胸部X線診断のための深い学習：人工知能支援の有無にかかわらず、放射線科医間の競争

この研究の目的は、放射線科医が胸部レントゲン写真の診断の改善された効率と精度を達成するのを支援する際の深い学習アルゴリズムのパフォーマンスを評価することを目的としています。深い学習アルゴリズムを採用して、胸部レントゲン写真の通常の所見と13の異なる異常の存在を同時に検出し、放射線科医を支援するパフォーマンスを評価しました。各競合する放射線科医は、AIが提供するラベルに基づいて、これらの兆候の有無を決定する必要がありました。100のレントゲン写真は、評価のために2つのセットにランダムに分割されました。1つはAI支援（コントロールグループ）、もう1つはAI支援（テストグループ）です。111人の放射線科医の精度、偽陽性率、偽陰性率、および分析時間を評価しました。放射線科医には、各画像読み取りに対して14ポイントの初期スコアが与えられ、1ポイントが間違った回答で差し引かれ、正しい答えで0ポイントが与えられました。各医師の最終スコアは、バックエンド計算機によって自動的に計算されました。2つのグループ（コントロールグループとテストグループ）の各放射線科医の平均スコアを計算し、AI支援の有無にかかわらず放射線科医のパフォーマンスを評価するために平均スコアを計算しました。111人の放射線科医の平均スコアは、対照群で597（587-605）、テストグループで619（612-626）でした（P <0.001）。コントロールグループとテストグループで111人の放射線科医が費やした時間は、それぞれ3279（2972-3941）と1926（1710-2432）s（p <0.001）でした。2つのグループの111人の放射線科医のパフォーマンスは、受信機動作特性曲線（AUC）の下の領域によって評価されました。放射線科医は、正常な所見、肺線維症、心臓影の拡大、質量、胸水、および肺統合認識の観点から、レントゲン写真の試験群でより良いパフォーマンスを示し、AUCSは1.0、0.950、0.991、1.0、0.993、および0.982、0.982、それぞれ。放射線科医のみが、大動脈石灰化（0.993）、石灰化（0.933）、空洞（0.963）、結節（0.923）、胸膜肥厚（0.957）、およびrib骨骨折（0.987）の認識でより良いパフォーマンスを示しました。この競争により、放射線科医が胸部X線を解釈するのを支援する際の深い学習方法のプラスの効果が確認されました。AIの支援は、放射線科医の有効性と効率の両方を改善するのに役立ちます。

This study aimed to assess the performance of a deep learning algorithm in helping radiologist achieve improved efficiency and accuracy in chest radiograph diagnosis. We adopted a deep learning algorithm to concurrently detect the presence of normal findings and 13 different abnormalities in chest radiographs and evaluated its performance in assisting radiologists. Each competing radiologist had to determine the presence or absence of these signs based on the label provided by the AI. The 100 radiographs were randomly divided into two sets for evaluation: one without AI assistance (control group) and one with AI assistance (test group). The accuracy, false-positive rate, false-negative rate, and analysis time of 111 radiologists (29 senior, 32 intermediate, and 50 junior) were evaluated. A radiologist was given an initial score of 14 points for each image read, with 1 point deducted for an incorrect answer and 0 points given for a correct answer. The final score for each doctor was automatically calculated by the backend calculator. We calculated the mean scores of each radiologist in the two groups (the control group and the test group) and calculated the mean scores to evaluate the performance of the radiologists with and without AI assistance. The average score of the 111 radiologists was 597 (587-605) in the control group and 619 (612-626) in the test group (P < 0.001). The time spent by the 111 radiologists on the control and test groups was 3279 (2972-3941) and 1926 (1710-2432) s, respectively (P < 0.001). The performance of the 111 radiologists in the two groups was evaluated by the area under the receiver operating characteristic curve (AUC). The radiologists showed better performance on the test group of radiographs in terms of normal findings, pulmonary fibrosis, heart shadow enlargement, mass, pleural effusion, and pulmonary consolidation recognition, with AUCs of 1.0, 0.950, 0.991, 1.0, 0.993, and 0.982, respectively. The radiologists alone showed better performance in aortic calcification (0.993), calcification (0.933), cavity (0.963), nodule (0.923), pleural thickening (0.957), and rib fracture (0.987) recognition. This competition verified the positive effects of deep learning methods in assisting radiologists in interpreting chest X-rays. AI assistance can help to improve both the efficacy and efficiency of radiologists.