目的：通過一項(xiàng)有前瞻性的臨床研究，研究經(jīng)過訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)(CNN)是否可以幫助放射科醫(yī)生使用胸部X射線(CXR)將冠狀病毒病(COVID)陽性與陰性的冠狀病毒病患者區(qū)分開。識別可能具有特殊價值的患者亞組，并通過可視化技術(shù)分析哪些成像功能可能對AI的性能有所貢獻(xiàn)。

方法：根據(jù)2位放射科醫(yī)生的共識，將487例患者的CXR分為[4]類：正常，典型COVID，不確定和非COVID。然后，通過AI對分類為“正常”和“不確定”的CXR進(jìn)行分析，并根據(jù)網(wǎng)絡(luò)的預(yù)測提供最終分類。與作為標(biāo)準(zhǔn)的逆轉(zhuǎn)錄酶-聚合酶鏈反應(yīng)(RT-PCR)相比，僅計算了放射線醫(yī)師和AI協(xié)助的放射線醫(yī)師的準(zhǔn)確性和召回率。分析了CNN的注意力圖，以了解CXR中對AI算法做出預(yù)測重要的區(qū)域。

結(jié)果：在提供AI協(xié)助的情況下，放射科醫(yī)生的準(zhǔn)確性從65.9%提高到81.9%，召回率從17.5提高到71.75。AI在將“正常” CXR分為COVID或非COVID時顯示出92%的準(zhǔn)確性。對注意力圖的分析揭示了這些“正常”射線照片中對心臟陰影的關(guān)注。

結(jié)論：這項(xiàng)研究表明AI算法的部署如何可以輔助人類專家確定COVID狀態(tài)。對檢測到的特征的分析表明可能存在細(xì)微的心臟變化，為進(jìn)一步的研究可能的心臟變??化奠定了基礎(chǔ)。

要點(diǎn)：

•通過一項(xiàng)有前景的臨床研究，我們證明了與RT-PCR相比，使用AI算法可以協(xié)助改善放射科醫(yī)生通過評估CXR判斷COVID的準(zhǔn)確性(陽性預(yù)測值)。

•我們證明，在放射科醫(yī)生分類為“正常”的圖像中，人工智能取得了最佳效果。我們推測，人眼無法察覺的CXR中可能存在的細(xì)微心臟可能有助于此預(yù)測。

•報告的結(jié)果可能為人機(jī)協(xié)作鋪平道路，在AI算法的幫助下，專家在預(yù)測CXR上的COVID狀態(tài)時比以前單獨(dú)考慮時獲得的精度更高。