一项最新研究发现，一种商用AI模型在检测胸部X光异常方面的表现与放射科医生相当，有效缩小了放射科医生与非放射科医生之间的准确性差距。该研究的主要作者、Imagen数据和洞察总监Pamela Anderson及其同事表示，这一AI系统可能在支持不同专科医生准确解读胸部X光方面发挥重要作用。
非放射科医生，如急诊、家庭和内科医生，通常是首先评估患者并解读胸部X光的人，尤其是在放射科医生不可用的情况下。Chest-CAD工具于2021年获得美国食品药品监督管理局（FDA）批准，采用深度学习技术来识别胸部X光上的潜在问题，并根据北美放射学会（RSNA）的指南将发现分类为八个临床类别。
为了评估该工具的有效性，研究人员使用来自12个美国医疗中心的超过20,000张胸部X光片对该AI模型进行了测试。结果显示，该模型表现出色，曲线下面积（AUC）达到97.6%，敏感性为90.8%，特异性为88.7%。此外，该模型还通过了国家卫生研究院（NIH）Chest X-ray8数据库中1,000张X光片的验证，显示出相似的结果，AUC为97.5%，敏感性为90.7%，特异性为88.7%。
测试还证实，虽然放射科医生在未辅助的胸部X光评估中比非放射科医生更准确，但两组在使用Chest-CAD辅助时均显著提高了准确性。放射科医生的准确性从未辅助的AUC 86.5%提高到AI辅助的90%。内科医生的改善最为明显，AUC从未辅助的80%提高到使用AI系统的89.5%。这一改进消除了放射科医生和非放射科医生在使用该工具辅助时的准确性差异。
随着美国许多地区，尤其是农村地区的放射科医生短缺持续存在，该研究强调了AI在通过为非放射科医生提供先进的诊断支持来增强可靠X光解读的可及性方面的潜力。作者建议，Chest-CAD可以促进更广泛的临床应用，有助于及时诊断并改善各种环境下的患者护理。
(全文结束)
