深度学习辅助胸片分析在急诊科的应用效能评估：提升异常检测敏感性与诊断一致性

本研究表明，在急诊科（ED）临床实践中，深度学习（DL）辅助的计算机辅助检测（CAD）系统可显著提高胸片（CXR）中关键异常（如实变、胸腔积液和结节）的检测敏感性（最高提升29.5%，P < 0.001），同时改善观察者间一致性（κ值范围0.40–0.84），虽对结节和纵隔/肺门肿块特异性有轻微降低，但仍高于89%，证实DL在真实临床场景中的辅助价值。

　　

Abstract

目的

本研究旨在评估基于深度学习（DL）的计算机辅助检测（CAD）系统在急诊科（ED）环境中检测胸片异常的有效性，其中阅片者可获得相关临床信息。

材料与方法

回顾性收集了连续两个月内因呼吸道症状就诊于急诊科的患者共404份胸片。五位阅片者（两名放射科医师、三名急诊医师）在掌握临床信息的情况下，先独立识别数据集中的五种异常（即实变、肺结节、胸腔积液、气胸、纵隔/肺门肿块），间隔两周后，在DL-based CAD系统辅助下再次评估。参考标准为两位经验丰富的放射科医师的胸片共识评审。比较阅片环节的表现，并使用Fleiss’ kappa检验评估观察者间一致性。

结果

数据集中共103份胸片出现118处异常。CAD系统提高了对实变、胸腔积液和结节的敏感性，绝对差异分别为8.3%（95% CI: 3.8–12.7；P < 0.001）、7.9%（95% CI: 1.7–14.1；P = 0.012）和29.5%（95% CI: 19.8–38.2；P < 0.001）。所有异常的特异性均超过89%，但DL辅助下对结节和纵隔/肺门肿块的特异性有轻微但显著的下降（分别为-1.8% [95% CI: -2.7 – -0.9]；P < 0.001 和 -0.8% [95% CI: -1.5 – -0.2]；P = 0.005）。观察者间一致性在DL辅助下得到改善，kappa值范围从纵隔/肺门肿块的0.40（95% CI: 0.37–0.43）到气胸的0.84（95% CI: 0.81–0.87）。

结论

我们的结果表明，即使放射科医师掌握临床信息，DL辅助阅片也能提高急诊科胸片重要异常的检测敏感性。