这些发现指导了未来在医学诊断中对人类-人工智能性能进行比较.