根据今天发表在北美放射学会(RSNA)期刊《Radiology》上的一项研究，在标签外使用的商业人工智能(AI)工具在排除病理方面有效，胸片的严重漏报率与放射科医生相同或更低。

人工智能的最新发展引发了人们对计算机辅助诊断日益增长的兴趣，部分原因是放射科面临的工作量增加、放射科医生的全球短缺以及该领域可能出现的职业倦怠。放射学实践中有大量不起眼的胸部x光片(没有临床显著的发现)，人工智能可以通过提供自动报告来改善工作流程。

丹麦的研究人员开始估算不明显的胸部x光片的比例，人工智能可以在不增加诊断错误的情况下正确排除病理。该研究包括1961例患者的放射学报告和数据(中位年龄72岁;993名女性)，每名患者在丹麦四家医院进行了一次胸部x光检查。

来自丹麦哥本哈根Herlev和Gentofte医院放射科的医学博士Louis Lind Plesner说:“我们的团队和其他人之前已经证明，人工智能工具能够高度自信地排除胸部x光片中的病理，从而在没有人类参与的情况下提供自主的正常报告。”“这样的人工智能算法很少会错过异常的胸部x光片。然而，在我们目前的研究之前，我们不知道这些模型的合适阈值是多少。”

研究小组想知道人工智能和放射科医生所犯错误的质量是否不同，以及人工智能的平均错误客观上是否比人类的错误更严重。

人工智能工具经过调整，可以产生胸部x射线“显著性”概率，用于计算不同人工智能敏感性下的特异性(一种衡量医学测试正确识别没有疾病的人的能力)。

两名胸部放射科医生对人工智能的输出不知情，他们根据预先确定的不显著结果，将胸部x光片标记为“显著”或“不显著”。人工智能和/或放射学报告遗漏的胸部x光片由一名胸部放射科医生(不知道错误是由人工智能还是放射科医生造成的)评定为严重、临床显著或临床不显著。

参考标准将1961张胸片中的1231张(62.8%)标记为显著，而将1961张胸片中的730张(37.2%)标记为不显著。人工智能工具在24.5%至52.7%的不显著胸部x光片中正确排除了病理，灵敏度大于或等于98%，与与图像相关的放射学报告相比，严重漏报率较低。

普雷斯纳博士指出，平均而言，人工智能犯的错误对患者的临床影响比放射科医生犯的错误更严重。

“这可能是因为放射科医生根据临床情况来解释结果，而人工智能不会，”他说。“因此，当人工智能打算提供自动的正常报告时，它必须比放射科医生更敏感，以避免在实施过程中降低护理标准。在这个人工智能能力涵盖多个高风险环境的时代，这一发现通常也很有趣，而不仅仅局限于医疗保健。”

据普雷斯纳博士说，人工智能可以自动报告一半以上的正常胸部x光检查。“在我们以医院为基础的研究人群中，这意味着超过20%的胸部x光片可以使用这种方法自主报告，同时保持比当前标准更低的临床相关错误率，”他说。

Plesner博士指出，在推荐广泛部署之前，需要使用研究中建议的阈值之一对模型进行前瞻性实施。