口腔がんの診断のための説明可能なAI: 組織病理学画像とGrad-CAMビジュアライゼーションのマルチクラス分類

科学分野:

• 腫瘍学
• デジタル病理学
• 医療における人工知能

背景:

• 口腔がんの診断は,腫瘍の異質性により主観的な解釈と変動が起こりやすい組織学的検査に依存しています.
• 観察者間および観察者内での病理学的変動は,患者の治療計画に影響を与える可能性があります.
• 人工知能 (AI) は,診断の正確性と一貫性を高めるためのコンピューティングソリューションを提供しています.

研究 の 目的:

• ヒストパトロジー画像を用いた口腔状細胞癌 (OSCC) の自動マルチクラス格付けのための2段階AIアプローチを開発し評価する.
• Grad-CAMビジュアライゼーションを活用し,AI主導の診断に不可欠な画像領域を強調する.
• OSCCのより正確で信頼できる診断を臨床医に支援するためです.

主な方法:

• Xceptionアーキテクチャを使用した口腔組織病理画像のAIベースのマルチクラス格付けから2段階の方法論が採用されました.
• 2つ目のステップは,AIモデルの意思決定プロセスを視覚化するためのGrad-CAM (グラデント加重クラスアクティベーションマッピング) でした.
• AUC_マクロとAUC_マイクロを含む曲線下の面積 (AUC) メトリクスを用いてパフォーマンスを定量化しました.

主要な成果:

• Xceptionアーキテクチャは高い分類性能を示し,AUC_マクロは0. 929 (±σ = 0. 087) で,AUC_マイクロは0. 942 (±σ = 0. 074) であった.
• Grad-CAMは視覚的な説明を成功裏に提供し,AIの診断予測に役立つ特定の画像領域を特定しました
• 統合されたAIシステムは,口腔がんの評価における診断主観性を減らす可能性を示した.

結論:

• AI アルゴリズムは,特にXceptionアーキテクチャは,組織病理学画像から口腔状細胞癌の正確かつ一貫した分類に重要な約束を示しています.
• Grad-CAMのような視覚化技術と AIを統合することで 診断の透明性と信頼性が向上します
• このAIによるアプローチは 口腔がんの診断に より正確で信頼性の高い 効果的なツールとなり 患者の治療結果を 改善する可能性があります