メラノーマの疑いのある皮膚病変の分類を担当する市場認可のコンボリューションニューラルネットワーク:オーストラリアのプライマリケアクリニックでのパフォーマンス

科学分野:

• 皮膚科
• 医療における人工知能
• 医学画像分析

背景:

• 人工知能 (AI) は メラノーマの検出に革命をもたらす大きな可能性を秘めています
• しかし,メラノーマの診断におけるAIのパフォーマンスを評価するために患者データを使用する研究は稀です.
• この研究は,現実の世界でのAIツールの臨床検証の必要性を扱っています.

研究 の 目的:

• 悪性メラノーマ (MM) の差別化のための商用コンボリューションニューラルネットワーク (CNN) の臨床性能を評価する.
• 皮膚がん専門のオーストラリアの 2つの診療所での 診断の精度を比較するためです
• オーストラリアの一般診療におけるメラノーマ検出におけるAIの有効性に関するデータを提供すること.

主な方法:

• 373 件のメラノサイト病変 (114 MM,259 件の非MM) を含む多センター横断研究が行われました.
• 市場が承認したCNNは,オーストラリアの皮膚がんに焦点を当てた2つの一般診療所の病変画像を分類するために使用されました.
• 感度,特異性,予測値,およびROCのAUCを含む主要なパフォーマンスメトリックが分析されました.

主要な成果:

• CNNは56.6%の総精度を示し,感度は63.2%で,特異性は53.9%でした.
• ポジティブな予測値は37.8%で,ネガティブな予測値は76.8%でした.
• 曲線下の面積 (AUC) の値は,0. 602 (タウンズビル) と0. 615 (ゴールドコースト) で,診断能力は控えめであった.

結論:

• このCNNの現在の性能は,オーストラリアでのメラノーマ検出の通常の臨床使用には不十分です.
• 特に悪性メラノーマの疑いについて,CNNの分類精度を高めるには,重要な改善が必要である.
• 国際的なAIシステムは,オーストラリアのヘルスケアコンテキストでの適性を再評価する必要があるかもしれません.