Kvak, D., Chromcová, A., Biroš, M., Hrubý, R., Kvaková, K., Pajdaković, M., & Ovesná, P. (2023). Chest x-ray abnormality detection by using artificial intelligence: A single-site retrospective study of deep learning model performance. BioMedInformatics, 3(1), 82-101.
Abstrakt:
Rentgenový snímek hrudníku (CXR) je v klinické praxi hojně využíván, ale včasné interpretaci může bránit lidský faktor nebo nedostatečné stanovení priorit pacientů. Navržený model byl vyvinut k detekci vizuálních vzorů na CXR pro 12 předem vybraných nálezů. K vyhodnocení navrženého systému jsme navrhli retrospektivní studii na jednom pracovišti, která porovnávala algoritmus hlubokého učení (DL) s výkonem 5 různě zkušených radiologů. Na hodnoceném souboru dat (n=127) shromážděném z městské nemocnice v České republice dosáhl navržený model senzitivity 0,925 a specificity 0,644 ve srovnání s bootstrapovanou senzitivitou radiologa 0,661 a specificitou 0,803, resp. Míra falešně negativních výsledků vyšetření navrženého modelu byla nižší než u všech srovnávaných radiologů.
