European Radiology：AI在呼吸门诊患者胸片中的应用

胸部X线检查是筛查胸部疾病和监测胸腔异常患者（包括肺癌和肺炎）最常用的影像学检查。然而，解读胸部X线片具有挑战性。随着近年来深度学习技术的兴起，计算机辅助诊断（CAD）在医学影像领域的应用也迅速增加。在人工智能（AI）在影像诊断中的各种应用中，使用深度学习（DL）算法设计的胸部X线片商业AI解决方案引起了临床的关注，并在检测恶性肺结节、肺结核和实验数据集中的各种异常情况方面表现出优异的性能。虽然人工智能解决方案表现出比医生更高的诊断准确率，但实验收集的数据集有一定的疾病偏差，因此很难在常规临床环境中广泛使用。

近日，发表在European Radiology杂志的一项研究在从多个呼吸科门诊收集的连续诊断队列数据集上评估了一个商业人工智能解决方案，并比较了医生在有和没有人工智能协助的情况下检测和定位胸部异常的能力。

本项回顾性诊断队列研究调查了6006名同时接受了胸部X线检查和CT检查的连续患者。本研究的对照参考标准是一种市售的人工智能解决方案，旨在促进三种胸部异常（结节/肿块、实变和气胸）的检测以衡量其诊断性能。此外，包括胸腔放射科医生、委员会认证的放射科医生、放射科住院医生和胸科医生在内的12名医生评估了由230张随机抽样的胸部影像图像组成的数据集。每位医生在使用和不使用人工智能的情况下对图像进行了两次评估。本研究测量了人工智能协助对观察者的AUC、敏感性、特异性和AUAFROC下面积的影响。 

在整个数据集中（n = 6,006），人工智能解决方案的平均灵敏度、特异性和AUC分别为0.885、0.723和0.867。在测试数据集（n = 230）中，在人工智能的帮助下，各观察者的平均AUC和AUAFROC明显增加（分别从0.861到0.886；p = 0.003和从0.797到0.822；p = 0.003）。 

图 图中显示了每个医生和人工智能方案对胸片上可转诊的胸腔异常的接收操作特征曲线（a）和jackknife替代自由反应接收操作特征曲线（b）。TPF，假阳性率；FPF，真阳性率；LLF，病变定位率；AI，人工智能；GR，普通放射科医生；P，胸科医生；RR，放射科住院医生；TR，胸部放射科医生

本研究表明，人工智能解决方案的诊断性能在对呼吸科门诊患者胸片判析方面的诊断性能可以达到临床需求。在人工智能解决方案的帮助下，医生的诊断表现有所改善。

原文出处：

Kwang Nam Jin,Eun Young Kim,Young Jae Kim,et al.Diagnostic effect of artificial intelligence solution for referable thoracic abnormalities on chest radiography: a multicenter respiratory outpatient diagnostic cohort study.DOI:10.1007/s00330-021-08397-5