机构名称：
¥ 1.0
目的：本研究评估了基于人工智能的乳腺超声计算机辅助诊断 (AI-CAD) 如何影响不同工作流程中不同经验水平的放射科医生之间的诊断表现和一致性。方法：纳入了 2017 年 4 月至 2018 年 6 月期间拍摄的 472 名女性的 492 个乳腺病变（200 个恶性肿块和 292 个良性肿块）图像。六名放射科医生（三名经验不足 [<1 年经验] 和三名经验丰富 [10 - 15 年经验]）分别在有和没有 AI-CAD 帮助的情况下审查了美国图像，首先按顺序审查，然后同时审查。计算并比较了放射科医生和 AI-CAD 之间的诊断表现和观察者间一致性。结果：实施 AI-CAD 后，无论经验和工作流程如何，特异性、阳性预测值 (PPV) 和准确度均显著提高（P 值均<0.001）。同时读取时，受试者工作特征曲线下的总面积显著增加，但仅限于缺乏经验的放射科医生。使用 AI-CAD 时，乳腺影像报告和数据库系统 (BI-RADS) 描述符的一致性通常会增加（κ =0.29 - 0.63 至 0.35 - 0.73）。与经验丰富的放射科医生相比，缺乏经验的放射科医生更容易接受 AI-CAD 结果，尤其是在同时读取时（P<0.001）。对于经验不足和经验丰富的放射科医生而言，同时读取的最终评估结果从 BI-RADS 2 或 3 变为 BI-RADS 高于 4a 或反之亦然的转换率也显著高于连续读取（总体而言，分别为 15.8% 和 6.2%；P<0.001）。结论：无论经验水平如何，使用 AI-CAD 解释乳腺超声检查均可提高放射科医生的特异性、PPV 和准确性。AI-CAD 在同时读取时可能效果更好，可以提高放射科医生之间的诊断性能和一致性，尤其是对于经验不足的放射科医生而言。
基于人工智能的计算机辅助设计的不同优势...
主要关键词
相关文件推荐
