人工智能阅片对早期肺癌的诊断效果

目的:比较人工阅片与人工智能阅片诊断早期肺癌的效果。方法:选取2020年6月至2021年6月在赣州市人民医院行肺部计算机断层扫描(CT)检查的疑有肺癌的65例患者作为研究对象,患者的CT检查结果均经过放射诊断医师和人工智能系统两种方式阅片,比较两种阅片方式的阅片用时、诊断效能及与金标准(病理检查或手术结果)的一致性。结果:人工智能阅片对每位患者的平均阅片用时为(0.62±0.13)min,短于人工阅片的(4.83±0.34)min,差异具有统计学意义(P<0.05);人工智能阅片的灵敏度、阴性预测值、准确度以及与金标准的一致性均低于人工阅片,差异具有统计学意义(P<0.05)。结论:相比于人工阅片,人工智能阅片的阅片用时显著更快,但诊断效能更低,临床上将两种阅片方式相结合,可以有效提高早期肺癌的诊断效率。

人工智能阅片在体检肺结节筛查中的应用价值

目的探讨人工智能(AI)阅片在体检肺结节筛查中的应用价值。方法150例做肺计算机断层扫描(CT)检查并经医师阅片发现肺结节的体检者,先用AI软件对肺CT进行筛查,以2名医师在参考影像报告和AI阅片筛查结果基础上一致认定的肺内结节作为金标准。比较医师阅片和AI阅片在肺结节筛查中的真阳性率,分析漏诊和误诊的原因,评估AI阅片在体检肺结节筛查中的应用价值。结果金标准共认定557个肺结节,AI阅片检出肺结节的真阳性率99.8%(556/557)明显高于医师阅片的58.5%(326/557),差异有统计学意义(χ2=287.995,P=0.000<0.05)。AI阅片误诊402个肺结节,平均每例误诊2.7个结节(402/150),<5 mm的误诊结节占误诊结节总数的84.6%,误诊原因多见于血管分叉、增粗,肺内索条影,胸膜结节和肺小叶结构;医师阅片误诊2个肺结节,均把血管轴面当做结节;AI阅片漏诊1个肺结节,占0.2%(1/557),为肺门区结节;医师阅片漏诊231个肺结节,占41.5%(231/557),多为<5 mm的结节。结论AI阅片检出肺结节的真阳性率明显高于医师阅片,同时假阳性也比较多,如果与医师阅片互为补充,能够提高肺结节检出的准确率。对于微小结节(<5 mm)的准确识别也是降低AI阅片误诊率和医师阅片漏诊率的关键。

人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值分析

目的探究人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值,为临床诊断肺结节疾病提供参考依据。方法回顾性分析北大医疗潞安医院2022年6月至2023年6月收治的82例肺结节患者的临床资料,所有患者均接受电子计算机断层扫描(CT)检查,获得的CT图像进行人工阅片和人工智能影像辅助诊断阅片,并进行定性诊断。以病理检查为金标准,分析比较两种阅片方式对肺结节的检出情况及两种阅片方式对肺结节良、恶性的诊断效能。结果82例肺结节患者中共检出245个结节,其中结节直径<5 mm者154个,5 mm≤结节直径≤10 mm者66个,结节直径>10 mm者25个。与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节直径<5 mm、5 mm≤直径≤10 mm的检出率升高;与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节恶性的诊断特异度降低,灵敏度、阴性预测值均升高(均P<0.05)。结论人工智能影像辅助诊断系统阅片对肺结节的检出率更高,并且诊断灵敏度、阴性预测值较高,但其特异度较低,因此会存在一定的假阳性率,建议临床上将两种阅片方式进行结合,以提高对肺结节的诊断准确性。

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。

人工智能辅助阅片在计算机体层成像鉴别诊断恶性肺结节中的价值

目的:探讨人工智能辅助阅片在计算机体层成像(CT)鉴别诊断恶性肺结节中的价值。方法:收集2021年8月~2023年8月在本院放射科接受胸部CT检查并明确存在肺结节的患者176例(208个结节),分别进行CT检查及人工、人工智能(AI)阅片,根据阅片方式不同分为人工组、AI组。对比不同胸部CT阅片方式的肺结节检出情况、检出时间、性质鉴别准确性差异。结果:人工组共检出结节125个,检出率为60.10%;AI组共检出结节205个,检出率为98.56%。AI组的不同直径、位置、密度肺结节检出率分别高于人工组。AI组的结节总检出率高于人工组,差异有统计学意义(P<0.05)。AI组检测肺结节平均时间短于人工组,差异有统计学意义(P<0.05)。81个良性结节中,AI组检出率为97.53%,人工组检出率为90.12%,采用Kappa检验得出,AI与病理结果的一致性较好;恶性结节127个,AI组检出率为99.21%,人工组检出率为94.49%,AI与病理结果的一致性较好。结论:AI检出及鉴别肺结节良恶性的作用基本与影像医师鉴别诊断结果相似,在一定程度上可以替代人工进行一系列辅助工作,以增加肺结节的检出率及良恶性鉴别准确性。

基于深度学习的人工智能系统在恶性原虫检测中的应用

目的研究基于深度学习的人工智能(AI)技术在恶性症原虫检测中的应用价值。方法选取中国籍入境人员血涂片100张,其中恶性疟原虫病例阳性血涂片50张,阴性血涂片50张。将其打乱顺序后进入高清扫描仪后,数据自动导入AI工作站。采取AI阅片、人工独立阅片以及AI辅助阅片的方式,对恶性疮原虫进行检测。再将判读结果与恶性疟“金标准”对比,最后比较3种方法的正确度、灵敏度、特异度以及检测时间。结果AI辅助阅片正确度最高(0.95),AI次之(0.92),人工阅片最差(0.85)。检测时间AI用时最少(2.3min),AI辅助阅片次之(5.6min),人工阅片用时最多(12.8min)。结论结合阅片准确性(正确度、灵敏度以及特异度在90%以上)及用时(<10min)综合考虑,AI辅助人工阅片是实验室最佳方式,可提高恶性疟原虫检测的灵敏度及工作效率,基于深度学习的AI系统在恶性原虫人工智能检测中具有较高的应用价值,可在海关口岸实验室广泛应用。