最近发表在《放射学》杂志上的一项研究发现，在从2000多张胸部x光片中识别或排除三种常见肺部疾病方面，放射科医生比人工智能工具更熟练。
根据《放射学》杂志上的一项研究，放射科医生在从胸部x光片中准确检测出三种常见肺部疾病方面超过了人工智能。人工智能工具虽然敏感，但产生了更多的误报，使它们对汽车的可靠性降低不明确的诊断，但对第二意见有用。
9月26日发表在北美放射学会(RSNA)期刊《放射学》(Radiology)上的一项研究显示，在对2000多张胸部x光片的研究中，放射科医生在准确识别三种常见肺部疾病的存在和不存在方面优于人工智能。
放射照相的作用
“胸部x线摄影是一种常见的诊断工具，但正确解释检查结果需要大量的培训和经验，”首席研究员、丹麦哥本哈根Herlev和Gentofte医院放射科住院放射科医生、博士路易斯·l·普雷斯纳(Louis L. Plesner)说。
虽然商用和fda批准的人工智能工具可用于协助放射科医生，但Plesner博士表示，基于深度学习的人工智能工具用于放射诊断的临床应用尚处于起步阶段。
Plesner博士说:“虽然人工智能工具越来越多地被批准用于放射科，但在现实临床场景中进一步测试它们的需求尚未得到满足。”“人工智能工具可以帮助放射科医生解读胸部x光片，但它们在现实生活中的诊断准确性尚不清楚。”
(A) 71岁男性患者，因呼吸困难进展而接受检查，胸片后前位显示双侧纤维化(箭头)(B) 31岁女性患者，因咳嗽一个月而转诊影像学检查，胸片后前位显示右侧心脏边界有细微的空气不透明(箭头)。(C) 78岁男性患者置置中心静脉导管后，胸片正位显示右侧皮肤褶皱(箭头)。(D)排除气胸的78岁男性患者，胸片后前方显示非常细微的根尖右侧气胸(箭头)。(E) 72岁男性患者无明确原因行胸片检查，胸片后前方显示肋膈角慢性变圆(箭头)。(F)一位76岁女性患者，因怀疑充血和/或肺炎而接受胸片检查，其胸片正位显示左侧有非常细微的胸腔积液(箭头)，而能够分析胸片正位胸膜积液的所有三种人工智能工具都遗漏了这一点。资料来源:北美放射学会
研究结果
Plesner博士和一组研究人员将四种商用人工智能工具的性能与72名放射科医生的性能进行了比较，以解释2020年在四家丹麦医院连续拍摄的2,040张成人胸部x光片。患者组中位年龄为72岁。在胸片样本中，669例(32.8%)至少有一个目标发现。
胸部x光片评估了三个常见的发现:空域疾病(例如，由肺炎或肺水肿引起的胸部x光片)、气胸(肺萎陷)和胸腔积液(肺周围积水)。
人工智能工具对空域疾病的敏感度为72%至91%，对气胸的敏感度为63%至90%，对胸腔积液的敏感度为62%至95%。
他说:“人工智能工具在胸部x光片上检测空气空间疾病、气胸和胸腔积液方面表现出与放射科医生相当的中等至高灵敏度。”“然而，与放射科医生相比，他们产生了更多的假阳性结果(在没有疾病存在的情况下预测疾病)，当出现多种发现和较小的目标时，他们的表现会下降。”
预测值比较
对于气胸，人工智能系统的阳性预测值(筛查结果呈阳性的患者确实患有这种疾病的概率)在56%到86%之间，而放射科医生的预测值为96%。
普雷斯纳博士说:“人工智能在识别空域疾病方面表现最差，阳性预测值在40%到50%之间。”“在这个困难的老年患者样本中，人工智能预测了10次中5到6次没有出现的空域疾病。你不可能让一个人工智能系统以这种速度独立工作。”
根据普雷斯纳博士的说法，放射科医生的目标是平衡发现和排除疾病的能力，避免严重被忽视的疾病和过度诊断。
他说:“人工智能系统似乎很擅长发现疾病，但在确定疾病是否存在方面，它们不如放射科医生好，尤其是在胸部x光片很复杂的情况下。”“太多的假阳性诊断将导致不必要的成像、辐射暴露和成本增加。”
普雷斯纳博士说，大多数研究通常倾向于评估人工智能判断一种疾病存在与否的能力，这比现实生活中患者经常患有多种疾病的情况要容易得多。
他说:“在许多声称人工智能优于放射科医生的先前研究中，放射科医生只查看了图像，而没有访问患者的临床病史和以前的影像学研究。”在日常实践中，放射科医生对影像学检查的解释是这三个数据点的综合。我们推测，如果能够进行这种综合，下一代人工智能工具可能会变得更加强大，但目前还没有这样的系统存在。”
有限公司ncluding思想
他说:“我们的研究表明，在病人种类繁多的现实生活中，放射科医生的表现通常优于人工智能。”“虽然人工智能系统可以有效地识别正常的胸部x光片，但人工智能不应该自主诊断。”
普雷斯纳博士指出，这些人工智能工具可以通过重新查看胸部x光片来提高放射科医生对诊断的信心。
参考文献:Louis Lind Plesner, Felix C. m
微信扫一扫打赏
