Künstliche Intelligenz für Diagnosen in der Radiologiepraxis: eine schnelle systematische Scoping-Übersicht

Hintergrund: Ziel dieser Überprüfung war es, Beweise für die Verwendung von Künstlicher Intelligenz (KI) zur Unterstützung von Diagnosen in der Radiologie zu evaluieren, einschließlich Implementierung, Erfahrungen, Wahrnehmungen, quantitativen und Kostenergebnissen. Methoden: = 6). Ergebnisse: Faktoren, die die Einführung von KI beeinflussen, wurden identifiziert, darunter die hohe technische Nachfrage, mangelnde Anleitung, Schulung/Wissen, Transparenz und Expertenengagement. Die Beweise deuteten auf Verbesserungen der diagnostischen Genauigkeit und Verkürzungen der Interpretationszeit hin. Es gab jedoch gemischte Beweise bezüglich der Erfahrungen mit der Verwendung von KI, des Risikos zunehmender falsch-positiver Ergebnisse und der breiteren Auswirkungen von KI auf die Effizienz der Arbeitsabläufe und die Kostenwirksamkeit. Interpretation: Die potenziellen Vorteile von KI sind offensichtlich, aber es gibt eine Knappheit an Beweisen in realen Situationen, was eine vorsichtige Wahrnehmung von KI unterstützt (z. B. als ergänzendes Werkzeug, nicht als Lösung). Wir skizzieren umfassendere Auswirkungen auf Politik und Praxis und fassen die Beweislücken zusammen. Finanzierung: Dieses Projekt wird vom National Institute for Health and Care Research, Health and Social Care Delivery Research Programm (Ref: NIHR156380) finanziert. NJF und AIGR werden vom National Institute for Health Research (NIHR) Central London Patient Safety Research Collaboration unterstützt, und NJF ist ein NIHR Senior Investigator. Die geäußerten Ansichten sind die der Autor(en) und nicht notwendigerweise die des NIHR oder des Ministeriums für Gesundheit und soziale Dienste.