Lunit将在2024年12月于芝加哥举行的北美放射学会（RSNA 2024）上展示与其AI诊断解决方案Lunit Insight相关的20项研究摘要。该公司周二表示，这20项摘要自Lunit开始参加医学会议以来，是被协会接受最多的。
第110届RSNA将以“建立智能连接”为主题，今年的会议将重点关注AI在放射学中的变革作用，专家会场将探讨AI如何减轻医生的负担并简化护理流程。
Lunit的一项关键研究由美国埃默里大学医院放射学副教授Hari Trivedi博士领导的团队进行。该团队回顾性分析了121,995张数字乳腺X光图像，评估了Lunit的三维乳腺X光AI图像分析解决方案Lunit Insight DBT的临床有效性。
结果显示，基于AUC（曲线下面积）这一AI模型的代表性性能评估指标，Lunit Insight DBT的整体诊断性能为0.92，灵敏度为84.5%，特异性为83.8%。无论种族、民族、年龄和乳房密度等变量，其性能均无显著差异，并且在钙化（AUC 0.88）和结构扭曲（AUC 0.97）等较难读取的病变类型中也表现出高诊断性能。
Lunit表示，这项研究的意义在于证明了其AI解决方案在提供更精确的三维图像分析方面优于传统的二维乳腺X光片。公司还指出，该AI解决方案在不同患者群体中表现出一致且可靠的诊断性能，包括种族和年龄，以及对于即使是放射科医生也难以读取的某些病变类型。
另一项关键研究是由英国牛津大学医院NHS基金会信托基金的临床AI研究人员Ruchir Shah博士领导的团队进行的“多读者多病例研究”。在这项研究中，来自不同学科的30名专家，包括放射学、急诊医学、内科和重症监护，使用Lunit Insight CXR（胸部X光AI图像分析解决方案）解读结果。
研究发现，AI单独对10种主要胸部疾病的诊断准确率为AUC 0.83至0.99，其中8种的准确率超过0.9。当临床医生使用Lunit AI时，8种主要肺部疾病的诊断准确率统计上显著提高。特别是，AI辅助诊断肺纤维化的性能改善最大，AUC为0.193，优于单独的临床医生。
Lunit表示，这项研究表明，AI可以显著提高多学科临床医生对胸部X光片的诊断准确性，特别是在需要快速临床判断的情况下，如急诊室，AI可以有效支持医疗人员的整体诊断决策。
Lunit首席执行官苏秉硕表示：“这些研究表明，无论患者特征（如种族和年龄）或医务人员的专业领域，Lunit的AI解决方案都具有一致性和可靠性。随着RSNA作为全球最大的放射学会议也关注AI的作用，我们将继续进行研发，以最大化医务人员与AI之间的协同效应。”
(全文结束)
