人工智能辅助时间对病理幻灯片诊断中的性能和用户感知的影响

科学领域:

• 数字病理学数字病理学
• 医疗人工智能 医疗人工智能
• 人与计算机的交互

背景情况:

• 病理幻灯片诊断至关重要,但可能耗时且容易出现错误.
• 人工智能 (AI) 具有提高诊断准确性和效率的潜力.
• 评估不同的AI整合策略对于最佳的临床采用至关重要.

研究的目的:

• 在病理幻灯片诊断中比较三种人工智能辅助定时策略 (分离,并发,次要).
• 评估病理学家对人工智能辅助在不同集成模式中的感知和可用性.
• 确定影响人工智能在诊断工作流程中的采用和信任的因素.

主要方法:

• 病理学家评估了数字幻灯片,在诊断前 (选),诊断期间 (并发) 或诊断后 (二级) 提供了人工智能辅助.
• 对每个AI模式的诊断性能 (准确性,效率) 和感知工作负载进行了测量,与没有AI相比.
• 收集了用户对信任,透明度,可用性和整体偏好的看法.

主要成果:

• 这三种人工智能定时策略都显著提高了诊断性能,与无助诊断相比减少了工作量.
• 同时人工智能模式是平衡效率和用户控制的首选.
• 二级人工智能模式被评为减少偏见和培训支持,而分类人工智能提供了最低的工作量,但引发了信任问题.

结论:

• 人工智能辅助是病理学初始幻灯片审查的宝贵工具,而不是专家读者的替代品.
• 用户的信任和透明度对于人工智能的采用至关重要;可解释性和仔细的信息呈现是必要的.
• 优化人工智能集成需要平衡性能优势与用户控制,信任和工作流的兼容性.