KVAK, Daniel, Anna CHROMCOVÁ, Marek BIROŠ, Robert HRUBÝ, Karolína KVAKOVÁ, Marija PAJDAKOVIĆ a Petra OVESNÁ. Chest X-Ray Abnormality Detection by Using Artificial Intelligence: A Single-Site Retrospective Study of Deep Learning Model Performance. BioMedInformatics. Basel, Switzerland: MDPI, 2023, roč. 3, č. 1, s. 82-101. doi:10.3390/biomedinformatics3010006.
Abstrakt:
Rentgenový snímek hrudníku (CXR) je v klinické praxi hojně využíván, ale včasné interpretaci může bránit lidský faktor nebo nedostatečné stanovení priorit pacientů. Navržený model byl vyvinut k detekci vizuálních vzorů na CXR pro 12 předem vybraných nálezů. K vyhodnocení navrženého systému jsme navrhli retrospektivní studii na jednom pracovišti, která porovnávala algoritmus hlubokého učení (DL) s výkonem 5 různě zkušených radiologů. Na hodnoceném souboru dat (n=127) shromážděném z městské nemocnice v České republice dosáhl navržený model senzitivity 0,925 a specificity 0,644 ve srovnání s bootstrapovanou senzitivitou radiologa 0,661 a specificitou 0,803, resp. Míra falešně negativních výsledků vyšetření navrženého modelu byla nižší než u všech srovnávaných radiologů.
