人工智能改善医生对呼吸困难患者胸部 X 光片的解读 (XRAI)

背景：

急性呼吸困难是急诊科 (ED) 的常见症状，但可能的鉴别诊断很多。 胸部 X 光 (CXR) 在区分这些诊断和开始适当的治疗方面非常重要，但对于非放射科医师来说难以解读。 放射科面临读取数量不断增加的急性 CXR 的需求，这超出了必要的资源。 因此，在紧急情况下，急诊医师必须经常单独阅读和诊断 CXR。 总而言之，在 ED 中对 CXR 解释的帮助需求未得到满足。

用于解释 CXR 的人工智能 (AI) 软件已开发用于检测病理结果。 在这项研究中，主要目的是调查 AI 是否改善了非放射科医师对急诊科连续呼吸困难患者的 CXR 诊断。

研究人员假设，应用于胸部 X 光片的人工智能提高了急诊医师对急性呼吸困难患者的诊断准确性。 该研究有可能影响人工智能在临床实践中的实施。

方法：

在一项随机、对照交叉研究和多读者多案例研究中，共有 33 名急诊医师将审查来自 231 名前瞻性收集的患者的 CXR，包括重要的患者信息。 每位医生将审查 46 名患者的数据。 以随机顺序，在不同的两天，每个 CXR 在有 AI 支持的情况下进行一次审查，一次在没有 AI 支持的情况下进行审查。 每个医生都被要求评估心力衰竭的诊断、肺炎的诊断，以及 CXR 是否有急性显着发现。 参考标准是由两名对所有临床数据不知情的独立胸部放射科医师获得的放射学诊断。

医生在基于 REDCap® 的在线问卷中报告他们的诊断。 还收集了可能影响诊断准确性的信息，例如教育水平和阅读 CXR 的经验，以及有关医生对其初步诊断的确定程度的问题。 医生被问及他们对人工智能的兴趣、以前的经验和对人工智能的期望，以及事后对这些品质的评估。