論文の概要: Can artificial intelligence (AI) be used to accurately detect
tuberculosis (TB) from chest X-rays? An evaluation of five AI products for TB
screening and triaging in a high TB burden setting
- arxiv url: http://arxiv.org/abs/2006.05509v3
- Date: Fri, 28 May 2021 15:28:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 14:44:53.850280
- Title: Can artificial intelligence (AI) be used to accurately detect
tuberculosis (TB) from chest X-rays? An evaluation of five AI products for TB
screening and triaging in a high TB burden setting
- Title（参考訳）: 人工知能(AI)は胸部X線から結核(TB)を正確に検出できるのか?
高TB負荷環境下でのTBスクリーニング・トリアージのための5つのAI製品の評価
- Authors: Zhi Zhen Qin, Shahriar Ahmed, Mohammad Shahnewaz Sarker, Kishor Paul,
Ahammad Shafiq Sikder Adel, Tasneem Naheyan, Rachael Barrett, Sayera Banu,
Jacob Creswell
- Abstract要約: 人工知能(AI)製品は、胸部X線写真で結核(TB)関連異常を認識するために訓練することができる。
我々は、商用AI製品のトレーニングに使用されていない大規模なデータセットを使用して、TBのスクリーニングとトリアージのための5つのAIソフトウェア製品を評価した。
5つのAI製品がバングラデシュの放射線学者を大きく上回った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence (AI) products can be trained to recognize
tuberculosis (TB)-related abnormalities on chest radiographs. Various AI
products are available commercially, yet there is lack of evidence on how their
performance compared with each other and with radiologists. We evaluated five
AI software products for screening and triaging TB using a large dataset that
had not been used to train any commercial AI products. Individuals (>=15 years
old) presenting to three TB screening centers in Dhaka, Bangladesh, were
recruited consecutively. All CXR were read independently by a group of three
Bangladeshi registered radiologists and five commercial AI products: CAD4TB
(v7), InferReadDR (v2), Lunit INSIGHT CXR (v4.9.0), JF CXR-1 (v2), and qXR
(v3). All five AI products significantly outperformed the Bangladeshi
radiologists. The areas under the receiver operating characteristic curve are
qXR: 90.81% (95% CI:90.33-91.29%), CAD4TB: 90.34% (95% CI:89.81-90.87), Lunit
INSIGHT CXR: 88.61% (95% CI:88.03%-89.20%), InferReadDR: 84.90% (95% CI:
84.27-85.54%) and JF CXR-1: 84.89% (95% CI:84.26-85.53%). Only qXR met the TPP
with 74.3% specificity at 90% sensitivity. Five AI algorithms can reduce the
number of Xpert tests required by 50%, while maintaining a sensitivity above
90%. All AI algorithms performed worse among the older age and people with
prior TB history. AI products can be highly accurate and useful screening and
triage tools for TB detection in high burden regions and outperform human
readers.
- Abstract（参考訳）: 人工知能(AI)製品は、胸部X線写真で結核(TB)関連異常を認識するために訓練することができる。
さまざまなAI製品が市販されているが、それらのパフォーマンスがお互いにどのように、また放射線学者とどのように比較されているかを示す証拠は乏しい。
我々は、商用AI製品のトレーニングに使用されていない大規模なデータセットを使用して、TBのスクリーニングとトリアージのための5つのAIソフトウェア製品を評価した。
バングラデシュのダッカに3つのtbスクリーニングセンターを設置する個人 (>15歳) を募集した。
全てのCXRはバングラデシュで登録された3人の放射線学者と、CAD4TB (v7)、InferReadDR (v2)、Lunit INSIGHT CXR (v4.9.0)、JF CXR-1 (v2)、qXR (v3)の5つの商用AI製品によって独立に読まれた。
5つのAI製品がバングラデシュの放射線学者を大きく上回った。
qxr: 90.81% (95% ci:90.33-91.29%), cad4tb: 90.34% (95% ci:89.81-90.87), lunit insight cxr: 88.61% (95% ci:88.03%-89.20%), inferreaddr: 84.90% (95% ci:84.27-85.54%), jf cxr-1:84.89% (95% ci:84.26-85.53%) である。
qXRのみがTPPに74.3%の特異性を90%の感度で満たした。
5つのAIアルゴリズムは、90%以上の感度を維持しながら、必要なXpertテストの数を50%削減することができる。
すべてのAIアルゴリズムは、高齢者や、以前のTB履歴を持つ人々の間でさらに悪化した。
AI製品は非常に正確で有用なスクリーニングツールであり、高負荷領域におけるTB検出と人間の読取能力を上回るトリアージツールである。
関連論文リスト
- Touchstone Benchmark: Are We on the Right Way for Evaluating AI Algorithms for Medical Segmentation? [90.30635552818875]
9種類の腹部臓器の大規模共同セグメント化ベンチマークであるTouchstoneを報告する。
このベンチマークは、世界中の76の病院から5,195回のCTスキャンと、11の病院から5,903回のCTスキャンに基づいています。
私たちは19のAIアルゴリズムの発明者14人を招待してアルゴリズムをトレーニングしましたが、私たちのチームは第三者として、3つのテストセットでこれらのアルゴリズムを独立して評価しました。
論文 参考訳（メタデータ） (2024-11-06T05:09:34Z) - Artificial Intelligence-Based Triaging of Cutaneous Melanocytic Lesions [0.8864540224289991]
患者数の増加とより包括的な診断の必要性により、病理学者は作業負荷の増大に直面している。
われわれは,全スライド画像に基づいて皮膚メラノサイト性病変をトリアージする人工知能(AI)モデルを開発した。
論文 参考訳（メタデータ） (2024-10-14T13:49:04Z) - Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z) - Attention-based Saliency Maps Improve Interpretability of Pneumothorax
Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。
ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。
ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文 参考訳（メタデータ） (2023-03-03T12:05:41Z) - Robustness of an Artificial Intelligence Solution for Diagnosis of
Normal Chest X-Rays [0.0]
正常胸部X線(CXR)の診断におけるAIソリューションの有用性について検討した。
合計4,060個のCXRがサンプリングされ、NHS患者とケア設定の多様なデータセットが表現された。
論文 参考訳（メタデータ） (2022-08-31T09:54:24Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳（メタデータ） (2021-11-18T00:43:41Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳（メタデータ） (2021-09-18T02:28:01Z) - Deep learning for detecting pulmonary tuberculosis via chest
radiography: an international study across 10 countries [4.97140606123333]
WHOはTB検診に胸部X線撮影(CXRs)を推奨しているが、CXRの解釈は限られている。
深層学習システム(DLS)を用いて,アフリカ,アジア,ヨーロッパ9カ国の肺TBのアクティブな検出を行った。
論文 参考訳（メタデータ） (2021-05-16T22:56:06Z) - TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network
Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
結核は世界的な健康問題であり、感染症による死亡の主な原因です。
リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。
TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
論文 参考訳（メタデータ） (2021-04-06T14:09:05Z) - CovidAID: COVID-19 Detection Using Chest X-Ray [11.519253771314894]
新型コロナウイルス(COVID-19)患者の指数的な増加は、世界中で圧倒的な医療システムである。
検査キットが限られているため、従来のRT-PCR(RT-PCR)を用いて、呼吸器疾患の全ての患者を検査することは不可能である。
RT-PCR検査において胸部X線を用いて患者の選択を優先する手法を提案する。
CovidAID: COVID-19 AI Detectorは、患者を適切な検査のためにトリアージするための、新しいディープニューラルネットワークベースのモデルである。
論文 参考訳（メタデータ） (2020-04-21T08:02:52Z) - Predicting the risk of pancreatic cancer with a CT-based ensemble AI
algorithm [0.0]
膵癌は致死性疾患であり、診断が困難であり、予後不良と死亡率が高い。
非造影CTによるあらゆる膵病変の普遍的癌リスクを予測するために,アンサンブルAIアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-03T06:06:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。