Artificial Intelligence in CT Imaging: A Systematic Review of Diagnostic Accuracy, Clinical Decision–Support Impact, and Integration Pathways
Notice bibliographique
Résumé
ABSTRACT Artificial intelligence (AI) is rapidly transforming radiology and computed tomography (CT) imaging by enabling automated image analysis, improved diagnostic accuracy, and clinical decision–support. We performed a systematic review of peer‐reviewed studies published between January 1, 2010 and March 31, 2025 to quantify reported gains in diagnostic performance and workflow efficiency, to evaluate clinical decision–support benefits and risks, and to identify integration priorities. We searched PubMed, IEEE Xplore, Scopus, ScienceDirect, and Google Scholar and screened 128 records; 26 studies met the inclusion criteria. Extracted data included study design, AI architecture, sample size, and quantitative performance metrics; study quality was assessed using Newcastle–Ottawa Scales (NOS), Cochrane RoB 2, or AMSTAR 2 as appropriate. Across included studies, AI applications in CT showed consistent improvements in sensitivity, specificity, and time‐to‐diagnosis in specific tasks (notably lung‐nodule detection and intracranial hemorrhage triage), with reported detection‐rate increases up to ∼20% and reduced turnaround times in several real‐world implementations. Barriers include dataset bias, limited external validation, interpretability (“black‐box”) concerns, workflow integration challenges, and evolving regulatory issues. Economic analyses suggest potentially favorable return on investment (ROI) in high‐volume settings but are sensitive to licensing and infrastructure costs. To realize AI's benefits in CT imaging, rigorous multi‐center validation, transparent reporting, human‐centered workflow design, and post‐deployment surveillance are essential.
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 | 0,027 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,015 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| 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 ».