論文の概要: Enhancing Early Lung Cancer Detection on Chest Radiographs with
AI-assistance: A Multi-Reader Study
- arxiv url: http://arxiv.org/abs/2208.14742v1
- Date: Wed, 31 Aug 2022 09:46:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-01 13:48:34.304614
- Title: Enhancing Early Lung Cancer Detection on Chest Radiographs with
AI-assistance: A Multi-Reader Study
- Title（参考訳）: AI支援による胸部X線写真における早期肺癌検出の促進 : マルチリーダーによる検討
- Authors: Gaetan Dissez, Nicole Tay, Tom Dyer, Matthew Tam, Richard Dittrich,
David Doyne, James Hoare, Jackson J. Pat, Stephanie Patterson, Amanda
Stockham, Qaiser Malik, Tom Naunton Morgan, Paul Williams, Liliana
Garcia-Mondragon, Jordan Smith, George Pearse, Simon Rasalingham
- Abstract要約: 本研究は、臨床医が肺がんを同定する能力を胸部X線(CXR)に増強する上で、市販のAIアルゴリズムが与える影響について検討した。
臨床医によるAIアルゴリズムの使用により、肺腫瘍検出の全体的なパフォーマンスが改善された。
- 参考スコア（独自算出の注目度）: 0.08384911110020841
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Objectives: The present study evaluated the impact of a commercially
available explainable AI algorithm in augmenting the ability of clinicians to
identify lung cancer on chest X-rays (CXR).
Design: This retrospective study evaluated the performance of 11 clinicians
for detecting lung cancer from chest radiographs, with and without assistance
from a commercially available AI algorithm (red dot, Behold.ai) that predicts
suspected lung cancer from CXRs. Clinician performance was evaluated against
clinically confirmed diagnoses.
Setting: The study analysed anonymised patient data from an NHS hospital; the
dataset consisted of 400 chest radiographs from adult patients (18 years and
above) who had a CXR performed in 2020, with corresponding clinical text
reports.
Participants: A panel of readers consisting of 11 clinicians (consultant
radiologists, radiologist trainees and reporting radiographers) participated in
this study.
Main outcome measures: Overall accuracy, sensitivity, specificity and
precision for detecting lung cancer on CXRs by clinicians, with and without AI
input. Agreement rates between clinicians and performance standard deviation
were also evaluated, with and without AI input.
Results: The use of the AI algorithm by clinicians led to an improved overall
performance for lung tumour detection, achieving an overall increase of 17.4%
of lung cancers being identified on CXRs which would have otherwise been
missed, an overall increase in detection of smaller tumours, a 24% and 13%
increased detection of stage 1 and stage 2 lung cancers respectively, and
standardisation of clinician performance.
Conclusions: This study showed great promise in the clinical utility of AI
algorithms in improving early lung cancer diagnosis and promoting health equity
through overall improvement in reader performances, without impacting
downstream imaging resources.
- Abstract（参考訳）: 目的: 本研究は, 臨床医が肺がんを同定する能力を胸部X線(CXR)に増強する上で, 市販のAIアルゴリズムが与える影響を評価した。
デザイン: 胸部X線写真から肺がんを検出する臨床医11名について, CXRから肺がんの疑いを予測できる市販のAIアルゴリズム(赤点, Behold.ai)の助けなしに評価した。
臨床的に確認された診断に対して臨床成績を評価した。
このデータセットは、2020年にCXRを施行した成人患者(18歳以上)の胸部X線写真400枚からなり、対応する臨床文献が報告された。
参加者:11名の臨床医(Consultant Radioologist, Radioologist Trainee, reporting radiographers)からなる読者パネルが本研究に参加した。
主な成果は、ai入力の有無に関わらず、臨床医がcxrで肺がんを検出するための全体的な正確性、感度、特異性、正確性である。
aiインプットの有無に関わらず,臨床医とパフォーマンス標準偏差の一致率も評価した。
結果: 臨床医によるAIアルゴリズムの使用により、肺腫瘍検出の全体的なパフォーマンスが向上し、CXRで確認された肺がんの17.4%が失われていたこと、より小さな腫瘍の検出の全体的な増加、ステージ1とステージ2の肺がんのそれぞれ24%と13%が検出されたこと、および臨床医のパフォーマンスの標準化が達成された。
結論: 本研究は, 下流画像資源に影響を及ぼすことなく, 早期肺癌診断の改善と, 読取能力の向上を通じて, 健康への配慮を促進するためのAIアルゴリズムの臨床的有用性に大きな可能性を示唆した。
関連論文リスト
- AI-assisted prostate cancer detection and localisation on biparametric MR by classifying radiologist-positives [5.75804178993065]
本稿では,がん診断の総合的精度を向上させるためのディープラーニングモデルを提案する。
一つのボクセルレベルの分類モデルを構築し、単純なパーセンテージ閾値で正のケースを判定する。
2つの臨床データから得られた実験から,提案手法が診断精度を向上させることを示す。
論文 参考訳（メタデータ） (2024-10-30T14:59:57Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳（メタデータ） (2024-02-12T22:09:43Z) - Application analysis of ai technology combined with spiral CT scanning
in early lung cancer screening [15.6839495538166]
肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。
近年、人工知能技術が腫瘍学に徐々に応用され始めている。
本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
論文 参考訳（メタデータ） (2024-01-26T07:58:09Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳（メタデータ） (2023-04-12T05:41:44Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-11-10T03:02:12Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung
Segmentation Approach [0.1749935196721634]
アメリカがん協会は、がんによる死亡件数の約27%を推定している。
その進化の初期段階では、肺がんは通常は症状を起こさない。
多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
論文 参考訳（メタデータ） (2021-07-23T05:46:06Z) - Automatic Generation of Interpretable Lung Cancer Scoring Models from
Chest X-Ray Images [9.525711971667679]
肺がんは世界中でがんの死因となっている。
深層学習技術は肺がんの診断に有効である。
これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
論文 参考訳（メタデータ） (2020-12-10T04:11:59Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z)
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。