基于放射学的人工智能模型协助临床医生诊断内出血:外部验证研究
Salita Angkurawaranon1,2, Natipat Jitmahawong1, Kittisak Unsrisong1
1Department of Radiology, Faculty of Medicine, Chiang Mai University, Chiang Mai, Thailand.
JMIR formative research
|December 11, 2025
概括
使用放射学的人工智能 (AI) 模型有助于识别自发性脑内出血 (ICH) 的原因. 虽然其独立的准确性在外部数据上下降,但人工智能协助显著改善了所有医疗专业人员的诊断性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 早期识别脑内出血 (ICH) 病因对于治疗计划至关重要.
- 此前已经开发了一种基于放射学的人工智能 (AI) 模型,用于从CT扫描中分类ICH原因.
研究的目的:
- 为了对基于放射学的AI模型进行外部验证,用于对自发性ICH进行分类.
- 评估人工智能模型在改善临床医生的诊断性能方面的实用性.
主要方法:
- 使用69个CT扫描从单独的队列人工智能模型的外部验证.
- 非创伤性ICH的分类为原发性,瘤性和与血管形相关的原因.
- 在AI模型辅助之前和之后评估临床医生的诊断性能 (准确度,灵敏度,特异性,PPV).
主要成果:
- 人工智能模型在分类ICH原因时达到0.65的准确性.
- 人工智能模型的帮助提高了所有读者群体 (非放射科医生,放射科医生,学员,专家) 的诊断准确度.
- 精度增长范围从0.04到0.07,专家在人工智能支持下表现出最高的精度.
结论:
- 基于放射学的人工智能模型的精度在外部数据集上下降.
- 人工智能模型辅助显著提高了所有临床医生组的诊断性能,提高了一致性.
