研究发现人工智能可以改善MRI中的问题

“我们认为，由于缺乏公开的文献来量化实际工作流程实施的影响，因此本研究的主要优势在于它的经验方法，而先前的研究则假定了将机器学习技术应用于此问题的潜在好处，”作者这篇AJR文章的总结。“我们研究的目的不是要生成一个高度复杂的模型，而是要生成一个可以相对快速地开发，需要少的数据处理并且可以容易地部署在工作流实践中以提高质量的模型。”

弗吉尼亚州利斯堡，2020年9月10日-根据ARRS的《美国放射学杂志(AJR)》，人工智能(AI)预测分析在解决复杂的多因素操作问题方面表现良好，尤其是门诊MRI预约没有出现-使用少量数据和基本要素工程。

主要作者Le Roy Chong写道：“这些数据可以很容易地从大多数医院放射科常用的一线信息技术系统中检索出来，并且可以很容易地将其纳入日常工作流程实践中，以提高医疗服务的效率和质量。”樟宜综合医院。

为了训练和验证他们的模型，Chong及其同事从其机构的放射学信息系统中提取了计划在2016年1月至2018年12月之间进行的32,957例门诊MRI预约记录，并从2019年1月起获得了1,080条记录的进一步保留测试集。展示率为17.4%。

在评估了使用广泛使用的开源软件工具开发的各种机器学习预测模型之后，Chong及其团队部署了基于决策树的集成算法，该算法使用了梯度提升框架：XGBoost，版本0.80 [Tianqi Chen]。

如Chong等。解释说：“该模型预测，对模型中出现的约会预约缺席风险高的25%高的 使用电话提醒的简单干预措施是在6个月内实施的。”

部署后六个月，预测模型的不出现率为15.9%，而之前的12个月干预前期间为19.3%，与基线不出现率相比提高了17.2%(p <0.0001) 。如模型所预测的，在约会未出现高风险组中，可接触和不可接触 的未出现率分别为17.5%和40.3%(p <0.0001)。