AI辅助软件对疲劳状态下住培医生检出肋骨骨折的提升作用

目的:探讨人工智能辅助软件对疲劳状态下住培医生检出肋骨骨折的提升作用。方法:回顾性分析2021年1月—2022年5月在梅州市人民医院接受CT检查的86例肋骨骨折患者资料。住培医生按以下三种模式进行阅片:A模式为正常状态下独立阅片、B模式为疲劳状态下(即一天工作满8小时后)独立阅片、C模式为疲劳状态下应用AI辅助阅片,三种阅片模式之间间隔4周。比较住培医生不同阅片模式下对肋骨骨折的检出率及阅片时间。结果:住培医生疲劳状态下独立阅片对肋骨骨折的检出率低于正常状态独立阅片,阅片时间长于正常状态独立阅片,差异均具有统计学意义(P<0.05)。住培医生疲劳状态下应用AI辅助阅片对肋骨骨折的检出率高于疲劳状态独立阅片,阅片时间短于疲劳状态独立阅片,差异均具有统计学意义(P<0.05)。住培医生疲劳状态下应用AI辅助阅片对肋骨骨折的检出率已超过其正常状态的水平,阅片时间短于正常状态的水平,差异均具有统计学意义(P<0.05)。结论:住培医生疲劳状态对肋骨骨折的检出效能较正常状态显著降低,但在AI辅助下能显著提升疲劳状态住培医生对肋骨骨折的检出效能,甚至超过其正常状态下的水平。     

人工智能对放射科实习生和住培医师检出肺结节的辅助价值

目的：探讨人工智能（artificial intelligence,AI）对放射科实习生和住培医师检出肺结节的辅助价值。方法：回顾性收集2022年9月—10月在梅州市人民医院行常规胸部CT检查的40例患者图像。招募在放射科轮转的实习生和住培医师作为阅片者,阅片者在不借助AI软件的情况下独立阅片对胸部CT进行判读,记录肺结节的数量、位置和阅片时间,随后经过两周洗脱期借助AI对所有患者的图像进行再次阅片。计算独立阅片和AI辅助阅片模式的肺结节检出率,比较两种阅片模式检出效能的差异性;比较独立阅片和AI辅助阅片模式的阅片时间的差异性。结果：实习生采用AI辅助阅片对肺结节的检出率89.22%高于独立阅片的55.88%,差异有统计学意义（P <0.05）。住培医师采用AI辅助阅片对肺结节的检出率92.16%高于独立阅片的64.71%,差异有统计学意义（P <0.05）。实习生和住培医师采用AI辅助阅片模式的阅片时间均短于独立阅片模式,差异有统计学意义（P <0.05）。结论：人工智能有助于提升实习生和住培医师肺结节检出效能,且显著缩短阅片时间。     

住培医师应用人工智能提升胸部CT肋骨骨折检出率的价值

目的:探讨住培医师应用人工智能(artificial intelligence,AI)提升胸部CT肋骨骨折检出效能的价值。方法:回顾性分析2021年1月—11月在梅州市人民医院行胸部CT检查的57例肋骨骨折患者资料。住培医师首先采用单独阅片进行图像分析,间隔两周洗脱期后应用人工智能阅片。比较住培医师单独阅片和应用AI阅片对肋骨骨折检出率的差异性;比较住培医师单独阅片和应用AI阅片的诊断时间的差异性。结果:住培医师A应用AI阅片对肋骨骨折的检出率为92.00%,高于单独阅片的80.00%(P<0.05);住培医师B应用AI阅片对肋骨骨折的检出率为94.40%,高于单独阅片的83.20%(P<0.05)。住培医师A和B在应用AI阅片后检出肋骨骨折的诊断时间均短于单独阅片(P<0.05)。结论:住培医师应用人工智能有助于提升胸部CT肋骨骨折检出率,同时能够显著缩短诊断时间。     

人工智能辅助低剂量CT在肺结节筛查中的价值

目的 探讨人工智能(AI)辅助低剂量CT在肺结节筛查中的价值。方法 回顾性分析在嘉兴市中医医院放射科行胸部低剂量CT体检人员100例,分人工组、AI组及人工联合AI组,分别对入组病例进行阅片并记录肺结节,以2名主任医师联合AI读片结果为金标准,比较三组的肺结节检出率、漏诊率、假阳性率、阅片时间。结果 人工组、AI组及人工联合AI组三组在检出率、假阳性率及阅片用时上,差异均有统计学意义(χ²分别=145.00、52.00,H=263.00,P均<0.05)。结论 人工联合AI筛查肺结节,能提高结节检出率,降低漏诊及假阳性率,缩短阅片时间。     

AI技术在乳腺原位癌Ki67染色切片定量检测中的应用价值

目的 探讨AI技术在乳腺原位癌Ki67染色切片定量检测中的应用价值。方法 乳腺原位癌110例作为标准样本,通过AI系统辅助检测和专业病理医师人工阅片进行比较,统计两种方法的敏感性、特异性等指标。结果 AI辅助检测结果和专业病理医师人工阅片结果显示：Ki67>14%43例,AI阅片和人工阅片阳性比例差异有统计学意义（P<0.05）,AI阅片有更高的敏感性;Ki67≤14%67例,AI阅片和人工阅片阳性比例差异无统计学意义（P>0.05）。结论 AI独立使用于乳腺原位癌Ki67的筛查尚不成熟。但借用人工智能的识别和深度学习能力,有利于对Ki67的定量检测进行量化,让医师审片更加精准高效,使得检测结果更加精准,为后续对乳腺原位癌的治疗方案提供客观的病理诊断依据。     

基于人工智能的胸部CT肺结节检出及良恶性诊断效能评估

目的：在胸部CT肺结节的阅片中,应用人工智能进行判断,并分析其检出率以及对良恶性诊断效能的评估。方法：将时间节点2020年1月—2023年1月作为病例选择的时间范围,取浦东新区浦南医院收治的80例肺结节患者作为本次研究的对象,利用胸部CT对其进行检查后,阅片过程中分别利用医生阅片以及人工智能辅助阅片,肺结节诊断的金标准为病理检查结果,对比两种阅片方式所获结果。结果：80例肺结节患者经病理检查明确恶性病变38例（47.50%）,良性病变42例（52.50%）;通过人工智能辅助阅片法明确恶性病变36例（45.00%）,良性病变44例（55.00%）;医生阅片明确恶性病变35例（43.75%）,良性病变45例（56.25%）。人工智能辅助阅片灵敏度、特异度、准确率分别为94.74%、90.48%、92.50%,均高于医生阅片的92.11%、85.71%以及88.75%,但差异无统计学意义（P>0.05）。结论：肺结节患者经胸部CT检查后,对检查结果进行判断的时候,可利用人工智能进行辅助,可有效提升阅片效率,对肺结节有较高的检出率,有助于判断结节的良性以及恶性,具有较高临床价值。     

CT高分辨重建联合人工智能在肺结节识别诊断中的应用效果分析

目的:探讨多层螺旋计算机断层扫描(CT)与人工智能(AI)识别在肺结节诊断中的应用效果。方法:选取2019年11月-2020年3月我院50例胸部CT检查患者,且所有患者均接受高分辨重建,分别使用医师阅片与AI阅片,对比两种阅片方法诊断肺结节的准确率及诊断效能。结果:医师阅片诊断肺结节准确率为90.00%,AI识别阅片诊断肺结节准确率为94.00%;AI识别阅片诊断肺结节准确率较医师阅片较高,但组间对比,差异无统计学意义(P>0.05)。经受试者工作曲线(ROC)分析结果显示,经医师阅片及AI识别阅片诊断肺结节的AUC分别为0.830、0.841,均>0.8,诊断价值较为理想。结论:AI识别阅片在肺结节诊断中准确度与灵敏度均较医师阅片高,有助于降低肺结节漏诊率与误诊率,但两种方法诊断价值无明显差异,临床可采用AI识别医师阅片联合诊断方式。     

人工智能结合多层螺旋CT检查在机关体检人群肺结节筛查中的应用

目的 探讨人工智能(AI)技术结合多层螺旋CT检查在机关体检人群肺结节筛查中的应用价值。方法 回顾性分析在本院健康体检的机关人群胸部CT筛查至少有1个直径≥3 mm的患者资料,所有数据均由AI技术结合人工阅片的方式进行分析。记录肺结节检出率,依据AI技术预测的风险值将结节患者分成不同风险组,分析和比较结节的基本特征。结果 肺结节检出率为60.4%。高风险患者更容易表现为纯磨玻璃样结节、混合磨玻璃样结节。有肺结节人群的平均年龄大于无肺结节人群,差异有统计学意义(P<0.05)。不同风险组肺结节性质、形态、内部征象及外部征象等基本特征比较,差异有统计学意义(P<0.05)。结论 多层螺旋CT检查胸部扫描有助于大规模体检人群肺结节的筛查,AI技术结合人工阅片的方式能够提高肺结节筛查的准确性。     

双模态超声深度学习预测模型诊断乳腺癌的应用

目的 采用基于乳腺超声灰阶图像和弹性图像的深度学习(DL)技术构建一个预测模型,并探讨该模型在乳腺病灶良恶性鉴别中的诊断效能。方法 回顾性收集2020年5月至2021年4月于临沂市人民医院乳腺外科接受手术治疗患者的乳腺病灶共1 000个,包括超声图像及相关临床病理资料,选择每个病灶最大切面的超声灰阶图像及弹性图像,按照7∶2∶1的比例随机将病灶分为训练集、验证集和测试集;应用训练集和验证集的病灶图像基于神经网络构建预测模型,应用测试集病灶图像检测模型的诊断效能;邀请四位超声医生分别阅读测试集病灶的超声图像,比较模型与不同年资医生之间的诊断效能。结果 DL预测模型对乳腺病灶诊断的受试者工作特征曲线(ROC)曲线下面积(AUC)值(0.907)高于所有医生,差异有统计学意义(P<0.05);高年资医生单独阅片诊断的平均AUC值(0.835)高于低年资医生(0.719),差异有统计学意义(P<0.05)。模型辅助低年资医生诊断测试集乳腺病灶平均AUC值为0.806,模型辅助高年资医生诊断测试集乳腺病灶平均AUC值为0.864,经过模型辅助阅片后,不同年资医生的诊断效能均有提升,对...     

超声人工智能在甲状腺可疑结节良恶性鉴别诊断中的应用价值

目的 探讨超声人工智能(AI)辅助诊断系统在甲状腺可疑结节良恶性鉴别诊断中的应用价值。方法 回顾性分析按美国放射学会甲状腺影像报告与数据系统(ACR TI-RADS)分类3～5类的甲状腺结节289个。将不同年资医师和超声AI辅助诊断系统分为低年资组、高年资组和AI组,分别以TR4、TR5为诊断恶性截断值,比较各组的灵敏度、特异度、准确度、阳性预测值、阴性预测值和ROC曲线下面积(AUC)。结果 截断值TR4与TR5比较,低年资组、高年资组及AI组AUC分别为0.579 vs 0.752、0.684 vs 0.881、0.678 vs 0.856,差异有统计学意义(P<0.05)。以TR5为最佳截断值时,AI组对甲状腺结节诊断的灵敏度、特异度、准确度、阳性预测值、阴性预测值和AUC均高于低年资组(P<0.05),且与高年资组相仿(P>0.05)。结论 超声AI辅助诊断系统对甲状腺可疑结节的最佳诊断恶性截断值为TR5,其诊断效能高于低年资医师,与高年资医师相仿。     

人工智能在胸部低剂量CT 体检人群中应用的评价

目的:对比放射科医师与人工智能系统(artificial intelligence,AI)对肺结节检出率和准确性,评估人工智能系统在胸部低剂量CT体检人群中应用价值。资料与方法:收集我院胸部低剂量CT体检人群100例,分为AI组和放射科医师组,对比不同大小、性质的结节的检出率和假阳性率,统计学分析采用SPSS26.0软件,P<0.05为差异具有统计学意义。结果:100例胸部低剂量CT体检人群共检出真实结节482个,AI的总体肺结节检出率明显高于放射科医师,尤其对于<5mm的微结节。AI及放射科医师分别检出假阳性结节135和11个,AI的假阳性率明显高于放射科医师。结论:应用人工智能辅助系统后肺结节的检出率明显提升,但是AI确实存在着较高的假阳性率,应用AI与影像科医师结合阅片是目前较理想的选择,可提高诊断的准确性及效率。     

磁敏感加权成像在脑转移瘤诊断中的应用价值分析

目的:磁敏感加权成像在脑转移瘤诊断中的应用价值。方法:取2016年2月～2018年2月在我院治疗的40例肺癌脑转移瘤患者作为研究对象。对患者进行颅脑磁共振成像平扫,在FLAIR上再进行磁敏感加权成像扫描。在平扫的基础上注射钆喷酸葡胺造影剂作增强颅脑磁共振成像扫描。让两位具有丰富经验的放射诊断医师分别进行阅片,对脑转移瘤患者的颅脑磁共振成像资料进行统计。结果:40例脑转移患者通过注射钆喷酸葡胺造影剂增强扫描显示转移瘤92个,磁敏感加权成像检出率为(70个,76.09%),常规序列检出率为(55个,59.78%),FLAIR序列检出率为(52个,56.52%),磁敏感加权成像检出率更高。磁敏感加权成像表现形式:92个转移灶,41个结节状低信号;15个片状低信号(小片状低信号10个,大片融合状低信号5个);15个环形低信号(完整环形低信号11个,不完整环形低信号3个);12个瘤体边缘弧形低信号;10条状低信号(病灶在瘤体周围6个,病灶在瘤体中央4个)。磁敏感加权成像图像在不同的脑转移中具有不同的表现形式,肺腺癌脑转移主要表现为结节状低信号,小细胞肺癌脑转移主要表现为结节状低信号,肺鳞癌脑转移主要表现为条状低信号。结论:磁敏感加权成像对脑转移瘤的检出率高,可当成常规扫描序列。肺癌脑转移瘤的磁敏感加权成像图像的形式多样,最多的是结节状低信号,且不同类型脑转移瘤的磁敏感加权成像图像具有不同的表现形式。     

基于甲状腺成像报告和数据系统分类的计算机辅助诊断系统对甲状腺癌超声诊断的辅助价值

目的探讨基于甲状腺成像报告和数据系统（TI-RADS）分类的计算机辅助诊断（CAD）系统对超声医师诊断甲状腺癌的辅助价值。 方法收集2018年10月至2019年3月在国内5家医院的400例甲状腺结节超声图像进行多中心回顾性研究。采用由北京大学前沿交叉学科研究院研发的基于TI-RADS分类的CAD系统,超声医师诊断甲状腺癌的诊断模式分为无CAD模式和CAD模式,11名具有不同工作经验的超声医师（低年资超声医师4名,中年资超声医师4名,高年资超声医师3名）在上述2种模式下诊断甲状腺癌。比较2种诊断模式的诊断效能及读片时间：绘制CAD系统和超声医师诊断甲状腺癌的受试者工作特征（ROC）曲线,应用DeLong方法比较2种模式下曲线下面积（AUC）的差异;应用配对t检验比较2种模式的读片时间差异。 结果在CAD模式下,所有超声医师诊断甲状腺癌的AUC值较无CAD模式有显著提高［0.848（0.837~0.858） vs 0.800（0.788~0.812）］,差异具有统计学意义（P＜0.001）;敏感度从73.8%（95%CI：71.9%~75.6%）提升到82.7%（95%CI：81.0%~84.3%）,差异具有统计学意义（χ²=9.870,P＜0.001）;特异度从86.2%（84.7%~87.6%）提升到86.9%（85.4%~88.3%）,但差异无统计学意义（χ²=0.021,P=0.379）。进行亚组分析时,在CAD模式下,低年资超声医师和中年资超声医师诊断甲状腺癌的AUC值较无CAD模式有显著提高（0.840 vs 0.740;0.848 vs 0.814）,差异具有统计学意义（P＜0.001、=0.001）,但高年资超声医师诊断甲状腺癌的AUC值较无CAD模式无明显变化（0.859 vs 0.861,P=0.861）。在CAD模式下,所有超声医师的阅片时间较无CAD模式减少［（20.2±8.2）s vs（22.7±9.6）s］,差异具有统计学意义（t=-23.9,P＜0.001）。 结论CAD模式有助于低年资超声医师和中年资超声医师对甲状腺癌的诊断,同时缩短了诊断时间。     

超声卵巢－附件报告和数据系统评估附件肿物风险等级的重复性研究

目的探讨不同年资医生应用卵巢-附件报告和数据系统(O-RADS)评估附件肿物风险等级的重复性。方法回顾性分析2019年5月至2020年3月中山大学附属第三医院超声检查发现的附件肿物患者48例(48个肿物), 所有肿物结果均由病理或手术证实。4名观察者分为2名高年资医生(医生1和医生2)和2名低年资医生(医生3和医生4), 分别在系统培训前和培训后使用超声O-RADS独立评估附件肿物2次, 2次评估间隔为60 d。分析培训前后不同年资观察者间和观察者内的一致性。结果高年资医生(1, 2)培训前后观察者间一致性均较好(Kappa值:0.833和0.802, 一致性百分比:83.3%和81.3%), 而低年资医生(3, 4)在培训前后观察者间一致性存在差异(Kappa值:0.399和0.824, 一致性百分比:50.0%和77.1%)。培训后, 低年资医生间的一致性可显著提高, 且与高年资医生的一致性相当(Kappa值:0.824比0.802, 一致性百分比:77.1%比81.3% )。同一医生在系统培训前后, 高年资医生观察者内的一致性均优于低年资者(Kappa值:0.882和0.843比...     

自动乳腺超声诊断系统（ABUS）结合计算机辅助诊断系统（CAD）前后对乳腺恶性病灶的诊断价值对比

目的 本研究旨在探讨应用自动乳腺超声诊断系统（ABUS）结合计算机辅助诊断系统（CAD）对于不同经验医师诊断乳腺恶性病灶的价值。 方法 收集行ABUS检查的乳腺病例1452例,结果均经病理或随访1年以上证实。比较6名医师（3名低年资医师和3名高年资医师）使用CAD系统前后的诊断敏感度、特异度、AUC及平均阅读时间。结果 1452例病例中,270例为恶性,共有282个恶性病灶,674例为良性,共有695个良性病灶,508例为阴性。应用CAD系统前,低年资与高年资医师诊断乳腺癌的敏感度分别为87%、93%,使用CAD后提高到94%、94%,低年资医师的诊断敏感度前后差异具有统计学意义（P<0.05）,高年资医师差异无统计学意义（P＞0.05）。6名医师在使用CAD系统前后诊断特异度均略有下降,但差异均无统计学意义（P＞0.05）。低年资医师在使用CAD系统前后的诊断符合率有所提高,ROC曲线下面积由0.85提高到0.89,差异具有统计学意义（P<0.05）。而高年资医师组,虽然ROC曲线下面积由0.91提高到0.92,但差异不具有统计学意义（P＞0.05）。所有医师使用CAD后的平均阅读时间均有不同程度的延长,差异具有统计学意义（P<0.05）。结论 虽然使用CAD后的平均阅读时间有所延长,但在可接受范围内,借助ABUS-CAD的阅读模式能大大提高医生诊断的准确度和敏感度,对于低年资医师帮助更大。     

颅脑MRI增强扫描结合纹理分析用于脑胶质瘤及脑转移瘤鉴别诊断的效能分析

目的 探讨颅脑磁共振（MRI）增强扫描结合纹理分析用于脑胶质瘤及脑转移瘤鉴别诊断的效能。方法 选取我院在2018年1月至2021年12月期间收治的60例颅脑肿瘤患者，其中36例高级别脑胶质瘤及24例脑转移瘤，均在院采用MRI平扫及增强扫描，结合纹理分析软件分析对脑胶质瘤及脑转移瘤的鉴别价值。结果 脑胶质瘤组肿瘤实质区的相关参数与脑转移瘤组比较差异无统计学意义（P>0.05），而瘤周水肿区的Ktrans、Ve比较，脑胶质瘤组高于脑转移瘤组，差异有统计学意义（P<0.05）。两组平均数、中位数、方差、偏度、峰度比较差异无统计学意义（P>0.05），而脑胶质瘤组熵、异质性均高于脑转移瘤组，差异有统计学意义（P<0.05）。DCE-MRI结合纹理分析鉴别脑胶质瘤及脑转移瘤的灵敏度为95.80%、特异度为91.70%，均高于单一熵、异质性参数，特异度均高于单一Ktrans、Ve参数，差异有统计学意义（P<0.05）。结论 颅脑MRI增强扫描结合纹理分析可为脑胶质瘤及脑转移瘤的鉴别诊断提供合理的参考信息，临床价值高。     

人工阅片和智能诊断在CT检查肋骨骨折患者中的效能对比

目的:探讨外伤患者进行胸部多层螺旋CT检查,对比不同级别医师人工阅片和智能软件对肋骨骨折的诊断效能。方法:选取2023年1月至2023年6月我院疑似外伤性肋骨骨折患者150例,均执行多层螺旋CT扫描,并进行薄层及三维后处理重建,以临床及手术综合诊断结果作为金标准,分析比较不同级别医师人工阅片和智能软件对肋骨骨折的诊断结果。结果:经临床及手术综合诊断,发生肋骨骨折患者100例(阳性组),未发生肋骨骨折50例(阴性组)。低年资医师在阳性组诊断正确80例,在阴性组诊断正确40例,准确率为80.0%,漏诊率和误诊率均为20.0%;高年资医师在阳性组诊断正确85例,在阴性组诊断正确45例,准确率为86.7%,漏诊率15.0%,误诊率10.0%;智能软件在阳性组诊断正确95例,在阴性组诊断正确50例,准确率为96.7%,漏诊率5.0%,误诊率0.0%。比较高年资、低年资医师及智能软件诊断结果,高低年资医师两组间准确率和误诊率具有统计学差异(P<0.05),而漏诊率无统计学差异(P>0.05);其他组间比较准确率、误诊率及漏诊率均有统计学差异(P<0.05)。结论:在多层螺旋CT扫...     

人工智能辅助阅片与单纯人工阅片在女性阴道微生态系统形态学诊断中的比对研究

目的 评估不同级别检验员对革兰染色涂片阴道微生态形态学评价的基线水平,分析检验员在电子阅片和镜下阅片的差异,探究使用人工智能分析系统独立进行微生态评价以及辅助检验员进行微生态评价的能力表现,评价人工智能分析系统在临床中的应用价值。方法 该研究样本来源于北京协和医院《中国女性人群下生殖道微生态菌群基线研究项目》,收集2021 年5 月～ 2021 年7 月女性阴道分泌物涂片共385 例,经革兰染色和图像采集后,分别进行检验员等级考核以及人工显微镜镜下阅片、人工电子阅片、人工智能（artificial intelligence, AI）独立阅片和AI 辅助检验员阅片。在确定镜下阅片金标准和电子阅片金标准之后,分析两种不同阅片方式在AV 评分和Nugent 评分的差异,比较不同级别检验员、AI,以及经AI 辅助后,在AV 评分和Nugent 评分上的能力表现。结果 镜下阅片和电子阅片在需氧菌性阴道炎（aerobic vaginitis,AV）和细菌性阴道病（bacterial vaginosis, BV）(含BV 中间型) 诊断的Kappa 一致性分析分别为0.91 和0.93（P ＜ 0.01）。AI 独立阅片在AV 和BV(含BV 中间型) 诊断的准确度分别为0.85 和0.92,灵敏度分别为0.86 和0.88,Kappa 值分别为0.62 和0.79。初级检验员在电子阅片下的AV 和BV(含BV 中间型) 诊断的准确度分别为0.85±0.02 和0.89±0.01,灵敏度分别为0.64±0.06 和0.84±0.07,Kappa 值分别为0.55±0.07 和0.72±0.04。高级检验员在电子阅片下的AV 和BV(含BV 中间型) 诊断的准确度分别为0.92±0.03 和0.91±0.03,灵敏度分别为0.87±0.02 和0.92±0.04,Kappa 值分别为0.78±0.07 和0.79±0.06。经AI 辅助诊断后,初级检验员AV 和BV(含BV中间型) 诊断的Kappa 值提升至0.77±0.04 和0.78±0.02,高级检验员AV 和BV(含BV 中间型) 诊断的Kappa 值提升至0.82±0.05 和0.85±0.01。结论 镜下阅片和电子阅片的一致性非常高,电子阅片或可替代镜下阅片成为一种新的阅片方式。AI 独立阅片诊断AV 和BV(含BV 中间型) 的能力优于普通检验员,比高级检验员略差。不同级别检验员经AI 辅助诊断后,AV 和BV(含BV 中间型) 的诊断能力均有提升,其中初级检验员提升明显,能力接近高级检验员的水平,且各检验员之间的偏差缩小明显。整体结果表明,使用人工智能Descartes-Image 妇科微生态辅助分析软件不仅能提升检验员诊断能力,还能减小检验员之间的偏差,使诊断结果不容易因为人为因素而出现较大波动,保证了结果的稳定性和可靠性。     

超声造影对肝复杂囊性病变的诊断性能和一致性研究

目的 评估超声造影诊断肝复杂囊性病变的应用价值.方法 65例患者中的67个肝复杂囊性病变接受了普通超声和超声造影检查,两位超声医师(一位年资高者和一位年资低者)独立阅片,应用ROC曲线评估普通超声和超声造影判断肝复杂囊性病变良恶性的诊断价值,Kappa值检验评估年资高及年资低者之间的一致性.结果 ROC曲线显示年资高者和年资低者得到的曲线下面积在普通超声分别为0.917和0.774(P=0.044),在超声造影分别为0.935和0.922(P=0.420).普通超声和超声造影的曲线下面积在年资高者差异无统计学意义(0.917对0.935,P=0.380),在年资低者差异有统计学意义(0.774对0.922,P=0.047).超声造影明显提高了诊断肝复杂囊性病变良恶性的特异性、准确性和阳性预测值(均P＜0.01).普通超声和超声造影对具体病变的正确诊断率在年资高者分别为26.9%(18/67)和76.1%(51/67),在年资低者分别为28.4%(19/67)和58.2%(39/67)(均P＜0.001).受试者之间的一致性超声造影较普通超声高,Kappa值分别为0.774(95%置信区间:0.688～0.860)和0.325(95%置信区间:0.214～0.436).结论与普通超声相比,超声造影显著提高了鉴别诊断肝复杂囊性病变良恶性的能力和对具体病变的诊断能力,并且提高了观察者间的一致性.     

基于人工智能诊断系统在胸部CT中肺结节检出能力的评估

目的:本研究旨在评估人工智能诊断系统(artificial intelligence diagnostic system)(以下简称AI)在胸部CT中肺结节检出的能力。方法:选取广州中医药大学顺德医院2020年3-5月份的胸部或胸腹部联合扫描的CT病例,通过AI与影像医师(低级组、中级组、高级组)阅片,对肺结节分类、标记,数据使用卡方检验两者在肺结节检出的灵敏度有无差异;假阳性率、时间效率等数据综合比较。结果:对非钙化结节检出的灵敏度,AI在各分类中均领先于医师组:5mm非钙化结节灵敏度AI为82.00%,其中高级组69.20%,P0.05,有统计学差异;AI在5mm-8mm非钙化结节灵敏度为96.53%,其中高级组为87.86%,P0.05,有统计学差异。8mm-30mm非钙化结节灵敏度,AI与医师均接近于100%,无差异。对非钙化结节检出的假阳性率,医师优于AI。时间效率,AI完胜医师。结论:基于人工智能诊断系统在胸部CT中对肺结节检出的能力,已经达到拥有10年以上工作经验的高级职称医师的水平,但AI不能完全替代影像医师,人工阅片能弥补AI假阳性率高的缺陷。