最近人工智能推动同行评审发现放射科医生错过的关键发现这个话题，相信很多小伙伴都是非常有兴趣了解的吧，一段好的故事可以给读者带来很多值得深思的新东西，甚至还可以在一定程度上让读者的视野在瞬间扩大，那么既然现在大家都想要知道此类的信息，今日小编将给带来关于人工智能推动同行评审发现放射科医生错过的关键发现的资讯！
根据《学术放射学》上发表的新发现，人工智能可以作为高级同行评审工具为放射科医生提供重要的价值。作者解释说，这是一次，当时要求放射科医生解释比以往更多的医学图像。
耶鲁大学医学院MBBS的第一作者Balaji Rao写道：“尽管新的扫描仪技术提高了扫描质量，可以检测更多细微的发现，但它也增加了每次检查生成的图像数量。”同事。“数量的增加(每次检查的数量和每次检查的图像数量)都增加了放射科医生的负担。平均而言，放射线医生目前每三到四秒钟会解释一张图像。工作量的增加可能会增加出错的机会，并伤害放射科医生提供的护理质量。”
Rao等。他们专注于颅内出血(ICH)的研究，使用FDA批准的AI解决方案评估CT扫描是否存在ICH征象。然后，该工具的发现被追溯应用于超过5500次扫描，据一名放射科医生或实习生称，这些扫描未显示出ICH的迹象。所有扫描均于2017年11月和2017年12月在八个不同的成像地点之一进行。
总体而言，该解决方案报告了在28种不同的CT扫描中可能存在的ICH。由三名神经放射科医生组成的小组对每个发现进行了审查，确定正确识别了16项标记的扫描。发现最初解释每张图像的专家的总体假阴性率为1.6%。AI工具最终的假阳性率为32%。
作者写道：“鉴于潜在的影响，诊断错误可能对患者的结局，新的AI工具以及可以帮助放射科医生的技术具有巨大的价值，因为临床医生努力不断降低错误率并改善患者护理水平。” “使用卷积神经网络等深度学习技术对AI进行影像学研究的自动分类有可能实现这一目标。”
作者确实指出，在这一时间点上确定该AI解决方案发现的临床影响具有挑战性。然而，研究中至少有一个例子表明，人工智能驱动的同行评审技术如何有效改善结果。
Rao及其同事写道：“其中一名放射科医生未确定ICH的患者在六天后表现为出血量大幅增加。” “希翼人工智能解决方案的广泛实施可以防止这种不利的临床情况。”