2772 AI assisted reader evaluation in CT head interpretation (AI-REACT): results from a multi-case multi-reader study
Notice bibliographique
Résumé
Aims and Objectives A non-contrast CT head scan (NCCTH) is the most common cross-sectional imaging investigation requested in the Emergency Department (ED), and several Artificial Intelligence (AI) tools have been developed to detect abnormalities on NCCTH, however there is currently little real-world evidence to support adoption. The AI-REACT study (IRAS 310995, NCT05427838) evaluated the impact of AI algorithm on the diagnostic performance of ED clinicians, radiologists and radiographers. Method and Design A retrospective dataset of 150 NCCTH was compiled, including 63 normal control cases and 97 abnormal cases containing intracranial haemorrhage (ICH), infarct, midline shift, mass effect, or skull fracture. 30 readers of varying experience were recruited across four NHS trusts including 10 general radiologists, 15 Emergency Medicine clinicians, and five CT radiographers. Readers interpreted each scan first without, then with, the assistance of the qER EU 2.0 AI tool, with an intervening 2-week washout period. Using an arbitrated consensus opinion of 2 neuroradiologists as ground truth, the stand-alone performance of qER was assessed, and its impact on the readers’ diagnostic performance analysed. Results and Conclusion Pooled analyses demonstrated a significant increase in reader sensitivity for abnormal scans (0.828 to 0.897, +0.069, 95%CI +0.106 to +0.0136, p >0.001) and ICH (0.846 to 0.916, +0.07 95%CI 0.108 to 0.0321 p = >0.001). ED clinicians with AI assistance demonstrated a sensitivity of 0.879 (abnormality) and 0.948 (ICH) compared to unaided radiologist sensitivity 0.890 (abnormality) and 0.939 (ICH), with no statistically significant changes in specificity. Use of AI-assisted image interpretation led to a significant increase in the ability of ED clinicians to accurately identify abnormality and ICH on CT Head scans, to a level comparable to that of radiologists. These important findings should be fully explored prospectively. Further analysis of the effects on pathology and reader subgroups will help to identify potential strengths and use cases for this application.
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 | 0,059 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».