Validering av klinisk anvendbarhet for grunnmodellen spesifikt for nevrobildediagnostikk

Nevrologiske lidelser utgjør en alvorlig trussel mot menneskers helse og skaper en betydelig samfunnsøkonomisk byrde. Bildeundersøkelser, inkludert CT og MR, spiller en uunnværlig rolle i sykdomsavdekking, ikke-invasiv diagnostisering og veiledning av behandlingsbeslutninger. Kunstig intelligens (AI)-verktøy har vist lovende kliniske anvendelsesmuligheter for å frigjøre radiologers produktivitet og forkorte pasienters ventetid, spesielt i akuttmedisinske settinger og medisinsk underbetalte regioner. Selv om AI-verktøy trent på grunnleggende modeller forventes å ha pålitelig generalisering og kan tilpasse seg komplekse kliniske scenarioer, mangler dagens AI-systemer ofte robust validering i virkelig klinisk praksis.

I møte med økende etterspørsel etter presisjonsmedisin og den voksende mengden medisinsk bildebehandlingsdata, er kliniske studier avgjørende for å validere den diagnostiske effektiviteten til AI-assisterte systemer og deres anvendelighet i bredere kliniske settinger. Basert på et tverrfaglig team (som integrerer ekspertise innen AI, radiologi, akuttmedisin, nevrologi og patologi) og tidligere forskningserfaring, har denne studien utformet en omfattende og robust forskningsprotokoll for å sikre studiens pålitelighet, og til slutt legge til rette for klinisk oversettelse.

Denne studien antar at arbeidsprestasjonen til radiologer som samarbeider med nevrobildegrunnmodellen for hjerne-CT og MR ikke er underlegen sammenlignet med de som arbeider alene. For de sekundære endepunktene undersøker vi ytelsen til AI-radiologsamarbeid av AI-verktøy i ekte klinisk miljø. Klinisk studie inneholder tre delstudier:

1. Identifisering av unormale tilfeller Hjerne-skanninger, inkludert normale og alle nevrologiske sykdommer dekket på både CT og MR, ble tilfeldig gitt til to grupper radiologer for å klassifisere som normale eller unormale tilfeller med eller uten forutsagt etikett fra det AI-assisterte systemet. Sammenligning av følsomhet, spesifisitet og effektivitet hos radiologer som samarbeider med AI eller arbeider alene.
2. Studie for kritisk verdiidentifikasjon Studien involverte et prospektivt, randomisert utvalg av akutt-CT-data fra et 1-til-3-dagers vindu. Ytelsen til tre paradigmer – kun menneske, kun AI og menneske+AI – ble separat evaluert basert på diagnostisk nøyaktighet, tidsmessig effektivitet og den kritiske metrikken ledetid i identifisering av presserende funn når AI ble integrert sammenlignet med kun menneske.
3. Sykdomsklassifiseringsforsøk Et prospektivt utvalgt datasett fra en spesifikk tidsperiode, som omfattet både CT- og MR-undersøkelser, ble benyttet. Forsøket sammenligner ytelsen til tre diagnostiske tilnærminger, inkludert kun menneskelig tolkning, kun AI-analyse og menneske-AI-samarbeidende tolkning. Del I, oppgavefullføringstid, diagnostisk nøyaktighet og diagnostisk gjenkallingsrate (for tilfeller med flere etiketter) ble beregnet og sammenlignet på tvers av de tre metodene som følger: (1) Radiologer uavhengig velger og bruker tilgjengelige sykdomsmaler for rapportgenerering, deretter trekker ut diagnoseetiketter fra rapportene; (2) Radiologer genererer rapporter mens de bla gjennom bilder med hjelp av AI-genererte kategorietiketter og AI-tildelte rapportmaler basert på "midnights" hovedklassifiseringssystem; (3) AI genererer automatisk hele rapporten og klassifiseringsetiketter. Del II, de opprinnelige rapporterende radiologene ble tilbakekalt for å tolke undersøkelsene på nytt, og denne reevalueringen ble utført med assistanse fra AI-genererte etiketter og matchede maler. Del III, ved å utnytte klassifiseringsmulighetene til en stor språkmodell/grunnleggende modell, ble systemet evaluert på flere store prøve eksterne testsett for å måle nøyaktighet og behandlingstid. I tillegg ble et randomisert utvalg av tilfeller fra ulike kategorier valgt for vurdering av neuroradiologer for å beregne raten av oversette diagnoser og feildiagnoser.