基于 BrainCT-CLIP 与商用检测器的协作网络系统优化脑部 CT 安全性优先级处理

《npj Digital Medicine》：Collaborative generalist-specialist AI for safe worklist deprioritization of non-contrast brain computed tomography

　　

摘要

对于非增强型脑部计算机断层扫描（NCCT）结果的安全性优先级处理，需要具备高度的敏感性和阴性预测值（NPV），以识别那些需要临床关注的常见及不常见病变。在此，我们提出了一个协作式安全網絡系统，该系统结合了BrainCT-CLIP（一种基于对比语言图像预训练（CLIP）的通用基础模型）与商用检测器。所有检查数据均保留在报告流程中，仅当模型未返回阳性结果时才会被降级处理。在对连续的急诊和创伤病例队列（n = 2001）进行的回顾性多中心外部验证中，独立的商用检测器将324例需关注病例中的31例进行了降级处理，其中包括16例目标疾病漏诊病例和15例超出其适用范围的病例。相比之下，协作式系统在开发队列中预设的阈值下成功恢复了所有需要关注的病例，实现了100%的敏感性和阴性预测值，同时仅对18%的检查数据进行了降级处理（368/2001；95%置信区间，17–20）。这些结果表明，在放射科医生的监督下，通用型与專家型人工智能结合使用可有效实现检查列表的安全性优先级调整，尤其在识别需要临床处理的颅内病变方面具有很高的敏感性。