目的 探讨智能医生助理关键技术及应用研究.方法 本院影像科数据采用人工智能深度学习的方法,建立并采用预先发表的数据集进行训练,随后采用测试集进行系统测试,再采用(consensus-based image description evaluation,CIDEr)评分方法对测试集和训练集数据进行评估,于原始数据集中随机抽取2018年1月—2020年1月由本院影像科医生给出报告(专家组)100份由训练完成的系统给出报告(模型组)100份.比较两组生成报告评分;比较两组诊断价值,并绘制受试者工作曲线(ROC).结果 本次评分结果中,5分报告模型组有79份(79.00％),专家组有83份(83.00％),组间比较差异无统计学意义(P>0.05);4分报告模型组有10份(10.00％),专家组有6份(6.00％),组间比较差异无统计学意义(P>0.05);3分报告模型组有6份(6.00％),专家组有5份(5.00％),组间比较差异无统计学意义(P>0.05);2分报告模型组有0份(0),专家组有3份(3.00％),组间比较差异无统计学意义(P>0.05);1分报告模型组有5份(5.00％),专家组有3份(3.00％),组间比较差异无统计学意义(P>0.05);两组生成报告评分平均分值比较差异无统计学意义(P>0.05);专家组报告的灵敏度和特异度分别为90.57％和89.36％,AUC值为0.889,95％CI(0.810～0.943),模型组报告的灵敏度和特异度分别为88.68％和87.23％,AUC值为0.852,95％CI(0.767～0.915).结论 智能医生助理可有效帮助影像科医生自动生成图像报告,进而为临床医生诊疗方案的制定提供更佳的数据支持.

智能医生助理;关键技术;应用;CIDEr评分;人工智能;灵敏度

赵侠;贺轲

广东省工人医院外科,广东 广州 510000;广东省第二 人民医院普通外科,广东 广州 510000

中国卫生标准管理

[1]赵侠;贺轲-.智能医生助理关键技术及应用研究)[J].中国卫生标准管理,2022(04):49-52

智能医生助理

技术及应用,本院,影像科,测试集,系统测试,consensus,image,description,evaluation,CIDEr,评分方法,训练集,原始数据,随机抽取,出报,专家组,成报,诊断价值,受试者工作曲线,平均分,自动生成,成图,临床医生,诊疗方案

0.219104