人工智能生成的R.E.N.A.L.+得分在预测脏瘤结果方面超过了人类生成的得分

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 这是传统的R.E.N.A.L.L. 计分数 (H-分数) 用于预测癌的病理结果.
• 由于其顺序组件,H分数的预测能力存在局限性.

研究的目的:

• 使用连续变量开发和评估由人工智能 (AI) 生成的R.E.N.A.L.+分数 (AI+分数).
• 将AI+分数的预测性能与传统的H分数和AI衍生分数 (AI分数) 进行比较.
• 评估AI+分数组件在预测结果中的相对重要性.

主要方法:

• 对300名怀疑患有癌的患者进行了回顾性研究.
• 深度神经网络用于脏和瘤细分.
• 几何算法估计了连续和顺序分数组件.
• 多变量后勤回归产生了AI+分数.
• 对恶性瘤的预测效用 (AUC) 的比较分析,阶段,等级,缩和切术方法.

主要成果:

• 与AI得分 (0.67) 和H得分 (0.64) 相比,AI+得分显示出对恶性瘤的优异预测能力 (AUC 0.69).
• 在预测高阶段 (AUC 0.82),高等级 (AUC 0.78),瘤缩 (AUC 0.81),以及部分切除术方法 (AUC 0.88) 方面,AI+评分优于AI和H评分.
• 最大瘤直径 (R组件) 是AI+评分中最重要的预测因素.

结论:

• 人工智能+评分显示了对瘤学结果的优异预测性能,与现有的评分系统相比.
• 人工智能+评分节省了时间,适合于护理点应用.
• 人工智能驱动的持续评分超越了传统的验证的临床系统来预测癌的结果.