Validace klinické adaptibility základního modelu specifického pro neuroradiologickou diagnostiku

Neurologické poruchy představují závažnou hrozbu pro lidské zdraví a vytvářejí významnou socioekonomickou zátěž. Zobrazovací vyšetření včetně CT a MRI hrají nezastupitelnou roli při screeningu onemocnění, neinvazivní diagnostice a vedení rozhodování o léčbě. Nástroje umělé inteligence (AI) vykazují slibné klinické aplikační perspektivy v uvolňování produktivity radiologů a zkracování čekací doby pacientů, zejména v prostředí intenzivní péče a lékařsky nedostatečně zajištěných regionech. Přestože se předpokládá, že nástroje AI trénované na základním modelu mají spolehlivou generalizaci a mohou se přizpůsobit složitým klinickým scénářům, současné systémy AI často postrádají robustní validaci v reálné klinické praxi.

Tváří v tvář rostoucím požadavkům na precizní medicínu a záplavě medicínských zobrazovacích dat jsou klinické studie nezbytné pro validaci diagnostické účinnosti systémů asistovaných AI a jejich použitelnosti v širších klinických prostředích. Na základě multidisciplinárního týmu (integrujícího odbornost v AI, radiologii, urgentní medicíně, neurologii a patologii) a předchozí výzkumné zkušenosti tato studie navrhla komplexní a robustní výzkumný protokol, aby zajistila spolehlivost studie, což v konečném důsledku usnadní klinický přenos.

Tato studie předpokládá, že pracovní výkon radiologů spolupracujících se základním modelem pro neurozobrazování mozkových CT a MRI není horší než těch, kteří pracují samostatně. Pro sekundární cílové parametry zkoumáme výkon spolupráce AI-radiolog nástrojů AI v reálném klinickém prostředí. Klinická studie obsahuje tři dílčí studie:

1. Identifikace abnormálních případů Mozkové skeny, včetně normálních a všech neurologických onemocnění pokrytých na CT i MRI, byly náhodně přiděleny dvěma skupinám radiologů ke klasifikaci na normální nebo abnormální případy s nebo bez předpovězené značky z AI-asistovaného systému. Porovnání senzitivity, specificity a efektivity radiologů spolupracujících s AI nebo pracujících samostatně.
2. Studie pro identifikaci kritických hodnot Studie zahrnovala prospektivní, randomizovaný výběr urgentních CT dat z 1–3denního okna. Výkon tří paradigmat – pouze člověk, pouze AI a člověk+AI – byl hodnocen odděleně na základě diagnostické přesnosti, časové efektivity a kritického ukazatele doby vedení při identifikaci urgentních nálezů, když byla AI integrována, ve srovnání s pouze člověkem.
3. Experiment klasifikace onemocnění Byl použit prospektivně vybraný datový soubor z určitého časového období, obsahující jak CT, tak MRI vyšetření. Experiment porovnává výkon tří diagnostických přístupů, včetně interpretace pouze člověkem, analýzy pouze AI a kolaborativní interpretace člověk-AI. Část I, čas dokončení úlohy, diagnostická přesnost a míra diagnostického vybavení (pro případy s více značkami) byly vypočteny a porovnány napříč třemi metodami následovně: (1) Radiologové nezávisle vybírají a využívají poskytnuté šablony onemocnění pro generování zpráv, poté extrahují diagnostické značky ze zpráv; (2) Radiologové generují zprávy při prohlížení snímků s pomocí AI-generovaných kategorických značek a AI-přiřazených šablon zpráv založených na hlavním klasifikačním systému „midnights“; (3) AI automaticky generuje kompletní zprávu a klasifikační značky. Část II, původní referující radiologové byli vyzváni k reinterpretaci studií a toto přehodnocení bylo provedeno s asistencí AI-generovaných značek a odpovídajících šablon. Část III, využívaje klasifikační schopnosti velkého jazykového modelu/základního modelu, byl systém hodnocen na více externích testovacích souborech s velkým vzorkem, aby se změřila přesnost a čas zpracování. Dále byl vybrán randomizovaný podskupinový vzorek případů z různých kategorií k posouzení neuroradiology pro výpočet míry opomenutých diagnóz a chybných diagnóz.