Журнал сосудистой медицины и хирургии

Абстрактный

Автоматизированное обнаружение рака легких: сравнение между врачами: обзор литературы

Кавия Сатьякумар, Майкл Муньос, Снихал Бансод, Джайкаран Сингх, Жасмин Хундал, Би Бенсон А. Бабу

Введение: Рак легких является основной причиной смерти от рака в Соединенных Штатах и ​​во всем мире. Радиологи и врачи ежедневно испытывают большую нагрузку, поэтому подвержены высокому риску выгорания. Чтобы облегчить это бремя, в этом обзоре литературы сравниваются производительность четырех различных моделей ИИ в обнаружении рака легких, а также их производительность для врачей/радиологов.

Методы: 648 статей были извлечены с 2008 по 2019 год. Было отобрано 4/648 статей. Критерии включения: возраст 18-65 лет, КТ грудной клетки, узел в легком, рак легкого, глубокое обучение, ансамблевые и классические методы. Критерии исключения: возраст старше 65 лет, гибридное ПЭТ-сканирование, рентгенография и геномика. Анализ результатов: чувствительность, специфичность, точность, кривая ROC чувствительности-специфичности, площадь под кривой (AUC). Базы данных: PubMed/MEDLINE, EMBASE, библиотека Cochrane, Google Scholar, Web of science, IEEEXplore, DBLP.

Заключение: Гибридная архитектура глубокого обучения — это современная архитектура с высокой точностью производительности и низким количеством ложноположительных отчетов. Будущие исследования, сравнивающие точность каждой модели в глубину, были бы ценны. Автоматизированные системы помощи врачу, такие как эта гибридная архитектура, могут помочь сохранить высококачественные отношения между врачом и пациентом и снизить выгорание врача.