深度学习用于颅内出血检测的实际表现与误分类模式

《Neuroradiology》：Real-world performance and misclassification patterns of deep learning for intracranial hemorrhage detection

　　

摘要

目的

评估一种深度学习算法（Hevi AI）在单中心队列中检测非增强头部计算机断层扫描（CT）颅内出血（ICH）的真实世界诊断准确性及系统性误分类模式。

方法

本回顾性、单中心研究共纳入1,617例急诊非增强头部CT检查。以两名放射学专家作为参考标准。分析算法的二元检测性能（敏感性、特异性、阴性预测值 [NPV]）及亚型分类准确性。统计分析评估了假阳性（FP）病例与真阴性（TN）病例之间的年龄和性别差异。

结果

参考标准的ICH患病率为13.4%（n = 218）。算法在出血检测中表现出98.17%的敏感性、94.71%的特异性和99.70%的NPV。特异性与患者年龄呈负相关关系（< 50岁为96.95%，50–70岁为93.04%，> 70岁为88.54%）。在74例假阳性病例中，单纯性蛛网膜下腔出血（SAH）是最常见的误分类（62.16%）。假阳性病例的平均年龄（56.3 ± 22.3岁）显著高于真阴性病例（40.5 ± 25.2岁）（p < 0.001）。亚型分类错误（n = 96）主要表现为"过度标注"模式：49例（51.0%）涉及对硬膜下出血不必要地添加硬膜外出血成分，31例（32.3%）涉及不必要地添加蛛网膜下腔出血成分。

结论

Hevi AI算法展现出高敏感性和优异的NPV，支持其在检查列表优先级排序中的效用，但也表现出特定的神经解剖学盲区。缺血性病变、血管源性水肿以及与年龄相关的结构性改变是假阳性警报的主要来源。此外，该算法在区分精细的轴外边界方面存在系统性困难，导致过度标注。认识这些特定的失败模式和老年人群的差异对于安全地进行临床整合以及准确解读AI辅助神经影像至关重要。