• 文件
  • 知识库

癌症筛查人工智能系统的国际评价

[{"authorId":"2047820455","name":"S. McKinney"},{"authorId":"1717409","name":"M. Sieniek"},{"authorId":"40156666","name":"Varun Godbole"},{"authorId":"2069002234","name":"Jonathan Godwin"},{"authorId":"4763345","name":"Natasha Antropova"},{"authorId":"46370967","name":"H. Ashrafian"},{"authorId":"2830305","name":"T. Back"},{"authorId":"1472894368","name":"Mary Chesus"},{"authorId":"1472894007","name":"Greg C. Corrado"},{"authorId":"11388466","name":"A. Darzi"},{"authorId":"1970920","name":"M. Etemadi"},{"authorId":"2001051215","name":"Florencia Garcia-Vicente"},{"authorId":"1864156","name":"F. Gilbert"},{"authorId":"1401807057","name":"M. Halling-Brown"},{"authorId":"48987704","name":"D. Hassabis"},{"authorId":"1472894042","name":"Sunny Jansen"},{"authorId":"6413143","name":"A. Karthikesalingam"},{"authorId":"144887886","name":"Christopher J. Kelly"},{"authorId":"1388915274","name":"Dominic King"},{"authorId":"48072655","name":"J. Ledsam"},{"authorId":"1423630269","name":"David S. Melnick"},{"authorId":"70605050","name":"Hormuz Mostofi"},{"authorId":"49506408","name":"L. Peng"},{"authorId":"40056219","name":"J. Reicher"},{"authorId":"1403031665","name":"Bernardino Romera-Paredes"},{"authorId":"32833207","name":"R. Sidebottom"},{"authorId":"2573615","name":"Mustafa Suleyman"},{"authorId":"145448045","name":"Daniel Tse"},{"authorId":"74009209","name":"K. Young"},{"authorId":"3364908","name":"J. Fauw"},{"authorId":"2894170","name":"S. Shetty"}]

()

|

5

关键词

摘要

AI理解论文

这篇文档主要介绍了一项研究,旨在评估人工智能系统在乳腺癌筛查中的性能,并与临床放射科医生的表现进行比较。文档包括了研究的背景、方法、结果和潜在的临床应用。下面是对文档主要内容的详细描述:

  1. 背景和方法:

    • 文档首先介绍了研究的背景和方法。研究使用了乳腺癌筛查的放射学图像和临床信息,以评估人工智能系统在识别潜在癌症病例方面的性能。
    • 通过对读者进行调查,研究了他们对乳腺癌筛查图像的解读,以及他们对潜在恶性病例的诊断评分和怀疑程度的报告。
  2. 数据分析和结果:

    • 研究使用了标准的乳腺癌筛查图像和临床信息,对人工智能系统和临床放射科医生的表现进行了比较。
    • 通过多地点的数据集和读者研究,对人工智能系统的性能进行了全面的评估,包括对恶性病变的定位和诊断准确性的分析。
  3. 潜在的临床应用:

    • 文档讨论了人工智能系统在临床应用中的潜在价值,包括在减轻医生工作负担和提供即时反馈方面的应用。
    • 通过模拟实验,展示了人工智能系统在乳腺癌筛查中的潜在效益,包括减少第二读者的工作量和提高负面预测值和阳性预测值的准确性。
  4. 性能分析和结果:

    • 文档详细分析了人工智能系统和临床放射科医生的性能,包括敏感性、特异性和阳性预测值等指标的比较。
    • 对人工智能系统和临床放射科医生在识别恶性病变方面的性能进行了深入的分析,包括对误差和差异的讨论。
  5. 潜在的临床应用:

    • 文档讨论了人工智能系统在临床应用中的潜在价值,包括在减轻医生工作负担和提供即时反馈方面的应用。
    • 通过模拟实验,展示了人工智能系统在乳腺癌筛查中的潜在效益,包括减少第二读者的工作量和提高负面预测值和阳性预测值的准确性。

总的来说,这篇文档详细介绍了人工智能系统在乳腺癌筛查中的性能评估和临床应用潜力,提供了对该领域最新研究成果的深入理解。

Chat Paper

当前问答基于全文

转入私有库对话