医学诊断方法杂志
开放获取

抽象的

使用基于人工智能的放射学工作流程分类工具对 CT 头部扫描进行颅内出血预筛查：准确性研究

Chodakiewitz YG*、Maya MM、Pressman BD

目的：评估最近 FDA 批准的基于人工智能的放射学工作流程分诊设备，以评估其在现实世界 CT 脑扫描预筛查中识别颅内出血 (ICH) 的准确性。

方法/材料：我们的机构研究了一种基于人工智能的设备（“算法”），用于 CT 脑扫描中的 ICH 检测；该算法由外部公司 Aidoc（以色列特拉维夫）开发。从我们的大型城市三级学术医疗中心收集了 533 例非对比头部 CT 扫描的回顾性数据集。遵循评估成像计算机辅助检测和诊断设备的敏感性和特异性的研究惯例，利用患病率丰富的数据集，从而获得了 50% 的颅内出血患病率。该算法在数据集上运行。算法标记为 ICH 阳性的病例被定义为“阳性”，其余病例被定义为“阴性”。将结果与神经放射学家对数据集的审查确定的真实情况进行比较。计算灵敏度和特异性。此外，阴性预测值 (NPV) 和阳性预测值 (PPV) 计算是根据患病率丰富的研究数据进行的，这可以分别对现实世界的 NPV 和 PPV 进行下限和上限阈值估计。使用双边、精确二项式、95% 置信区间对指标进行分析。

结果：算法灵敏度为96.2%（CI：93.2%-98.2%）；特异性为 93.3%（CI：89.6-96.0%）。实际 NPV 估计值至少为 96.2%（CI：93.2%-97.9%），PPV 估计上限为 93.4%（CI：90.1%-95.7%）。

结论：该装置检测颅内出血具有较高的敏感性和特异性。这些发现支持使用该设备自动监控包含关键发现的研究的放射学工作清单、对繁忙的工作流程进行分类并最终改善临床时间敏感病例中的患者护理的潜在效用。