跳到正文
原文
medRxiv 预印本· Nowroozi, A., Bondarenko, M., Brar, S. S., Haas, B., Brown, J., Rustagi, A., Graham, B., Hudson, M., Su, G., Yala, A., Sohn, J. H. ·· 14 天前AI 评分38

研究:AI 工具 Sybil 或可安全延长肺癌筛查间隔、减少影像工作量

Investigating AI's potential in risk-stratifying lung cancer screenings for extending screening intervals and reducing workload: A retrospective analysis of a tertiary hospital cohort

AI 导读

一项基于三级医院3120例肺癌筛查的回顾性分析显示,影像深度学习风险预测工具 Sybil 在 Lung-RADS 1/2 病例中的2年 AUC 为0.746,整体 AUC 为0.819-0.912。模拟将30%筛查转为两年一次时,Sybil 可使33.8%的阴性筛查安全延长间隔且无延迟发现的癌症;Brock 模型在本数据中 AUC 仅0.513。

来源:medRxiv 预印本 · medrxiv.org