机构名称：
¥ 1.0
筛查性乳房 X 光检查的解释，为筛查性乳房 X 光检查的临床实践做出贡献，以及如何将 AI 实际融入到大量临床工作流程中。这项研究始于一项回顾性研究，该研究对 2010 年至 2015 年期间在加州大学洛杉矶分校进行的 5,000 次筛查性乳房 X 光检查中的 ML 算法进行了测试。各种竞争性 ML 算法均已由其开发人员进行了测试，他们报告了他们的发现，并根据这些数据对其算法的准确性进行了声明。“然而，人们担心，使用供应商的测试用例对这些 ML 算法的性能指标进行评估可能无法完全推广到加州大学洛杉矶分校进行的筛查性乳房 X 光检查，”医学博士、放射学助理教授 Hannah Milch 解释说，他是这项研究的主要研究人员之一。“患者的多样性、乳房密度、医疗和手术史、种族、民族和乳腺癌风险可能存在差异。”在评估了不同的 ML 算法在我们自己的存档数据集上的表现后，加州大学洛杉矶分校将安装其中一个系统并进行前瞻性临床试验，以全面评估其在加州大学洛杉矶分校日常筛查乳房 X 线摄影工作流程中的表现。“虽然欧洲有一些有趣的临床试验，但我们期望走在实际使用和前瞻性研究 AI 读取筛查乳房 X 线摄影的前沿，”Milch 博士解释说。
使用人工智能解释筛查...
主要关键词
相关文件推荐
