通过多尺度采样检测肝胆相图的小肝损伤的人工智能软件

科学领域:

• 医学成像
• 放射学中的人工智能
• 肝胆细胞成像

背景情况:

• 用加多克西酸增强的肝胆相成像 (HBP) 对于检测肝损伤至关重要.
• 确切解释小肝病变仍然是一个诊断挑战.
• 人工智能 (AI) 具有提高放射学诊断性能的潜力.

研究的目的:

• 评估多尺度采样人工智能 (msAI) 软件对解读HBP图像的读取器诊断性能的影响.
• 评估msAI对小肝病变的检测和表征的影响.
• 分析使用和不使用msAI的阅读器性能.

主要方法:

• 对30名患有186种肝病变的HBP图像进行了审查.
• 三位放射科医生,九位住院医生和两位全科医生对图像进行了两次解读:使用和不使用msAI软件.
• 使用Jackknife自由响应接收器操作特征 (ROC) 分析来计算功效 (FOM) 和损伤局部化分数 (LLF).
• 消极咨询比率 (NCR) 是为了评估AI发现的读者准确性而计算的.

主要成果:

• 在所有读数 (0. 74到0. 82, p<0. 01) 中,msAI软件显著改善了病变局部化分数.
• 整体优点 (FOM) 没有显著变化 (0.76至0.78,p=0.45).
• 对于小于6毫米的病变,msAI显著改善了LLF (0. 40至0. 53,p<0. 01),但FOM保持不变 (0. 63至0. 66,p=0. 51).
• 使用msAI的读者在LLF和FOM中显示出明显的改善.

结论:

• 多尺度采样人工智能 (msAI) 软件提高了HBP图像上的小肝病变的检测能力.
• 当读者能够准确地解释和利用它的输出时,msAI的好处是最明显的.
• 人工智能工具有望提高肝脏病变检测的诊断准确性.