AI-based software for lung nodule detection in chest X-rays — Time for a second reader approach?

要約

目的：胸部X線（CXR）で肺結節を検出する際の2番目のリーダーとしての人工知能（AI）と、2つの二国間機関の放射線科医を比較し、自動化と支援（追加の遠隔放射線科医）の2つの異なるモードを使用した場合のAIパフォーマンスを評価する
レビュー）。
方法：さまざまなタイプとサイズの肺結節を含む日本放射線技術学会のCXR公開データベース（n = 247）を分析しました。
8人の放射線科医が肺結節の存在と結節の目立ちやすさに関してCXR画像を評価しました。
放射線科医によるレビューの後、AIソフトウェアは、結節を見逃す可能性が最も高いCXRを処理してフラグを立てました。
計算された精度メトリックは、曲線下面積（AUC）、感度、特異度、F1スコア、偽陰性症例数（FN）、および結節検出の精度に対するさまざまなAIモード（自動/支援）の影響でした。
結果：放射線科医の場合、平均AUC値は0.77 $ \ pm $ 0.07でしたが、平均FNは52.63 $ \ pm $ 17.53（すべての研究）および32 $ \ pm $ 11.59（悪性病因の結節を含む研究= 32％）でした。
見逃された悪性結節の割合）。
自動化されたAIモードと支援されたAIモードの両方で、感度（14％と12％）とF1スコア（5％と6％）が平均的に増加し、特異性が（それぞれ10％と3％）減少しました。
）。
結論：両方のAIモードは、かなりの数の症例で放射線科医が見逃した肺結節にフラグを立てました。
セカンドリーダーとしてのAIは、診断精度と放射線ワークフローを改善する可能性が高いです。
AIは、放射線科医よりも早く特定の肺結節を検出する可能性があり、患者の転帰に重大な影響を与える可能性があります。

要約(オリジナル)

Objectives: To compare artificial intelligence (AI) as a second reader in detecting lung nodules on chest X-rays (CXR) versus radiologists of two binational institutions, and to evaluate AI performance when using two different modes: automated versus assisted (additional remote radiologist review). Methods: The CXR public database (n = 247) of the Japanese Society of Radiological Technology with various types and sizes of lung nodules was analyzed. Eight radiologists evaluated the CXR images with regard to the presence of lung nodules and nodule conspicuity. After radiologist review, the AI software processed and flagged the CXR with the highest probability of missed nodules. The calculated accuracy metrics were the area under the curve (AUC), sensitivity, specificity, F1 score, false negative case number (FN), and the effect of different AI modes (automated/assisted) on the accuracy of nodule detection. Results: For radiologists, the average AUC value was 0.77 $\pm$ 0.07, while the average FN was 52.63 $\pm$ 17.53 (all studies) and 32 $\pm$ 11.59 (studies containing a nodule of malignant etiology = 32% rate of missed malignant nodules). Both AI modes — automated and assisted — produced an average increase in sensitivity (by 14% and 12%) and of F1-score (5% and 6%) and a decrease in specificity (by 10% and 3%, respectively). Conclusions: Both AI modes flagged the pulmonary nodules missed by radiologists in a significant number of cases. AI as a second reader has a high potential to improve diagnostic accuracy and radiology workflow. AI might detect certain pulmonary nodules earlier than radiologists, with a potentially significant impact on patient outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google