AI-CAD辅助不同年资医生CT影像判读预测脑出血早期血肿扩大的效果分析OACSTPCD

[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。