AI-ondersteunde detectie van röntgenfoto's van de borstkas (AID-CXR)

Dit onderzoek is als deelonderzoek toegevoegd aan het Simulation Training for Emergency Department Imaging 2-onderzoek (ClinicalTrials.gov ID NCT05427838).

De Lunit INSIGHT CXR is een validatiestudie die tot doel heeft de bruikbaarheid van een op kunstmatige intelligentie gebaseerd (AI) thoraxröntgeninterpretatiehulpmiddel (CXR) te beoordelen bij het ondersteunen van de diagnostische nauwkeurigheid, snelheid en het vertrouwen van een gevarieerde groep beroepsbeoefenaren in de gezondheidszorg. Het onderzoek zal worden uitgevoerd met behulp van 500 retrospectief verzamelde CXR's van intramurale en spoedeisende hulpafdelingen van twee ziekenhuistrusts in het Verenigd Koninkrijk (VK). Twee fellowship-opgeleide thoracale radiologen zullen onafhankelijk alle onderzoeken beoordelen om de referentiestandaard voor de grondwaarheid vast te stellen. De Lunit INSIGHT CXR-tool zal worden gebruikt om elke CXR te analyseren, en de prestaties ervan zullen worden gemeten aan de hand van deskundige lezers. De studie zal de bruikbaarheid van het algoritme evalueren bij het verbeteren van de nauwkeurigheid en het vertrouwen van de lezer, gemeten aan de hand van gevoeligheid, specificiteit, positief voorspellende waarde en negatief voorspellende waarde. De studie zal de prestaties van het algoritme meten aan de hand van tien abnormale bevindingen, waaronder longknobbels/massa, consolidatie, pneumothorax, atelectase, verkalking, cardiomegalie, fibrose, mediastinale verwijding, pleurale effusie en pneumoperitoneum. Bij het onderzoek zullen lezers uit verschillende klinische beroepsgroepen betrokken worden, met en zonder de hulp van Lunit INSIGHT CXR. Het onderzoek zal bewijs leveren over de impact van AI-algoritmen bij het assisteren van beroepsbeoefenaren in de gezondheidszorg, zoals spoedeisende geneeskunde en huisartsen, die regelmatig beelden bekijken in hun dagelijkse praktijk.