이 쿠키는 웹사이트가 정상적으로 작동하는 데 필요하며 시스템에서 꺼질 수 없습니다. 주로 사용자가 요청한 서비스(개인정보 설정, 로그인, 양식 작성 등)를 제공하기 위해 설정됩니다. 브라우저에서 이 쿠키를 차단하거나 알림을 받을 수 있도록 설정할 수 있지만, 이 경우 사이트 일부 기능이 정상적으로 작동하지 않을 수 있습니다. 이 쿠키는 개인 식별 정보를 저장하지 않습니다.
+타겟팅 쿠키
이 쿠키는 광고 파트너를 통해 설정되며, 귀하의 관심사에 기반한 광고를 다른 사이트에 표시하는 데 사용됩니다. 이 쿠키는 직접적으로 개인정보를 저장하지 않으며, 브라우저와 인터넷 기기 식별을 기반으로 작동합니다. 이 쿠키를 허용하지 않으면 타겟팅 광고를 덜 경험하게 됩니다.
+성능 쿠키
이 쿠키는 웹사이트 방문자 수 및 트래픽 소스를 집계하여, 사이트의 성능을 측정하고 개선하는 데 사용됩니다. 어떤 페이지가 인기가 많은지, 방문자가 사이트를 어떻게 이동하는지를 파악하는 데 도움이 됩니다. 모든 정보는 익명으로 수집되며, 이 쿠키를 허용하지 않을 경우 방문 및 활동 기록을 알 수 없어 사이트 성능 모니터링에 제약이 생깁니다.
Histological proven AI performance in the UKLS CT lung cancer screening study: Potential for workload reduction
Authors
Harriet L. Lancaster, Beibei Jiang, Michael P.A. Davies, Jan Willem C. Gratama, Mario Silva, Jaeyoun Yi, Marjolein A. Heuvelmans, Geertruida H. de Bock, Anand Devaraj, John K. Field, Matthijs Oudkerk
This study validated the AI software AVIEW LCS version 1.1.39 using the UK lung cancer screening (UKLS) CT dataset to assess its potential for lung cancer detection and reducing reading workload. The AI analyzed baseline CT scans from 1,252 individuals and was compared against human readers and histological lung cancer diagnoses. AI demonstrated fewer misclassifications than human readers and achieved a sensitivity of 99.8%, detecting 31 cases of lung cancer. However, one case was misclassified as negative due to the application of the 100mm³ threshold. Using AI as a first reader was estimated to reduce CT reading workload by up to 79%. The study results indicate that a rule-out approach leveraging AI can enhance the efficiency of lung cancer screening and alleviate the workload of radiologists.
목록으로
