使用人工智能的智能胸部 X 光检查列表优先级排序：一项临床工作流仿真
机器学习
2020-06-19 v2 图像与视频处理
摘要
本研究旨在评估人工智能（AI）的智能检查列表优先级排序能否优化放射科工作流，并缩短胸部 X 光片（CXRs）中危急发现的报告周转时间（RTAT）。此外，我们研究了一种方法来抵消 AI 假阴性预测的影响——假阴性会导致 CXR 被排到检查列表末尾，从而造成极长且危险的 RTAT。我们开发了一个仿真框架，通过纳入某大学医院特定的 CXR 生成率、报告率和病理分布来建模当前工作流。据此，我们仿真了“先入先出”（FIFO）的标准检查列表处理，并将其与基于紧急程度的检查列表优先级排序进行比较。检查优先级由 AI 执行，对八种不同病理发现按紧急程度降序分类：气胸、胸腔积液、浸润、充血、肺不张、心肥大、肿块和异物。此外，我们引入了最大等待时间上限，超过后该检查被赋予最高紧急程度。在所有优先级排序仿真中，所有危急发现的平均 RTAT 均较 FIFO 仿真显著降低（例如气胸：35.6 分钟 vs. 80.1 分钟；p ），而同时多数发现的最大 RTAT 有所增加（例如气胸：1293 分钟 vs 890 分钟；p ）。我们的“上限”大幅降低了所有类别的最大 RTAT（例如气胸：979 分钟 vs. 1293 分钟 / 1178 分钟；p ）。我们的仿真表明，AI 的智能检查列表优先级排序能够降低 CXR 中危急发现的平均 RTAT，同时将最大 RTAT 维持在如 FIFO 般较小的水平。
引用
@article{arxiv.2001.08625,
title = {Smart Chest X-ray Worklist Prioritization using Artificial Intelligence: A Clinical Workflow Simulation},
author = {Ivo M. Baltruschat and Leonhard Steinmeister and Hannes Nickisch and Axel Saalbach and Michael Grass and Gerhard Adam and Tobias Knopp and Harald Ittrich},
journal= {arXiv preprint arXiv:2001.08625},
year = {2020}
}