Multi-Reader retrospektiv studie som undersøker Carebot AI CXR 2.0.21-v2.01 implementering i daglig radiologi klinisk praksis

Retrospektiv samling for perioden 18. oktober 2022 og 17. november 2022

Totalt ble det tatt 1 073 røntgen thorax innen den angitte perioden ved avdelingen. Datainnsamlingen forble intakt og upåvirket gjennom testfasen, noe som sikrer integriteten til datasettet. Det innsamlede utvalget representerer nøyaktig prevalensen av funn i den observerte populasjonen. Etter å ha ekskludert ikke-kvalifiserte studier som røntgenbilder fra pasienter under 18 år, lateral projeksjonsrøntgen og skanninger av utilstrekkelig kvalitet, ble totalt 956 relevante CXR identifisert for videre vurdering.

Enhet: Carebot AI CXR

Den foreslåtte DLAD (Carebot AI CXR) er en dyp læringsbasert medisinsk enhet designet for å hjelpe radiologer med å tolke røntgenbilder av thorax tatt i anteroposterior (AP) eller posteroanterior (PA) projeksjon. Ved å bruke avanserte dyplæringsalgoritmer, muliggjør denne løsningen automatisk oppdagelse av unormale funn ved å analysere visuelle mønstre assosiert med spesifikke forhold. De målrettede abnormitetene inkluderer atelektase (ATE), konsolidering (CON), pleural effusjon (EFF), pulmonal lesjon (LES), subkutant emfysem (SCE), kardiomegali (CMG) og pneumothorax (PNO). DLAD fungerer som en prediksjonsalgoritme supplert med forskjellige applikasjonsutstyr, som nettbaserte kommunikasjonsverktøy, DICOM-filkonverteringsmuligheter og lagrings- og rapporteringsbiblioteker som støtter både DICOM Structured Report og DICOM Presentation State-formater.

Ytelsestest

Hovedmålet er å evaluere ytelsesparametrene til den foreslåtte DLAD (Carebot AI CXR) sammenlignet med individuelle radiologer. Ytelsestesten inkluderer sensitivitet og spesifisitet, positivt og negativt sannsynlighetsforhold og positiv og negativ prediktiv verdi. De nevnte parameterne sammenlignes statistisk ved bruk av konfidensintervaller (CI) og p-verdier. Sammenligningsprosedyren består av to trinn: en global hypotesetest utføres for å avgjøre om det er signifikante forskjeller mellom DLAD og radiologer. Hvis den globale hypotesetesten gir et signifikant resultat, utføres individuelle hypotesetester. I tillegg brukes flere sammenligningsmetoder, som McNemar med kontinuitetskorreksjon for Se og Sp, Holm-metoden for LR-er, og vektet generalisert poengsumstatistikk for PV-er, for å kontrollere den totale feilraten. Alle tester utføres som tosidige tester på 5 % signifikansnivå.