单一模式与多式模式:哪一种对肺癌查效果最好?

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 癌症诊断和治疗的临床决策经常整合多个数据源.
• 人工智能 (AI) 模型可以通过模仿这种多式联络方法来提高诊断准确性.
• 肺癌,由于晚诊断导致的高死亡率,为人工智能驱动的多式联络分析提供了重大机会.

研究的目的:

• 研究结合计算机断层扫描 (CT) 成像和临床数据用于肺癌检测的预测能力.
• 开发和比较单模和多模人工智能模型用于肺癌预测.
• 探索融合不同类型数据的潜力,以便进行更全面的疾病分析.

主要方法:

• 使用了国家肺部查试验数据集,包括CT扫描和临床数据.
• 开发了一个ResNet18网络,用于对3D CT节点感兴趣区域 (ROI) 的分类.
• 开发了一个随机森林算法来对临床数据进行分类.
• 实施了三种多模式策略 (中期和晚期融合) 来结合成像和临床数据.

主要成果:

• 在ResNet18模型中,CT数据的ROC曲线下的面积 (AUC) 为0.7897.
• 随机森林模型实现了临床数据的AUC为0.5241.
• 最好的多模式模型,使用一个完全连接的层来融合深度成像特征和临床数据,实现了0.8021的AUC.

结论:

• 与单一模式模型相比,集成CT扫描和临床数据的多模式AI模型在肺癌预测方面表现优越.
• 融合多种数据源可以进行更全面的分析,这可能会提高肺癌等复杂疾病的诊断准确度.
• 这种方法强调了人工智能通过利用多种数据模式来增强临床决策的潜力.