用于COVID-19分类任务的通用人工智能模型：基于胸部X射线摄影在四个临床数据集共15,097例患者上的评估
图像与视频处理
2022-10-06 v1 计算机视觉与模式识别
机器学习
摘要
目的：回答一个长期存在的问题，即从单一临床站点训练的模型能否推广到外部站点。材料与方法：从单一站点收集了17,537张胸部X射线摄影（CXR），来自3,264名COVID-19阳性患者和4,802名COVID-19阴性患者，用于AI模型开发。训练模型的泛化性使用四个不同的真实世界临床数据集进行回顾性评估，共包含来自15,097名患者（3,277名COVID-19阳性患者）的26,633张CXR。采用受试者工作特征曲线下面积（AUC）评估诊断性能。结果：使用单一来源临床数据集训练的AI模型在内部时间测试集上达到0.82的AUC（95% CI：0.80, 0.84）。应用于两个外部临床站点的数据集时，分别达到0.81（95% CI：0.80, 0.82）和0.82（95% CI：0.80, 0.84）的AUC。应用于医学成像与数据资源中心（MIDRC）收集的多机构COVID-19数据集时，达到0.79（95% CI：0.77, 0.81）的AUC。幂律依赖关系N^k（k经验值为-0.21至-0.25）表明性能对训练数据量的依赖相对较弱。结论：使用单一临床站点精心整理数据训练的COVID-19分类AI模型可推广至外部临床站点，且性能无显著下降。
引用
@article{arxiv.2210.02189,
title = {A Generalizable Artificial Intelligence Model for COVID-19 Classification Task Using Chest X-ray Radiographs: Evaluated Over Four Clinical Datasets with 15,097 Patients},
author = {Ran Zhang and Xin Tie and John W. Garrett and Dalton Griner and Zhihua Qi and Nicholas B. Bevins and Scott B. Reeder and Guang-Hong Chen},
journal= {arXiv preprint arXiv:2210.02189},
year = {2022}
}