人工智能辅助的肺滑动检测在海军陆战队士兵的护理点超声波中:一项多读器研究
Melissa Cote1, Ross Prager2, Khoa Tran3
1Schulich School of Medicine, London, ON.
概括
人工智能 (AI) 显著改善了新手肺部超声波 (LUS) 对肺胸部检测的解释. 人工智能决策支持提高了诊断准确度和确定缺席肺滑动的信心,这对于医院前环境至关重要.
科学领域:
- 医学超声波 医学超声波
- 人工智能在医学中的应用
- 临床诊断 临床诊断 临床诊断
背景情况:
- 肺部超声波 (LUS) 解释在严格的环境中面临挑战,原因是培训限制和操作员的变化.
- 人工智能 (AI) 为改善LUS使用和诊断一致性提供了潜在的解决方案.
- 这项研究调查了人工智能对新手用户检测缺席肺滑动的能力的影响,这是一个关键的肺胸部指标.
研究的目的:
- 评估基于人工智能的决策支持,以提高诊断准确性和对肺超声波 (LUS) 解释的信心.
- 评估新手军医在识别缺席肺滑动时的表现,有或没有人工智能辅助.
- 确定人工智能是否可以在资源有限的环境中提高LUS的可靠性.
主要方法:
- 一个试点前性,多读者,多个案例研究,涉及五名新兵军医.
- 每位医生两次解释了50个LUS视频片段:一次与AI辅助 (ATLAS),一次没有,随机顺序.
- 诊断性能是根据接收器操作特征曲线 (AUROC) 下的面积,灵敏度,特异性和精度进行测量,专家共识作为参考标准.
主要成果:
- 人工智能辅助显著改善了诊断性能,使平均AUROC从0.72增加到0.93 (P=.03).
- 灵敏度,特异性和整体准确性在人工智能 (P<.001) 中得到了显著改善.
- 读者信任评级显著提高,高信任评级几乎翻了一番,低信任评级下降 (P<.001).
结论:
- 基于AI的决策支持显著提高了初学者肺超声波 (LUS) 解释的诊断准确性和信心.
- 实时人工智能支持表明,在军事和资源有限的环境中,改善获得高质量的LUS的机会是有前途的.
- 人工智能可以帮助克服培训限制和在护理点超声波应用中运营商间的变化.


