Multi-Reader-Retrospektivstudie zur Untersuchung der Implementierung von Carebot AI CXR 2.0.21-v2.01 in der täglichen klinischen Praxis der Radiologie

Retrospektive Sammlung für den Zeitraum 18. Oktober 2022 und 17. November 2022

Innerhalb des angegebenen Zeitraums wurden in der Abteilung insgesamt 1.073 Röntgenaufnahmen des Brustkorbs angefertigt. Die Datenerfassung blieb während der gesamten Testphase intakt und unbeeinträchtigt, wodurch die Integrität des Datensatzes gewährleistet wurde. Die gesammelte Stichprobe stellt die Prävalenz der Befunde innerhalb der beobachteten Population genau dar. Nach dem Ausschluss nicht förderfähiger Studien wie Röntgenaufnahmen von Patienten unter 18 Jahren, seitlicher Projektionsröntgenaufnahmen und Scans unzureichender Qualität wurden insgesamt 956 relevante CXRs für die weitere Bewertung identifiziert.

Gerät: Carebot AI CXR

Das vorgeschlagene DLAD (Carebot AI CXR) ist ein auf Deep Learning basierendes medizinisches Gerät, das Radiologen bei der Interpretation von Röntgenbildern des Brustkorbs unterstützen soll, die in anteroposteriorer (AP) oder posteroanteriorer (PA) Projektion aufgenommen wurden. Durch den Einsatz fortschrittlicher Deep-Learning-Algorithmen ermöglicht diese Lösung die automatische Erkennung abnormaler Befunde durch die Analyse visueller Muster, die mit bestimmten Bedingungen verbunden sind. Zu den gezielten Anomalien gehören Atelektase (ATE), Konsolidierung (CON), Pleuraerguss (EFF), Lungenläsion (LES), subkutanes Emphysem (SCE), Kardiomegalie (CMG) und Pneumothorax (PNO). Das DLAD fungiert als Vorhersagealgorithmus, der durch verschiedene Anwendungsperipheriegeräte ergänzt wird, wie z. B. webbasierte Kommunikationstools, DICOM-Dateikonvertierungsfunktionen und Speicher- und Berichtsbibliotheken, die sowohl die Formate DICOM Structured Report als auch DICOM Presentation State unterstützen.

Leistungstest

Das Hauptziel besteht darin, die Leistungsparameter des vorgeschlagenen DLAD (Carebot AI CXR) im Vergleich zu einzelnen Radiologen zu bewerten. Der Leistungstest umfasst Sensitivität und Spezifität, positives und negatives Wahrscheinlichkeitsverhältnis sowie positiven und negativen Vorhersagewert. Die oben genannten Parameter werden mithilfe von Konfidenzintervallen (CI) und p-Werten statistisch verglichen. Das Vergleichsverfahren besteht aus zwei Schritten: Es wird ein globaler Hypothesentest durchgeführt, um festzustellen, ob es signifikante Unterschiede zwischen DLAD und Radiologen gibt. Wenn der globale Hypothesentest ein signifikantes Ergebnis liefert, werden einzelne Hypothesentests durchgeführt. Darüber hinaus werden mehrere Vergleichsmethoden wie McNemar mit Kontinuitätskorrektur für Se und Sp, die Holm-Methode für LRs und gewichtete verallgemeinerte Bewertungsstatistiken für PVs angewendet, um die Gesamtfehlerrate zu kontrollieren. Alle Tests werden als zweiseitige Tests mit einem Signifikanzniveau von 5 % durchgeführt.