目的：通过一项有前瞻性的临床研究，研究经过训练的卷积神经网络(CNN)是否可以帮助放射科医生使用胸部X射线(CXR)将冠状病毒病(COVID)阳性与阴性的冠状病毒病患者区分开。识别可能具有特殊价值的患者亚组，并通过可视化技术分析哪些成像功能可能对AI的性能有所贡献。

方法：根据2位放射科医生的共识，将487例患者的CXR分为[4]类：正常，典型COVID，不确定和非COVID。然后，通过AI对分类为“正常”和“不确定”的CXR进行分析，并根据网络的预测提供最终分类。与作为标准的逆转录酶-聚合酶链反应(RT-PCR)相比，仅计算了放射线医师和AI协助的放射线医师的准确性和召回率。分析了CNN的注意力图，以了解CXR中对AI算法做出预测重要的区域。

结果：在提供AI协助的情况下，放射科医生的准确性从65.9%提高到81.9%，召回率从17.5提高到71.75。AI在将“正常” CXR分为COVID或非COVID时显示出92%的准确性。对注意力图的分析揭示了这些“正常”射线照片中对心脏阴影的关注。

结论：这项研究表明AI算法的部署如何可以辅助人类专家确定COVID状态。对检测到的特征的分析表明可能存在细微的心脏变化，为进一步的研究可能的心脏变??化奠定了基础。

要点：

•通过一项有前景的临床研究，我们证明了与RT-PCR相比，使用AI算法可以协助改善放射科医生通过评估CXR判断COVID的准确性(阳性预测值)。

•我们证明，在放射科医生分类为“正常”的图像中，人工智能取得了最佳效果。我们推测，人眼无法察觉的CXR中可能存在的细微心脏可能有助于此预测。

•报告的结果可能为人机协作铺平道路，在AI算法的帮助下，专家在预测CXR上的COVID状态时比以前单独考虑时获得的精度更高。