基于MRI的深度学习算法的有效性,用于检测急性缺血性中风:在不同的读者中进行评估

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 神经学 神经学

背景情况:

• 深度学习算法 (DLA) 在医疗图像分析方面表现有前途.
• 跨不同医疗背景的DLA性能对用户的依赖性需要评估.
• 准确检测急性缺血性中风 (AIS) 对于及时治疗至关重要.

研究的目的:

• 评估基于MRI的DLA在检测AIS中的有效性.
• 为了评估不同水平的放射学专业知识的读者之间的DLA性能.
• 确定DLA协助是否影响诊断信心和读者之间的协议.

主要方法:

• 从怀疑AIS的患者的407张MRI扫描进行了回顾性分析.
• 九位读者 (放射学住院医生,临床医生,非神经放射学家) 独立审查了带有和没有DLA协助的扫描.
• 对诊断性能指标 (AUC,灵敏度,特异性,信心) 和读者之间的协议进行比较.

主要成果:

• DLA显著改善了临床医生的AUC,灵敏度和诊断信心.
• 所有读者群体之间的读者间协议都得到了DLA的显著增强.
• DLA并没有显著影响放射科住院医生或非神经放射科医生的表现.

结论:

• 基于MRI的DLA显著提高了诊断性能和临床医生在检测AIS方面的信心.
• DLA提高了不同医疗专业人员之间的读者间协议.
• DLAs可以成为增强中风检测的宝贵工具,特别是对于经验较少的读者.