与LI-RADS分类同时提供AI辅助,用于对比度增强的焦点肝结节的MRI:一个多读器,多个案例研究

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 放射学 放射学是一门学科.

背景情况:

• 在肝脏成像报告和数据系统 (LI-RADS) 分类中,读者间的变化构成了挑战.
• 准确的LI-RADS评估对于管理肝细胞癌风险的患者至关重要.

研究的目的:

• 评估人工智能 (AI) 系统对LI-RADS分类准确性和读者间协议的影响.
• 通过使用对比度增强的MRI,对具有不同经验水平的放射科医生来评估AI的有效性.

主要方法:

• 一项回顾性研究涉及120名患者和200名肝脏病变的焦点病变,由五名放射科医生进行评估.
• 放射学家们独立地对LI-RADS进行了分类,包括有或没有人工智能辅助的LI-RADS.
• 准确性和读者之间的一致性 (Kappa,ICC) 与共识标准相比进行了测量.

主要成果:

• 人工智能显著提高了整体LI-RADS精度,从69.9%提高到80.1% (p<0.001).
• 初级放射科医生显示了最实质性的准确性改善 (65.7%至79.7%,p<0.001).
• 人工智能增强了读者间一致性 (Kappa 0.655至0.812) 和病变大小测量一致性 (ICC 0.857至0.951).

结论:

• 人工智能系统大大提高了LI-RADS分类 (LR-3/4/5/M) 的准确性和读者间一致性.
• 这些好处对于经验较少的放射科医生来说尤其明显.
• 人工智能集成显示了改善肝损伤评估诊断一致性的承诺.