Aller au contenu principal
2026 article

Real-world effectiveness of artificial-intelligence-assisted lesion triage on cancer waiting times

0Citations signalées, ce qui n’est pas une note de qualité
10Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : gb, us, au. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Urgent skin cancer referrals are increasing, and artificial intelligence (AI) tools have been proposed as a solution to the considerable pressure on dermatology services. Using publicly available cancer waiting time data from 24 National Health Service trusts, this real-world interrupted time series and meta-analysis showed no consistent pooled improvement in Faster Diagnosis Standard breaches (the proportion of patients referred with suspected cancer waiting more than 28 days from referral to diagnosis) following deployment of an AI-assisted lesion triage system, with marked heterogeneity across trusts ranging from benefit to deterioration. These findings demonstrate that the impact of diagnostic AI is highly context-dependent and underscore the need for robust local evaluation and cost–benefit analysis prior to widespread adoption.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Real-world effectiveness of artificial-intelligence-assisted lesion triage on cancer waiting times
Date Crossref
28/03/2026
Éditeur
Oxford University Press (OUP)
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Newcastle upon Tyne Hospitals NHS Foundation Trust Department of Dermatology pays non établi dans la notice
    Établissement de santé
  • Clinical Research Institute pays non établi dans la notice
    Structure de recherche
  • University of Newcastle Australia pays non établi dans la notice
    Université ou école supérieure
  • Newcastle University Translational and Clinical Research Institute pays non établi dans la notice
    Université ou école supérieure
  • Monash University Department of Econometrics and Business Statistics pays non établi dans la notice
    Université ou école supérieure
  • British Association of Dermatologists pays non établi dans la notice
    Organisation à but non lucratif
  • John Radcliffe Hospital pays non établi dans la notice
    Établissement de santé
  • University of Oxford Medical Sciences Division pays non établi dans la notice
    Université ou école supérieure
  • Oxford University Hospitals NHS Trust pays non établi dans la notice
    Établissement de santé
  • Ninewells Hospital Department of Dermatology pays non établi dans la notice
    Établissement de santé
  • Oxford University Hospitals NHS Foundation Trust Department of Dermatology pays non établi dans la notice
    Université ou école supérieure

Department of Dermatology — Newcastle upon Tyne Hospitals NHS Foundation Trust, Clinical Research Institute et University of Newcastle Australia, avec 8 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Cutaneous Melanoma Detection and ManagementArtificial Intelligence in Healthcare and EducationHealthcare Operations and Scheduling Optimization

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.