放射科医生通过深度学习检测可以更好地发现胸部X射线异常

一项新的研究发现，同时使用基于深度学习的检测(DLD)系统可以提高放射线医师识别胸部X射线重大异常的准确性。

虽然在先前的研究中已经很好地确定了人工智能(AI)算法作为第二阅读器的功效，但那些调查中包括的提供者已按顺序读取扫描内容。韩国的一个研究小组说，使用计算机辅助检测(CAD)解释图像，然后在没有该工具的情况下，会同时导致读取顺序和召回偏见。

他们说，取而代之的是，放射科医生在使用CAD时可以更快，更准确地查明异常。该小组于3月23日在放射学上发表了其回顾性随机试验的结果。

 

一名48岁女性经15毫米活检证实为腮腺管起源转移癌的图像。胸部X光片显示左中肺区有清晰的结节(箭头)，与左第四肋的前弧重叠。

蔚山大学医学院放射科的Jinkyeong Sung领导的研究小组说：“在严格的研究环境中(将偏差最小化)，借助DLD系统，放射科医生的诊断性能得到了显着改善。” ，韩国首尔市牙山医学中心。    

一名48岁女性经15毫米活检证实为腮腺管起源转移癌的图像。相应的对比增强的轴向CT扫描显示左上叶有一个15毫米的结节。如果没有基于深度学习的检测(DLD)系统，则四名观察员(包括一名经董事会认证的胸部放射线医师，一名经董事会认证的非胸部放射线医师(经专业培训的急诊放射线医师)和两名居民)未能检测到结节，而另外两名观察者正确定位了结节。

在他们的研究中，研究小组收集了2016年1月至2017年12月之间捕获的114例异常X线和114例正常的X线胸片。包括胸部放射线医师在内​​的六名提供者，使用交叉法评估了有无DLD系统的扫描结果设计和清洗期。    

一名48岁女性经15毫米活检证实为腮腺管起源转移癌的图像。胸部X光片在结节(圆圈)上具有DLD生成的真阳性标记。借助DLD系统，所有观察者通过将标记的结节识别为真实阳性发现而检测到结节。

根据研究小组的分析，放射科医生在使用DLD时表现更好。他们的每个病变敏感性不仅从83%上升到89.1%，而且每个图像的敏感性也从80%上升到89%。特异性也从89.3%提高到了96.6%。

此外，本地化从0.90增加到0.95，接收工作曲线(AUC)下的面积从0.93上升到0.98。使用DLD还可以将读取时间从10到65秒减少到6到27秒。

该团队还指出，当单独使用DLD时，其本地化性能为0.96(相对于0.90)和AUC(0.98)(相对于0.93)，优于集合的观察者。

研究小组说，即使取得了这些结果，仍需要进一步的研究。他们说：“需要在其他机构和国家进行进一步研究，以确保普遍性。” “此外，未来在现实世界中的研究将有助于确定DLD系统的有用性。”