根據(jù) 5 月 16 日在線發(fā)表在JAMA Network Open上的一項研究，優(yōu)化的人工智能 (AI) 策略可以降低高級放射科醫(yī)生的基于診斷時間的成本，而傳統(tǒng)的全人工智能策略似乎對初級放射科醫(yī)生更有利。
來自中國廣州第一附屬醫(yī)院和中山大學(xué)的 Wen-Juan Tong 及其同事開發(fā)了一種優(yōu)化的 AI 決策輔助集成，與傳統(tǒng)的 AI 輔助策略相比，可以減少放射科醫(yī)生的工作量，同時保持診斷性能。
基于 16 名初級和高級放射科醫(yī)師如何結(jié)合具有不同圖像特征的 AI 輔助診斷結(jié)果，使用了一組包含 1,048 名患者的 1,754 個甲狀腺結(jié)節(jié)的 1,754 張超聲圖像的回顧性圖像來構(gòu)建優(yōu)化策略。優(yōu)化策略與傳統(tǒng)的全 AI 策略進行了比較，使用前瞻性研究集中 268 名患者的 300 張超聲圖像和 300 個甲狀腺結(jié)節(jié)。
研究人員發(fā)現(xiàn)，與傳統(tǒng)的全 AI 策略相比，優(yōu)化策略與初級放射科醫(yī)生的平均任務(wù)完成時間增加有關(guān)，但高級放射科醫(yī)生的平均任務(wù)完成時間較短。對于 11 到 16 歲的讀者，兩種策略之間的敏感性(范圍，91% 到 100%)或特異性(范圍，94% 到 98%)沒有觀察到顯著差異。
“我們建議初級放射科醫(yī)生在甲狀腺結(jié)節(jié)管理中應(yīng)用傳統(tǒng)的全人工智能策略，而高級放射科醫(yī)生應(yīng)該應(yīng)用優(yōu)化策略，”作者寫道。“這些優(yōu)化的 AI 決策輔助集成有可能通過降低基于診斷時間的成本同時保持出色的診斷性能來幫助放射科醫(yī)生減少工作量。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！