不知道如何写作文章，推荐国内最强的AI写作工具，帮你写爆款文案

人工智能辅助医疗诊断领域。

比如2020年10月20日发表在上的一篇文章《 to MRI for 》。

这项研究评估了：放射科医生在利用乳腺DCE-MRI（动态对比增强的磁共振成像），判断患者是否患癌过程中，使用AI（人工智能）与使用传统软件时诊断能力的差异。

这篇文章的第一作者是来自芝加哥大学的Yulei Jiang博士。

19位乳腺影像放射科医生作为被测者，对111份乳腺DCE-MRI检查图像进行了两次解读。“一读”时被测者使用包括动力学图在内的传统软件，“二读”时被测者使用了具有AI分析功能的计算机辅助诊断软件。

该AI辅助软件名为，是一种计算机辅助诊断MRI软件，用于解读乳腺图像。该系统由芝加哥大学开发，然后在 ，即现在的 翻译并制作成。该人工智能（AI）软件旨在帮助放射科医生评估和表征各种临床适应症和磁共振成像技术方案下的乳房病变。

用户界面的屏幕截图

研究设计旨在模仿临床实践中乳腺MRI扫描的解读过程AI一键帮你写论文，即放射科医生首先确定可疑病变的位置，然后分析诊断结果。首先向被测者确定病变位置，所有被测者在每个病例中解读相同的病变。然后被测者对每个研究选择的病变进行0-100分的恶性评估，并采用乳腺影像报告和数据系统（BI-RADS）评估病变类别，具体如下：1（阴性），2（良性），3（良性可能），4a（低度怀疑恶性），4b（中度怀疑恶性），4c（高度怀疑恶性），和5（高度提示恶性）。

值得注意的是，这两次解读中，没有以往图像可供比较，没有临床信息，也没有病人病史。每位被测者解读病例的顺序都是随机的。两次解读间没有间隔，所有被测者在相同的观察条件下解读图像人工智能系统软件，都对所有病例进行了解读。房间的光线被调暗以模拟临床解读条件。

结果发现，使用AI系统时，放射科医生的ROC曲线下平均面积(AUC)从 0.71提高到0.76 (P=0.04)。当使用BI-RADS 3类病变作为分界时，使用AI系统的敏感性从90%提高到94%，但特异性在使用传统软件和AI软件上没有区别。

作者得出结论，在乳腺DCE-MRI上区分癌症和非癌症时，人工智能系统软件提高了放射科医生的诊断准确性。

我们国家放射科、病理科、放疗科的医生数量严重不足，中国医师协会放射科分会主任委员、北京友谊医院副院长王振常曾在会议中说过“2016年，放射科医师达到15.8万人，但中国一年医学影像总就诊人次达75.4亿”。

同时，培养出优秀的医学影像专业医生，所用时间长，投入成本大。

另外人工智能系统软件，人工读片时主观性太大，影像诊断过于依赖人的主观意识，在判断过程中容易出现误判。

通过大量学习医学影像，AI可以帮助医生进行病灶区域定位，减少漏诊误诊问题。人工智能应用于医疗诊断，意味着全社会都能得到更高效、更准确的医疗救助，更短的等待时间和更低的错误率。

参考文献：

Jiang Y, AV, GM. to MRI for . . 2021;298(1):38-46. doi:10.1148/.

手机浏览，点击图片保存二维码到相册，然后打开微信扫一扫选择本二维码图片就可以进入，电脑端微信“扫一扫”二维码，进入找聊天搭子平台，里面有找饭搭子、找对象、找陪伴服务等等