借助AI辅助提升胸片早期肺癌检出能力：一项多阅片者研究
图像与视频处理
2022-09-01 v1 人工智能
摘要
目的：本研究评估了一款市售可解释AI算法在增强临床医生通过胸部X线（CXR）识别肺癌能力方面的影响。设计：这项回顾性研究评估了11名临床医生在有无市售AI算法（red dot，Behold.ai）辅助下从胸部X线片中检测肺癌的表现，该算法可从CXR中预测疑似肺癌。临床医生的表现以临床确诊诊断为基准进行评估。环境：研究分析了来自一家NHS医院的患者匿名数据；数据集包含400张成年患者（18岁及以上）在2020年拍摄的CXR，并附有相应的临床文本报告。参与者：由11名临床医生（顾问放射科医师、放射科培训医师和报告放射摄影师）组成的阅片小组参与了本研究。主要结局指标：临床医生在有无AI输入情况下检测CXR中肺癌的总体准确率、灵敏度、特异度和精确率。同时评估了有无AI输入时临床医生之间的一致率及表现标准差。结果：临床医生使用该AI算法后，肺肿瘤检测的总体表现得到改善，使原本会被漏诊的肺癌在CXR上的识别率总体提升17.4%，较小肿瘤的检测率总体提升，1期和2期肺癌的检出率分别提升24%和13%，并且临床医生表现得以标准化。结论：本研究表明，AI算法在改善早期肺癌诊断、通过整体提升阅片者表现促进健康公平方面具有极大的临床效用前景，且不影响下游影像资源。
引用
@article{arxiv.2208.14742,
title = {Enhancing Early Lung Cancer Detection on Chest Radiographs with AI-assistance: A Multi-Reader Study},
author = {Gaetan Dissez and Nicole Tay and Tom Dyer and Matthew Tam and Richard Dittrich and David Doyne and James Hoare and Jackson J. Pat and Stephanie Patterson and Amanda Stockham and Qaiser Malik and Tom Naunton Morgan and Paul Williams and Liliana Garcia-Mondragon and Jordan Smith and George Pearse and Simon Rasalingham},
journal= {arXiv preprint arXiv:2208.14742},
year = {2022}
}