在临床实践中对经批准的基于人工智能的脑动脉瘤检测软件的评估:与放射科医生评估和图像再审核的比较

科学领域:

• 神经辐射学神经辐射学
• 医学成像分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 脑动脉瘤对健康构成重大风险,需要准确高效的检测方法.
• 放射科医生在识别脑动脉瘤方面发挥着至关重要的作用,这一任务可以通过先进的技术得到支持.
• 人工智能 (AI) 具有提高医学成像诊断准确性和工作流效率的潜力.

研究的目的:

• 评估基于人工智能的脑动脉瘤检测软件的临床性能.
• 评估AI软件作为放射科医生的补充工具的实用性.
• 量化关键性能指标,包括灵敏度,正预测值 (PPV),F1得分和假阳性 (FP).

主要方法:

• 对442例患者病例 (2023年3月至2024年8月) 进行了回顾性分析.
• 人工智能检测与放射科医生的评估和图像再审核建立的参考标准进行了比较.
• 亚组分析检查了基于动脉瘤大小,MRI磁场强度,患者年龄和动脉瘤位置的性能变化.

主要成果:

• 在94个动脉瘤中,人工智能检测到73个真阳性 (TP) 和21个假阴性 (FN),其中520个是FP.
• 总体表现指标是:灵敏度77.7%,PPV12.3%,F1得分为0.212,平均每例1.18个FP.
• 对于较小的动脉瘤 (85.1%对于≤3毫米),灵敏度较高,但对于较大的动脉瘤 (50.0%对于>5毫米) 降低;性能因磁场强度,患者年龄和动脉瘤位置而有显著差异.

结论:

• 人工智能软件表现出适度的灵敏度,特别是对于小脑动脉瘤,但由于高FP率和性能可变性,需要改进.
• 与磁场强度和动脉瘤大小相关的性能变化突显出需要更强大的AI算法.
• 虽然人工智能可以作为一种支持工具,但假设将其与放射科医生的专业知识相结合可以提高检测准确度,因此需要进一步研究来量化这种协同效应.