公众对人工智能诊断系统最低可接受诊断性能的要求：一项全国调查与肺癌幸存者队列研究

《npj Digital Medicine》：Participant-reported minimum acceptable sensitivity and specificity for artificial intelligence-based disease detection

摘要基于人工智能（AI）的诊断系统正日益整合到临床实践中，然而患者和公众认为可接受的最低诊断性能仍缺乏深入了解。我们针对1222名普通人群参与者进行了全国调查，并单独纳入了106名长期肺癌幸存者的队列。参与者报告了100名患者中可接受的最大漏诊数量，以及100名健康人中错误分类为患者的可接受最大数量。这些回答被转换为假阴性和假阳性率，从而推导出最低可接受的敏感性和特异性。在1328名参与者中，平均最低可接受的敏感性和特异性均为0.90。总体而言，81.6%的参与者报告的最低可接受敏感性至少为0.88，81.6%报告的最低可接受特异性至少为0.90，超过了IDx-DR报道的观察敏感性0.874和特异性0.895。在合并分析中，经多变量校正后，癌症病史与较高的最低可接受敏感性和特异性相关。这些发现表明，参与者对基于AI的疾病检测报告的最低可接受值较高，并支持在目标使用人群中对诊断错误和预测值进行清晰沟通。