在PA-CXR分析中,特定领域和计算机视觉驱动与通用AI模型相比:与紧急医疗专家进行比较研究
Yunus Dogan1, Adem Az2, Ozgur Sogut1
1Department of Emergency Medicine, Haseki Training and Research Hospital, University of Health Sciences, Uğur Mumcu Mah. Belediye Sok. No:7 Sultangazi, Istanbul, Turkey.
Journal of imaging informatics in medicine
|January 6, 2026
概括
与紧急医疗专家和其他AI模型相比,Qure.ai在解释胸部X射线方面表现出卓越的诊断准确性. 这种人工智能系统显示出在医学成像分析中临床使用的巨大潜力.
科学领域:
- 医疗成像中的人工智能
- 放射学 诊断 诊断 放射学
- 机器学习用于医疗保健
背景情况:
- 对PA-CXRs的准确解释对于紧急医疗至关重要.
- 对人类专家进行AI诊断性能评估对于临床整合至关重要.
- 现有的AI模型在复杂的医学图像分析中显示了可变的准确性.
研究的目的:
- 为了比较三个AI模型 (GPT-5,Xray-GPT,Qure.ai) 与急诊医学专家 (EMS) 的诊断准确度.
- 评估AI在解释PA-CXR从现实世界急诊室病例中的表现.
- 识别具有专家级诊断能力的AI系统.
主要方法:
- 使用40个PA-CXR的标准化测试集进行前性,横截面诊断准确性研究.
- 在30天内对30个EMS和3个AI模型 (GPT-5,Xray-GPT,Qure.ai) 的评估.
- 对六个类别的诊断准确度进行比较,包括危及生命的疾病.
主要成果:
- Qure.ai实现了最高的整体准确性,明显优于EMS和基于GPT的模型 (p < 0.001).
- 在大多数病例类别中,GPT-5和Xray-GPT的准确性低于EMS.
- Qure.ai在识别肺炎和肺胸炎等关键发现方面表现出色,与正常CXR和特定病理的EMS性能相匹配.
结论:
- 在PA-CXR解读方面,Qure.ai是唯一一个能够展示与人类专家相比或超过诊断性能的人工智能系统.
- 特定领域的培训和优化的架构是实现AI诊断工具高临床价值的关键.
- 像Qure.ai这样的AI系统对提高紧急放射学诊断能力具有重大前景.
