Artificial intelligence in nuclear cardiology: Technical perspectives, strategic directions, and recommendations from an IAEA expert working group
Notice bibliographique
Résumé
Artificial intelligence (AI) is increasingly permeating nuclear cardiology and offers the possibility to enhance diagnostic accuracy, prognostic stratification, and operational efficiency. AI is demonstrating applicability across the imaging workflow-from individualized patient selection and adaptive image reconstruction to denoising of low-dose datasets, automated attenuation and motion correction, calcium scoring, and the integration of imaging with clinical and functional variables for enhanced diagnosis and comprehensive risk assessment. But the translational trajectory of AI in nuclear cardiology is challenged by the lag in fundamental AI knowledge among researchers and clinicians, the quality of the target data regarding heterogeneity in acquisition protocols, scanner platforms, and patient populations, and by infrastructural disparities that constrain the generation of large, representative datasets needed for training and validation, particularly in low-resource settings. Additionally, necessary regulatory and legal frameworks remain in early stages of harmonization. This white paper, developed by an International Atomic Energy Agency (IAEA) working group, provides a succinct overview of the technical basis, areas of deployment, clinical value and unmet challenges of AI in nuclear cardiology. It makes punctual suggestions to aid maturation in this area while maintaining a sober interaction with the overwhelming nature of the field. These include promoting standardized acquisition and reporting practices, establishing globally representative reference datasets, promoting imaging multimodality frameworks and developing AI-proficient clinical and technical personnel. Under these conditions, AI may meaningfully enhance the diagnostic and prognostic value of nuclear cardiology while supporting equitable implementation and preserving clinical accountability.
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 | 0,087 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,014 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».