探索早期胃癌诊断人工智能系统在多个中心面临的挑战及其潜在解决方案

科学领域:

• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断
• 胃肠病学 胃肠病学

背景情况:

• 人工智能 (AI) 的性能随着数据的多样性而变化,对现实世界的应用提出了挑战.
• 早期胃癌 (EGC) 诊断的AI ENDOANGEL此前已经在单中心数据上得到了验证.
• 样本选择偏差和数据异质性可能会阻碍AI在多中心环境中的部署.

研究的目的:

• 重新评估ENDOANGEL在多中心数据方面的表现,并确定挑战.
• 通过使用增强的算法和更多数据,将ENDOANGEL升级为ENDOANGEL-2022.
• 将升级的AI系统与原始AI和人类内镜医生进行比较.

主要方法:

• 在12个机构的回顾性多中心视频中测试了ENDOANGEL.
• 人工智能系统被升级为ENDOANGEL-2022,增加了额外的训练数据和新的算法.
• 进行了竞赛,将ENDOANGEL-2022与内镜和以前的AI版本进行比较.

主要成果:

• 与单个中心数据相比,ENDOANGEL显示出稳定的灵敏度,但在多中心EGC诊断上特异性降低.
• 在多中心测试中,ENDOANGEL-2022表现出显著改善的特异性 (79.63%).
• 两种AI系统在诊断竞赛中都超过了人类内镜师,尽管对非癌症病例的特异性减少了.

结论:

• 由于数据异质性,多中心环境中错误阳性增加是EGC诊断AI的一个关键挑战.
• 使用多样化的数据集和先进的算法优化人工智能模型可以减轻这些挑战.
• 人工智能在提高EGC检测准确度方面表现有前途,甚至超过了专家临床医生.