a2z-1 用于腹盆部 CT 多疾病检测：跨 21 种病症的外部验证与性能分析
图像与视频处理
2024-12-18 v1 人工智能
计算机视觉与模式识别
摘要
我们对 a2z-1 进行了全面评估，这是一个旨在分析腹盆部 CT 扫描以发现 21 种时间敏感且具可操作性病变的人工智能（AI）模型。我们的研究重点是对模型的性能和泛化能力进行严格评估。大规模回顾性分析显示，在 21 种病症中的平均 AUC 为 0.931。在两个不同医疗系统中的外部验证证实了稳定的性能（AUC 0.923），确立了对不同评估场景的泛化能力，在小肠梗阻（AUC 0.958）和急性胰腺炎（AUC 0.961）等关键病变中表现突出。亚组分析显示，在不同患者性别、年龄组以及不同成像协议（包括不同层厚和对比剂给药类型）下均保持一致的准确性。将高置信度模型输出与放射科医生报告进行比较，发现了 a2z-1 识别出被遗漏病变的情况，表明其在质量保证应用中的潜力。
引用
@article{arxiv.2412.12629,
title = {a2z-1 for Multi-Disease Detection in Abdomen-Pelvis CT: External Validation and Performance Analysis Across 21 Conditions},
author = {Pranav Rajpurkar and Julian N. Acosta and Siddhant Dogra and Jaehwan Jeong and Deepanshu Jindal and Michael Moritz and Samir Rajpurkar},
journal= {arXiv preprint arXiv:2412.12629},
year = {2024}
}