基于深度学习的肺栓塞自动检测：其可靠性如何？

《Journal of Computer Assisted Tomography》：Deep Learning-based Automated Detection of Pulmonary Embolism: Is It Reliable?

人工智能辅助肺栓塞CTPA诊断研究显示其准确率达95.4%-99.7%，特异性达98.7%-100%，但末梢分支敏感性较低（81.4%-84.7%）。研究证实该AI系统可显著提升急性肺栓塞诊断效率，尤其适用于缺乏全天候放射科医师的医疗机构。

　　

摘要 通俗语言总结

---

目的：

评估人工智能（AI）程序“Canon Automation Platform”在胸部计算机断层扫描肺血管造影（CTPA）中自动检测和定位肺栓塞（PE）的诊断准确性和临床适用性。

方法：

共有1474例疑似肺栓塞的CTPA病例由2名具有5年经验的放射科住院医师进行回顾性评估。最终诊断结果由2名具有20年和25年经验的胸科放射科医师根据放射科报告以及患者的临床记录和病史进行验证。图像被传输到与图像存档和通信系统（PACS）集成的Canon Automation Platform中，并对该平台的诊断效果进行了评估。本研究检查了肺动脉的所有解剖结构，包括左肺动脉、右肺动脉以及叶间、段间和亚段分支。

结果：

我们在所有解剖结构水平上获得的混淆矩阵数据如下：AUC-ROC得分介于0.945至0.996之间，准确率介于95.4%至99.7%之间，敏感性介于81.4%至99.1%之间，特异性介于98.7%至100%之间，阳性预测值（PPV）介于89.1%至100%之间，阴性预测值（NPV）介于95.6%至99.9%之间，F1分数介于0.868至0.987之间，Cohen Kappa值介于0.842至0.986之间。值得注意的是，亚段分支的敏感性较低（81.4%至84.7%），而特异性保持一致（98.7%至98.9%）。

结论：

研究结果表明，Canon Automation Platform通过利用深度学习算法，在胸部CTPA中能够准确快速地自动检测肺栓塞，从而简化临床工作流程。该研究表明，AI可以为医生提供强大的诊断支持，尤其是在无法全天候获得放射科专家帮助的医院中。

通俗语言总结：本研究评估了AI工具Canon Automation Platform在胸部CT扫描中检测肺栓塞（PE）的能力。通过对1474份扫描结果进行比较，发现该AI的准确率（95.4%至99.7%）和特异性（98.7%至100%）较高，但在亚段分支检测肺栓塞时的敏感性（81.4%至84.7%）略低。结果表明，这种AI工具可以在缺乏全天候放射科专业支持的医疗环境中，为医生快速可靠地诊断急性肺栓塞提供有效帮助。

本文内容由机器生成，可能存在不准确之处。常见问题解答