面向印度医疗系统的胸片多病种检测的自主 AI：一项多中心研究
图像与视频处理
2025-04-03 v2 计算机视觉与模式识别
摘要
研究设计：本研究阐述了开发一种用于胸片 (CXR) 解读的自主 AI 系统，系统在来自印度多家医疗机构的 500 万余张 X 光片上进行训练。该 AI 系统集成了包括 Vision Transformer、Faster R-CNN 以及各种 U Net 模型（如 Attention U-Net、U-Net++ 和 Dense U-Net）于内的先进架构，以实现对 75 种不同病种的综合分类、检测和分割。为确保鲁棒性，研究设计包括基于年龄、性别和设备类型的子组分析，验证了模型在不同患者人口统计学特征和影像环境下的适应性和性能。性能：该 AI 系统在多病种分类方面实现最高达 98% 的精确率和 95% 以上的召回率，跨人口统计学特征和设备子组性能稳定。对于正常与异常分类，达到 99.8% 的精确率、99.6% 的召回率和 99.9% 的阴性预测值 (NPV)。系统已部署于印度 17 家主要医疗机构，包括诊断中心、大型医院和政府医院。在部署期间，系统处理了 15 万余次检查，日均约 2000 例胸片，显著缩短了报告时间并提升了诊断准确性。结论：高精度和高召回率验证了该 AI 作为自主正常-异常分类、病变定位和分割可靠工具的能力。该可扩展 AI 模型解决了在 Underserved 地区的诊断缺口，优化了放射科工作流程，提升了印度多样化医疗环境下患者护理质量。
引用
@article{arxiv.2504.00022,
title = {Autonomous AI for Multi-Pathology Detection in Chest X-Rays: A Multi-Site Study in the Indian Healthcare System},
author = {Bargava Subramanian and Shajeev Jaikumar and Praveen Shastry and Naveen Kumarasami and Kalyan Sivasailam and Anandakumar D and Keerthana R and Mounigasri M and Kishore Prasath Venkatesh},
journal= {arXiv preprint arXiv:2504.00022},
year = {2025}
}
备注
27 pages , 8 figures