Computer-aided detection of pulmonary tuberculosis on digital chest radiographs: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: To systematically review the diagnostic accuracy of computer-aided detection (CAD) of pulmonary tuberculosis (PTB) on digital chest radiographs (CXR). DESIGN: We searched four databases for articles published between January 2010 and December 2015 comparing CAD of PTB on CXR to a microbiologic reference standard (smear, culture or polymerase chain reaction). We collected and summarised data on study design, CAD software and diagnostic accuracy (sensitivity, specificity, area under the curve [AUC]). RESULTS: We included 5 of 455 articles identified by searching databases. PTB prevalence ranged from 18% to 60%, and human immunodeficiency virus (HIV) prevalence from 33% to 68%. All articles evaluated CAD4TB, the only commercially available software. AUC ranged from 0.71 to 0.84. Software settings that increased sensitivity resulted in important reductions in specificity, and vice versa. Risk of bias was low in prospective studies (n = 2), and high in retrospective studies (n = 3). CONCLUSION: Evidence assessing CAD's diagnostic accuracy is limited by the small number of studies, most of which have important methodological limitations, the availability and evaluation of only one software programme, and limited generalisability to settings where PTB and HIV are less prevalent. Additional research is required.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».