The impact of deep learning aid on the workload and interpretation accuracy of radiologists on chest computed tomography: a cross-over reader study

胸部计算机断层扫描（CT）的解读需要耗费大量时间。之前的研究已经测量了使用基于深度学习的辅助工具（DLA）对CT解读节省时间的效果。我们评估了多种病理学DLA对放射科医生阅读时间和准确性的联合影响。40名放射科医生随机分为三个实验组：对照组（10人），不使用辅助工具解读研究；知情组（10人），了解DLA病理学，但没有使用它进行解读；实验组（20人），解读一半研究使用DLA，另一半不使用。每个实验组使用同样的200个CT研究，这些研究是从BIMCV-COVID19数据集中回顾性收集的；每个放射科医生提供了20个CT研究的解读。我们比较了参与者对12种病理学发现的诊断报告的解读时间和准确性。 对照组每个研究的平均阅读时间为15.6分钟[标准差（SD）8.5]，知情组为13.2分钟[SD 8.7]，实验组没有DLA的为14.4分钟[SD 10.3]，实验组使用DLA的为11.4分钟[SD 7.8]。平均灵敏度和特异度分别为：对照组为41.5 [SD 30.4]，86.8 [SD 28.3]；知情组未辅助的为53.5 [SD 22.7]，92.3 [SD 9.4]；实验组未使用DLA的为63.2 [SD 16.4]，92.3 [SD 8.2]；实验组使用DLA的为91.6 [SD 7.2]，89.9 [SD 6.0]。DLA每个研究缩短了2.9分钟的解读时间（CI95 [1.7，4.3]，p<0.0005），提高了28.4的灵敏度（CI95 [23.4，33.4]，p<0.0005），降低了2.4的特异度（CI95 [0.6，4.3]，p=0.13）。 在实验组的20名放射科医生中，有16人的阅读时间和灵敏度均有所提高，有两人的时间有轻微下降但灵敏度提高，有两人的灵敏度提高但时间增加。总体而言，DLA的引入使解读时间减少了20.6%。

评估深度学习辅助对放射科医生胸部CT解读的影响，包括时间和准确性。

使用多病理DLA可显著提高放射科医生的解读时间和准确性，但会降低特异性。

实验设计为40名放射科医生随机分为三组，分别进行不同的解读方式，使用200个CT病例进行比较。DLA可提高解读速度2.9分钟/病例，提高敏感度28.4%，降低特异性2.4%。DLA介绍可使20名实验组中的16名医生的解读时间和敏感度都有所提高。

最近的相关研究主要集中在使用深度学习辅助医生进行影像解读的领域，如《Deep Learning for Chest Radiograph Diagnosis: A Retrospective Comparison of the CheXNeXt Algorithm to practicing Radiologists》。