人工智能辅助软件可提升疲劳状态下放射科规培医师对肺结节的检测效能

目的:探讨在人工智能(AI)肺结节检测软件的辅助下能否提升疲劳状态的放射科规培医师对肺结节的检测效能.方法:搜集182例患者的1 mm薄层胸部CT图像,有一位放射科规培医师分别在3种模式下进行阅片:正常状态下独立阅片(A组)、疲劳状态下(即一天日常工作满8小时以上)独立阅片(B组)、疲劳状态下使用AI软件辅助阅片(C组),三种阅片模式均间隔洗脱期(2周),分别记录每次阅片时检出结节的位置、大小和数目.将3次肺结节检出结果与金标准(由2位从事胸部影像诊断超过8年的中级医师结合AI筛查结果分别作出诊断,再由1位从事胸部影像诊断超过15年的高级医师最终审核确定)进行比较,计算敏感度和(患者)人均假阳性(误诊)结节数来评价3种模式的检测效能.结果:经金标准确认1281个肺结节,A组检出真阳性结节592个、假阳结节297个,敏感度46.21％,人均误诊结节数为1.63;B组检出真阳性结节517个、假阳结节225个,敏感度40.36％,人均误诊结节数为1.24;C组检出真阳性结节995个、假阳结节165个,敏感度77.67％,人均误诊结节数为0.91.B组的敏感度和人均误诊结节数均较A组降低,差异均有统计学意义(P<0.05);C组的敏感度较B组提高,且人均误诊结节数降低,差异均有统计学意义(P<0.05);C组的敏感度较A组提高,人均误诊结节数降低,差异均有统计学意义(P<0.05).结论:疲劳显著降低了放射科规培医师对肺结节的检测效能,但在AI软件辅助下能明显提高疲劳状态下放射科规培医师对肺结节的检出效能,甚至超过其正常状态下的水平.