查看更多>>摘要：[目的]拟探讨人工智能(AI)辅助对不同年资医生预测脑出血早期血肿扩大的效果差异.[方法]回顾性地纳入大连理工大学附属中心医院诊断为脑出血的患者108例,收集入院时CT影像和入院后24 h CT影像,将病人入院时平扫CT获得的DICOM图像输入到Biomind与天坛合作开发的AI-CAD模型.在大连理工大学附属中心医院神经外科选择不同年资的医生共9名,先对患者进行独立预测,再结合辅助AI结果预测患者24 h内是否会出现血肿扩大.分别计算不同年资医生独立预测以及辅助AI预测脑出血早期血肿扩大的准确度,采用配对样本的McNemar检验不同医生间独立预测符合率和辅助AI预测准确度的差异显著性.[结果]高、中、低年资医生独立预测脑出血早期血肿扩大的准确度分别为58.95％、50.62％和38.89％,AI辅助后,预测准确度均显著提升(P＜0.001),提升幅度最大的是低年资医生,为25.92％,其次是中年资医生,为19.75％,最小为高年资医生,为11.73％.在独立预测脑出血血肿扩大时,高年资医生灵敏度为18.75％(95％CI:9.44％～33.10％),特异度为65.94％(95％CI:59.98％～71.45％),中年资医生灵敏度为 16.67％(95％CI:7.97％～30.76％),特异度为56.52％(95％CI:50.44％～62.42％),低年资医生灵敏度为 8.33％(95％CI.2.70％～20.87％),特异度为 44.20％(95％CI:38.29％～50.28％);但在AI辅助各年资医生预测后,各年资医生灵敏度和特异度均提高,高年资医生灵敏度为 60.42％(95％CI:45.29％～73.88％),特异度为 72.46％(95％CI:66.72％～77.57％),中年资医生灵敏度为 64.58％(95％CI:49.40％～77.45％),特异度为 71.38％(95％CI:65.59％～76.56％),低年资医生灵敏度为68.75％(95％CI:53.60％～80.91％),特异度为 64.13％(95％CI:58.13％～69.73％).[结论]AI-CAD 辅助对高、中、低年资医生预测脑出血早期血肿扩大的准确性均有提升,尤其能显著提高低年资医生发现早期血肿扩大的能力,能够在一定程度上弥补低年资医生工作经验不足的问题.
万方数据
维普