由北美放射学会提供

 

 

一名 44 岁男子，因胸痛和呼吸困难就诊。(A）胸部 X 光片显示出非常细微的结节性不透光，主要位于下叶，代表肺炎，右心边界有离散的轮廓标志（箭头）。人工智能系统将此胸部 X 光片解释为正常。临床放射学报告也将其解释为正常。(B）CT 扫描显示下叶气腔不通畅，有模糊的树丛形态（方框）和一个合并区（箭头）。X 光检查后 5 小时进行了肺血管造影。这是人工智能工具唯一的假阴性 "临界 "发现。资料来源：北美放射学会

根据发表在《放射学》（Radiology）上的一项研究，人工智能（AI）工具可以在临床环境中准确识别正常和异常的胸部 X 光片。

 

胸部 X 光片用于诊断与心脏和肺部有关的各种疾病。胸部 X 光片异常可能是一系列疾病的征兆，包括癌症和慢性肺部疾病。

 

能够准确区分正常和异常胸部 X 光片的人工智能工具将大大减轻全球放射科医生的繁重工作量。

 

"研究报告的合著者、丹麦哥本哈根赫勒夫和根托夫特医院放射科医学博士路易斯-林德-普莱斯纳说："医学成像，尤其是 CT 和核磁共振成像等横断面成像的需求呈指数级增长。"与此同时，全球缺乏训练有素的放射科医生。人工智能已显示出巨大的前景，但在任何实施之前都应进行彻底的测试"。

 

在这项回顾性多中心研究中，Plesner 博士及其同事希望确定使用人工智能工具识别正常和异常胸部 X 光片的可靠性。

 

研究人员使用一种市售的人工智能工具分析了来自丹麦首都地区四家医院的 1529 名患者的胸部 X 光片。其中包括急诊科病人、住院病人和门诊病人的胸部X光片。人工智能工具将这些 X 光片分别归类为正常和异常的 "高可信度正常 "或 "非高可信度正常"。

 

 

有四例 X 光片（共九例）被参考标准（由两名获得认证的胸部放射科医生独立提供，如有异议，则由第三名放射科医生提供）归类为 "异常、无异常"，但被人工智能工具归类为正常。所有 X 光片都显示出非常细微且无异常的结果；这些 X 光片也都被临床放射报告归类为正常。(A）一名 58 岁女性的 X 光片，左上肺叶舌状段有非常不连续的线性气胸（箭头）。(B）一名 61 岁女性的 X 光片显示右侧有一根颈肋骨（箭头）。(C、D）一名 48 岁女性（C）和一名 64 岁女性（D）的 X 光片显示脊柱出现非常细微的退行性变，胸椎下段出现骨质增生（箭头）。图片来源：北美放射学会

两位获得认证的胸部放射科医生被用作参考标准。在出现分歧的情况下使用第三位放射科医生，所有三位医生对人工智能结果都是盲法。

 

在被归类为正常的 429 张胸部 X 光片中，有 120 张（占 28%）也被 AI 工具归类为正常。这些 X 光片（占所有 X 光片的 7.8%）有可能被人工智能工具安全地自动处理。人工智能工具识别异常胸部 X 光片的灵敏度为 99.1%。

 

"普莱斯纳博士说："最令人惊讶的发现是，这款人工智能工具对各种胸部疾病都非常敏感。"事实上，我们在数据库中找不到一张胸部 X 光片的算法出现重大错误。此外，人工智能工具的灵敏度总体上优于临床委员会认证的放射科医生"。

 

据研究人员称，进一步的研究可以针对人工智能工具的更大规模的前瞻性实施，其中自主报告的胸部 X 光片仍由放射科医生进行审查。

 

人工智能工具在识别门诊病人组正常 X 光片方面表现尤为出色，识别率高达 11.6%。这表明，人工智能模型在正常胸部 X 光片比例较高的门诊环境中表现尤为出色。

 

"胸部 X 光检查是全球最常见的成像检查之一，"Plesner 博士说。"即使是很小比例的自动化，也能为放射科医生节省时间，他们可以优先处理更复杂的问题。