人工智能(AI)算法可提高肺癌的檢測和放射科醫生的性能，該算法可在胸部X射線上精確定位以前未發現的癌癥。
在12月10日的《放射學：心胸影像學》上發表的一項研究中，首爾國立大學醫院的研究人員概述了深度學習算法在一讀和二讀方面如何勝過四位胸腔放射科醫生。
總體而言，由醫學博士Ju Gang Nam領導的團隊表示，該算法提供了更高的靈敏度和更高的特異性，并且提高了提供者作為二等閱讀器的性能，從而顯著提高了檢測率。
但是，該團隊說，到目前為止，由于胸部X射線計算機輔助檢測的采用一直很緩慢，因為許多醫療服務提供者仍對它在臨床實踐中是否能很好地發揮作用存有疑問。為了回答這個問題，Nam的團隊使用了豐富的數據集，包括50例正常的胸部X射線以及168例患有肺癌的后前胸部X射線。癌癥的平均大小為2.3厘米+/- 1.2厘米。
為了進行分析，他們將一種工具(Lunit：Insight CXR)與放射科醫生的性能進行了比較。放射科醫生讀取兩次掃描結果：一次單獨讀取一次，一次借助AI工具讀取一次。
根據他們的評估，該軟件比提供程序產生了更好的結果。當放射線醫師使用該軟件作為第二閱讀器時，它不僅產生比放射線醫師更高的特異性(p = 0.01)，而且使用這些工具還可以為放射線醫師帶來更高的靈敏度和特異性(分別為p <0.001和p <0.01)。這些結果令人驚訝，因為先前的工作表明此類工具產生了大量誤報。
團隊指出，重要的是要注意，提供商還無法達到AI工具作為唯一閱讀器時的性能水平。放射科醫生在獨自閱讀時，忽略了心內膜和dia后結節。他們還將下肺部的真正結節誤認為乳頭或血管陰影。他們解釋說，可能會出現這種差異，因為AI工具會捕獲圖像的像素值，從而更有可能檢測出人類提供者在軟組織密度區域中的異常。
但是，即使發現的結果顯示出更高的性能水平，成本仍然是采用和實施方面的問題。馬里蘭大學醫學院放射與核醫學診斷學教授查爾斯·懷特(Charles White)說，實際上，由于缺乏報銷，這可能是最后的障礙。
他說：“如果這種算法確實被證明遠遠優于具有低假陽性結果的讀者的能力，那么它將為投資動力提供更清晰的途徑，以進行進一步的研究，以確定這種方法和其他方法的準確價值。”基于學習的胸部X線片結節檢測算法。”
