放射科医生在胸部X光检查肺部疾病方面的表现优于人工智能
根据北方放射学会杂志《放射学》上发表的一项研究，在对 2,000 多张胸部 X 光检查进行的研究中，放射科医生在准确识别是否存在三种常见肺部疾病方面优于人工智能。(RSNA)。
“胸部 X 光检查是一种常见的诊断工具，但需要大量的培训和经验才能正确解释检查结果，”首席研究员、住院放射科医生兼博士路易斯·L·普莱斯纳 (Louis L. Plesner) 医学博士说。丹麦哥本哈根 Herlev 和 Gentofte 医院放射科研究员。
Plesner 博士表示，虽然商用且 FDA 批准的人工智能工具可以帮助放射科医生，但基于深度学习的人工智能工具在放射诊断中的临床应用仍处于起步阶段。
“虽然人工智能工具越来越多地被批准在放射科使用，但在现实临床场景中进一步测试它们的需求尚未得到满足，”普莱斯纳博士说。“人工智能工具可以帮助放射科医生解读胸部 X 光片，但它们在现实生活中的诊断准确性仍不清楚。”
Plesner 博士和一个研究团队将四种商用人工智能工具的性能与 72 名放射科医生进行了比较，以解读 2020 年丹麦四家医院两年内连续拍摄的 2,040 张成人胸部 X 光片。患者组年龄72岁。在胸部 X 光检查样本中，669 份(32.8%)至少有一个目标发现。
胸部 X 光片评估了三种常见的发现：空腔疾病(例如，由肺炎或肺水肿引起的胸部 X 光片模式)、气胸(肺塌陷)和胸腔积液(肺部周围积水) 。
AI 工具对空域疾病的敏感度为 72% 至 91%，对气胸的敏感度为 63% 至 90%，对胸腔积液的敏感度为 62% 至 95%。
他说：“人工智能工具在胸部 X 光检查中检测空域疾病、气胸和胸腔积液方面表现出中等到高的灵敏度，与放射科医生相当。” “然而，他们产生的假阳性结果(在不存在疾病的情况下预测疾病)比放射科医生更多，并且当存在多个发现且目标较小时，他们的表现会下降。”
对于气胸，AI 系统的阳性预测值(筛查测试呈阳性的患者确实患有该疾病的概率)介于 56% 到 86% 之间，而放射科医生的阳性预测值为 96%。
“人工智能在识别空域疾病方面表现最差，阳性预测值在 40% 到 50% 之间，”Plesner 博士说。“在这个困难的老年患者样本中，人工智能预测了空域疾病，但十分之五到六次没有出现这种疾病。你不可能让人工智能系统以这样的速度独立运行。”
Plesner 博士表示，放射科医生的目标是平衡发现和排除疾病的能力，避免重大被忽视的疾病和过度诊断。
他说：“人工智能系统似乎非常擅长发现疾病，但它们在识别疾病是否存在方面不如放射科医生，尤其是当胸部 X 光检查很复杂时。” “太多的假阳性诊断会导致不必要的成像、辐射暴露和成本增加。”
普莱斯纳博士表示，大多数研究通常倾向于评估人工智能确定是否存在单一疾病的能力，这比患者经常患有多种疾病的现实场景要容易得多。
他说：“在许多先前声称人工智能优于放射科医生的研究中，放射科医生只审查图像，而无法访问患者的临床病史和之前的影像学研究。” “在日常实践中，放射科医生对影像检查的解释是这三个数据点的综合。我们推测，如果能够进行这种综合，下一代人工智能工具可能会变得更加强大，但目前还没有这样的系统。”
他说：“我们的研究表明，在现实生活中，患者种类繁多，放射科医生的表现通常优于人工智能。” “虽然人工智能系统可以有效识别正常的胸部 X 光检查，但人工智能不应该自主地进行诊断。”
Plesner 博士指出，这些人工智能工具可以通过再次查看胸部 X 光检查来增强放射科医生对其诊断的信心。
版权声明：本文由用户上传，如有侵权请联系删除！