人工智能(AI)算法可提高肺癌的检测和放射科医生的性能，该算法可在胸部X射线上精确定位以前未发现的癌症。
在12月10日的《放射学：心胸影像学》上发表的一项研究中，首尔国立大学医院的研究人员概述了深度学习算法在一读和二读方面如何胜过四位胸腔放射科医生。
总体而言，由医学博士Ju Gang Nam领导的团队表示，该算法提供了更高的灵敏度和更高的特异性，并且提高了提供者作为二等阅读器的性能，从而显着提高了检测率。
但是，该团队说，到目前为止，由于胸部X射线计算机辅助检测的采用一直很缓慢，因为许多医疗服务提供者仍对它在临床实践中是否能很好地发挥作用存有疑问。为了回答这个问题，Nam的团队使用了丰富的数据集，包括50例正常的胸部X射线以及168例患有肺癌的后前胸部X射线。癌症的平均大小为2.3厘米+/- 1.2厘米。
为了进行分析，他们将一种工具(Lunit：Insight CXR)与放射科医生的性能进行了比较。放射科医生读取两次扫描结果：一次单独读取一次，一次借助AI工具读取一次。
根据他们的评估，该软件比提供程序产生了更好的结果。当放射线医师使用该软件作为第二阅读器时，它不仅产生比放射线医师更高的特异性(p = 0.01)，而且使用这些工具还可以为放射线医师带来更高的灵敏度和特异性(分别为p <0.001和p <0.01)。这些结果令人惊讶，因为先前的工作表明此类工具产生了大量误报。
团队指出，重要的是要注意，提供商还无法达到AI工具作为唯一阅读器时的性能水平。放射科医生在独自阅读时，忽略了心内膜和dia后结节。他们还将下肺部的真正结节误认为乳头或血管阴影。他们解释说，可能会出现这种差异，因为AI工具会捕获图像的像素值，从而更有可能检测出人类提供者在软组织密度区域中的异常。
但是，即使发现的结果显示出更高的性能水平，成本仍然是采用和实施方面的问题。马里兰大学医学院放射与核医学诊断学教授查尔斯·怀特(Charles White)说，实际上，由于缺乏报销，这可能是最后的障碍。
他说：“如果这种算法确实被证明远远优于具有低假阳性结果的读者的能力，那么它将为投资动力提供更清晰的途径，以进行进一步的研究，以确定这种方法和其他方法的准确价值。”基于学习的胸部X线片结节检测算法。”
