Abstrakt:
Rostoucí poptávka po rentgenovém vyšetření hrudníku ve zdravotnictví, kombinovaná s nedostatkem radiologů a rostoucím pracovním zatížením, zdůrazňuje potřebu inovativních diagnostických podpůrných nástrojů. Tato crossover studie hodnotí vliv komerčně dostupného softwaru pro automatickou detekci založeného na hlubokém učení (DLAD, Carebot AI CXR; Carebot s.r.o.) na diagnostickou výkonnost radiologů při interpretaci snímků hrudníku (CXR). Pět radiologů nezávisle hodnotilo soubor 540 anonymizovaných CXR, nejprve samostatně a následně s asistencí DLAD, ve dvou fázích oddělených 30denní výplachovou periodou. Asistence DLAD významně zlepšila diagnostickou výkonnost, přičemž celková senzitivita vzrostla z 0,762 (95% CI: 0,705–0,811) na 0,911 (95% CI: 0,870–0,941, p < 0,001), zatímco specificita zůstala nezměněná na 0,850 (95% CI: 0,805–0,887, p = 1,000). Pozitivní prediktivní hodnota (PPV) se mírně zlepšila z 0,810 (95% CI: 0,755–0,856) na 0,836 (95% CI: 0,788–0,876, p = 0,331) a negativní prediktivní hodnota (NPV) vzrostla z 0,810 (95% CI: 0,763–0,850) na 0,941 (95% CI: 0,882–0,947, p < 0,001). Tyto zlepšení byla konzistentní napříč radiology a vedla k výraznému snížení míry falešně negativních výsledků. Zjištění zdůrazňují potenciál DLAD ke standardizaci diagnostické přesnosti, zvýšení senzitivity a podpoře radiologů při interpretaci CXR. Výsledky podtrhují klinickou hodnotu pracovních postupů podporovaných umělou inteligencí při zlepšování míry detekce při zachování specificity.
.png)
