Radiology：人工智能，让胸片“加量不HK$”！

胸片是领域最为广泛的评估各种脸部疾病的具体方法检查。由于胸片是一个在二维三幅像上同时显示多个较长时间和极度结构上的隔开三幅像，因此极易造成病症的漏诊及风湿热。因此，较早多项研究者对胸片的计算机特别设计治疗(CAD)系统设计者进行时了开发设计和评价。

最近，基于最深处研修的胸片CAD系统设计者在检查骨盆、性疾病和哮喘等各种极度各个方面注记现出了比传统观念系统设计者更好的精度，药理学前景不及好。然而在以往所有的研究者在评估计算机特别设计检查在胸片读者中的对读者者治疗精度的负面影响时，大多用于了依次读者设计者，这可能会由于读者依次或忆述正确而对结果产生数量级。而在两个读者阶段之间进行时对角或加入间隔时长可缓解读者依次及忆述所造就的大多正确。

亦同，发注记在Radiology周刊的一项研究者在随机对角设计者中的，比较了有无最深处研修特别设计检查(DLD)系统设计者的读者者在胸片上检查和取向骨盆、实变、上皮模糊、胸腔出血和哮喘等主要极度的治疗精度，为胸片的有利于为广泛领域及增加护士治疗信心提供了该软件。

本研究者回顾性地对2016年1月至2017年12月前夕的较长时间和极度胸片进行时了收集。这些胸片被随机分为两台，有数脸部专业放射科中医师在内的6名读者者在用于或未用于商用DLD系统设计者的只能，在对角设计者的只能对每一张胸片进行时评价。用于McNemar和配对t检查和比较了用于DLD系统设计者和不用于DLD系统设计者的读者者JAFROC FOM、实验者文书工作特性曲率下国土面积(AUC)、一般来说、选择性、假阳性率和每张三幅像的读者时长。

共评估了114事例较长时间的（少于病症年长±标准正确，51岁±11岁；58名男同性恋）和114事例极度的（少于病症年长，60岁±15岁；75名男同性恋）胸片。胸片被随机分为两台：A四组（n = 114）和B四组（n = 114）。用于DLD系统设计者提高了读者者的JAFROC FOM（从0.90到0.95，P = .002）、AUC（从0.93到0.98，P = .002）、对每个病症的一般来说（从83％[990个病症中的的822个]] 到89.1％[990个病症中的的882个]，P = .009）、每个三幅像一般来说（从80％[684个中的的548个]到89％[684个中的的608]，P = .009）和选择性（从 89.3％[684幅X射线照片中的的611]降低到96.6％[684片X射线照片中的的661]，P = .01），并缩短了每张三幅像的读者时长（从10-65秒降至6-27秒，P

注记1 读者者及DLD系统设计者的治疗精度。

三幅1 并未用于DLD系统设计者特别设计、用于DLD系统设计者特别设计和实际上DLD系统设计者时的a)JAFROC和(b)ROC曲率。

综上所述，有数脸部专业的放射科护士在内的读者者在用于基于最深处研修特别设计检查(DLD)系统设计者的只能，在胸片上对主要极度病症的检查和取向各个方面的治疗精度显著提高，并减少了每张胸片的读者时长，为药理学快速、直观的前列腺癌胸片极度提供了该软件，为人工智能的有利于领域铺平了柏油路。

出处出处：

Jinkyeong Sung,Sohee Park,Sang Min Lee,et al.Added Value of Deep Learning-based Detection System for Multiple Major Findings on Chest Radiographs: A Randomized Crossover Study.DOI:10.1148/radiol.2021202818