基于深度学习的人工智能辅助对冠状动脉CT血管学解释中的读者协议的影响

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 心血管疾病的诊断 心血管疾病的诊断

背景情况:

• 使用冠状动脉CT血管造影 (CCTA) 检测冠状动脉疾病 (CAD) 和狭窄症分类对于患者管理至关重要.
• 在解释CCTA扫描时,读者之间的协议可能会有所不同,这可能会影响诊断一致性.
• 深度学习 (DL) 算法在医学图像分析中表现有前途,但它们对读者协议的影响需要评估.

研究的目的:

• 评估完全自动化的多任务深度学习 (DL) 算法对CAD检测和狭窄症分类的读者间协议的影响.
• 使用CCTA评估算法对冠状动脉疾病报告和数据系统 (CAD-RADS) 分类的影响.

主要方法:

• 对来自多个供应商的623个CCTA考试 (2010-2019) 的回顾性分析.
• 一个专家阅读器 (阅读器1) 用CAD-RADS.使用人工智能辅助手动分析扫描.
• 与第二位专家 (阅读器2) 评估了274名患者的子组的读者间协议,并与放射科医生报告 (阅读器3) 进行了比较.

主要成果:

• 阅读者1的AI辅助阅读显著改善了与阅读者2 (ρ = 0.899-0.949) 和阅读者3 (ρ = 0.889-0.938) 的一致性.
• 在出现分歧的情况下,人工智能辅助显著增加了阅读器1和2之间的一致性 (从 ρ = 0.688 到 ρ = 0.975).
• DL算法证明了在读者之间改进的CAD-RADS分类一致性.

结论:

• 使用DL算法的AI辅助阅读显著提高了CCTA中CAD-RADS分类的互读者协议.
• 这些发现表明DL算法可以提高CCTA扫描中的CAD解释的可靠性和一致性.