协作式通才-专科AI用于非增强脑CT的安全工作列表降级

对非增强脑部计算机断层扫描（NCCT）进行安全降级处理，要求在常见与少见但需临床关注的发现上具备高敏感性和阴性预测值（NPV）。在此，我们提出一种协作式安全网，将通过对比语言-图像预训练（CLIP）构建的通用基础模型 BrainCT-CLIP 与商用检测器相结合。每项检查均保留在报告工作流中，仅当所有模型均未返回阳性结果时才予以降级。在一项针对连续急诊与创伤队列（n = 2001）的回顾性多中心外部验证中，独立商用检测器使 324 项显著异常检查中的 31 项被降级，其中包括 16 项目标疾病假阴性和 15 项超出其适应证的检查。相比之下，协作系统在开发队列中预设的阈值下找回了所有显著异常检查，实现了 100% 的敏感性和 NPV，同时对 18% 的检查进行了降级（368/2001；95% CI，17–20）。这些发现支持在放射科医师监督下使用通用-专用 AI 进行安全的工作列表降级，并对需要临床关注的颅内发现具有高敏感性。

中文由 AI 翻译，仅供参考，以原文为准。